在协同融合气象、空间和时间三大信息的时空混合模型中，时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题，提出一种多域时空层次图神经网络（MST-HGNN）模型。首先，构建城市全局尺度和站点局部尺度的两级层次图，从而进行空间关系学习；其次，将一维空气质量序列转换为一组基于多个周期的二维张量，并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征；同时，在一维空间中利用长短期记忆（LSTM）网络拟合时域特征；最后，为避免聚合冗余信息，设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明，相较于多视图多任务时空图卷积网络模型（M2），所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差（MAE）和均方根误差（RMSE）均低于对比模型。可见，MST-HGNN能在频域上解耦复杂时间模式，利用频域信息弥补时域特征建模的局限性，并结合时域信息更全面地预测空气质量变化。
针对低照度图像反转后为与雾天图像相似的伪雾图,其雾的浓度由光照情况而非景深决定这一特点,提出一种基于物理模型的低照度图像增强算法。该算法根据光照情况给出一种更加准确且快速的新方法估计伪雾图的透射率。首先,采用暗原色先验规律对伪雾图的环境光值进行估计,并基于光照情况对透射率进行估计;然后,基于大气散射模型还原出无雾图像;最后,对无雾图像反转得到低照度图像的增强结果,并对该结果进行细节补偿得到最终的增强图像。大量实验表明,与基于暗原色先验的增强算法、基于去雾技术的增强算法及带色彩恢复的多尺度Retinex算法相比,该算法处理效率更高且效果良好,信息不会丢失,可有效提高图像分析识别等系统的工作效率。
多项式插值技术是近似理论中一种常见的近似方法,被广泛用于数值分析、信号处理等领域。但传统的多项式插值技术大多是基于数值分析与实验结果相结合得到的,没有统一的理论描述和规律性的解决方案。为此,根据密切多项式近似理论为图像的多项式插值算法提出一个统一的理论框架。密切多项式近似的理论框架包括采样点数目、密切阶数和导数近似规则三个部分,它既可以用于分析现有的多项式插值算法,也可以用于开发新的多项式插值算法。分析了主流多项式插值技术在密切多项式近似理论框架下的表现形式,并以四点二阶密切多项式插值算法为例详细描述了利用密切多项式插值的理论框架开发新的多项式插值算法的一般流程。理论分析和数值实验表明大多数主流插值算法都属于密切多项式插值算法,它们的处理效果与采样点数目、密切阶数和导数近似规则有紧密的关系。
针对Top-k dominating查询算法需要较高的时空消耗来构建属性组合索引,并且在相同属性值较多情况下的查询结果准确率低等问题,提出一种通过B+-trees和概率分布模型相结合的子空间支配查询算法——Ranking-k算法.首先,采用B+-trees为待查找数据各属性构建有序列表;然后,采取轮询调度算法读取skyline准则涉及到的有序列表,生成候选元组并获得k组终结元组;其次,根据生成的候选元组和终结元组,采用概率分布模型计算终结元组支配分数.迭代上述过程优化查询结果,直到满足条件为止.实验结果表明:Ranking-k与基本扫描算法(BSA)相比,查询效率提高了94.43%;与差分算法(DA)相比,查询效率提高了7.63%;与早剪枝Top-k支配(TDEP)算法、BSA和DA相比,查询结果更接近理论值.
针对目前去雾算法实时性较差，对天空等区域的处理不理想以及去雾后图像偏暗等问题，提出一种实时有效的去雾算法。首先，利用暗原色先验估计粗略透射率图；其次，下采样粗略透射率图并用优化的导向滤波得到改善的透射率图，以便实时处理更高分辨率的图像；然后，上采样改善的透射率图，并对其进行修正，得到优化后的透射率图，以解决暗原色先验不适于处理含有天空等大面积亮区图像的问题；最后，经过颜色保持的自适应亮度调整得到最终去雾图像。该算法时间复杂度仅是图像像素数的线性函数，对分辨率为600×400的图像，耗时约80ms。与基于导向滤波算子的暗原色先验的单幅图像去雾方法、基于中值滤波的快速去雾方法和带颜色恢复的多尺度Retinex(MSRCR)算法进行了对比，
为从降质图像中去除天气的影响,提出一种快速的图像去雾算法。该算法基于二色大气散射模型,针对雾天图像的亮度分布特点以及人眼的视觉特性,首先采用亮度分量来估计粗略传输图,然后采用线性空域滤波对粗略传输图进行细化处理,并利用大气散射模型得到复原图像,最后采用基于人眼视觉特性的拟合函数对复原图像进行亮度调节,使恢复的图像更自然、清晰。大量实验结果表明,该算法恢复的图像在对比度、信息熵和运算时间等客观评价标准上都优于现存算法,具有良好的视觉效果。
针对传统的插值算法和基于模型的超分辨算法通常会导致图像对比度和清晰度下降等问题,提出了一种基于泰勒展开式与曲率逆向驱动图像超分辨算法。该算法首先采用泰勒公式估计图像灰度值的变化趋势,然后利用等照度线的曲率细化图像边缘特征,并将梯度作为约束条件抑制图像边缘的锯齿与振铃效应。大量实验表明,所提算法在清晰度和信息保留度上比传统算法更具有优势,算法处理结果更符合人眼视觉效果,在泰勒展开式的基础上进行逆向扩散也使该算法的运行效率明显高于传统迭代算法。
