已经提出了许多用于红外小目标检测的最新技术。 它们在具有均一背景和高对比度目标的图像上效果很好。 然而，当面对高度异质的背景时，它们将不能很好地工作，主要是由于：1）存在强边缘和其他干扰组件，2）没有充分利用先验条件。 受此启发，我们提出了一种同时利用本地先验和非本地先验的新颖方法。 首先，我们采用新的红外补丁张量（IPT）模型来表示图像并保留其空间相关性。 利用目标稀疏先验和背景非局部自相关先验，将目标背景分离建模为鲁棒的低秩张量恢复问题。此外，借助结构张量和权重思想，我们设计了一种局部局部自适应和稀疏性增强权重来代替全局常数加权参数。 根据目标检测的实际情况，可以通过元素重加权的高阶稳健主成分分析以及附加的收敛条件来实现分解。广泛的实验表明，我们的模型优于其他最新技术，特别是对于图像质量非常高的图像昏暗的目标和沉重的杂物。

针对贝叶斯网络结构学习方法难以兼顾高准确率和高效率的问题，提出了一种基于Markov Chain Monte Carlo(MCMC)方法的贝叶斯网络结构学习方法的改进。改进包括：使用依赖关系分析，利用统计学的方法对采样空间进行大幅缩减，能够在精确控制准确度的情况下大幅提高时间效率；结合先验知识，从理论角度将先验知识融入评分中得到完全服从后验分布的结果；搜索最优子结构，对于特定的一些结构搜索最优子结构而不是采用贪心的方法，提高了贝叶斯网络结构学习的准确率。通过理论分析可以证明时间复杂度得到了大幅的降低。并且可以在牺牲可预知的准确率的情况下，将指数时间复杂度降为线性时间。大量的数据实验表明，经改进后的方法在时间和准确性上都具有良好的表现。

正态均值（方差已知）的共轭先验分布是正态分布

基于神经网络和先验知识的低分辨率车牌字符复原方法，王新年，张涛，针对视频监控系统采集的车牌图像分辨率低和模糊不清的问题，结合视频监控系统相对固定和车牌字符集有限的特点, 提出了基于神经网�

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法。通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号。通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较。实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量。

matlab代码保密 高质量高光谱重建使用频谱先验 一般信息 代号：DeepCASSI（ACM SIGGRAPH Asia 2017） 作家：Inchang Choi（），Daniel S. Jeon（），Giljoo Nam（），Min H. Kim（） 研究所：KAIST视觉计算实验室 有关信息，请参见以下文章： 使用光谱先验进行高质量的高光谱重建，Inchang Choi，Daniel S. Jeon，Giljoo Nam，Diego Gutierrez，Min H. Kim访问我们的项目，获取高光谱图像数据集。 如果您使用本网站中的任何免费材料，请引用我们的论文： Bibtex：@Article {DeepCASSI：SIGA：2017， 作者= {Inchang Choi和Daniel S. Jeon和Giljoo Nam 以及迭戈·古铁雷斯（Diego Gutierrez）和闵·金（Min H. Kim）}， title = {高质量的高光谱重建使用频谱先验}， journal = {ACM Transactions on Graphics（Proc。SIGGRAPH As

线性变分去噪声matlab代码使用深度学习先验和局部线性拟合的惩罚性PET重建 你好， 我是金敬尚。 （kssigari（at）gmail.com，kkim24（at）mgh.harvard.edu） 该代码用于以下论文：Kyungsang Kim等。 “使用深度学习先验和局部线性拟合对PET进行重建”，IEEE Transactions on Medical Imaging。 （） 由于数据文件带有链接，因此请仔细阅读以下内容。 抽象的 受深度学习在医学成像中巨大潜力的推动，我们提出了一种基于深度学习的先验迭代正电子发射断层扫描（PET）重建框架。 我们利用去噪卷积神经网络（DnCNN）方法，并使用全剂量图像作为地面真实情况和通过泊松细化从下采样数据重构的低剂量图像作为输入来训练网络。 由于大多数公开的深度网络都是在预定的噪声水平下进行训练的，因此训练和测试数据的噪声水平差异是它们作为通用先验技术的适用性的主要问题。 特别是，噪声水平在每次迭代中都会发生显着变化，这可能会降低迭代重建的总体性能。 由于现有研究不足，我们进行了仿真并评估了各种噪声条件下性能的下降。 我们的发现表明，Dn

基于极通道先验(ECP)的图像去模糊代码，注释版

先验等概的2ASK最佳相关接收机（matlab仿真）和AM振幅调制解调器设计 （multisim）

传统的暗通道先验已成功地运用于单一图像去模糊问题,但是,当模糊图像具有显著噪声时,暗通道先验无法对模糊核估计起到作用.因此,得益于分数阶计算能够有效地抑制信号的噪声并对信号的低频部分进行增强,将分数阶计算理论与模糊图像的暗通道先验相结合,提出一种基于改进的暗通道先验的运动模糊核估计方法.首先,结合最大后验估计算法与分数阶暗通道先验,构建出运动模糊图像的核估计模型;其次,利用半二次方分裂法解决模型的非凸问题;最后,根据粗糙-精细的策略,利用多尺度迭代框架估计出准确图像的模糊核,进而利用非盲去模糊的方法求解清晰图像.实验结果表明:在有无显著噪声的模糊图像中,所提出的算法虽然所需计算时间较长,但是能够获得较为准确的模糊核,并且能够减少图像噪声以及振铃伪影,提高清晰图像估计的质量;此外,对于不同类型的模糊图像,所提出的算法也同样适用.