在图像平滑处理过程中,如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法(DTV)和数字双边全变差算法(DBTV)的滤波机制的基础上,利用图像像素间的近-远程相关性,分别定义近程相关性和远程相关性两个度量,建立了一种非局部图像滤波自适应双边加权机制,提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法(NLTV)。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。

对Buades等人提出的非局部均值图像去噪算法进行改进。传统的方法在滤波参数定义上存在缺陷,为了解决这个问题,通过建立噪声方差与滤波系数的关系,提出解决噪声估计的方法。另外,根据小波系数的分布特点,利用GGD模型参数(尺度和形状参数)对系数进行拟合,并用GGD模型参数提出一种有效的噪声方差估计算法。实验结果表明,该噪声方差估计算法不仅能有效地估计噪声方差大小,而且使原有的非局部均值算法具有自适应性。这种自适应的非局部均值算法可以达到近似最优,具有鲁棒性和快速性,且算法精度高。

我们研究了非局部SU（3）Polyakov-Nambu-Jona-Lasinio模型的特征，该模型包括波函数重新归一化。 考虑到晶格QCD启发的非局部形状因素，从真空现象学确定模型参数。 在此框架内，我们分析了轻质标量子和拟标量子介子在有限温度下的性质，并确定了脱限和手性还原跃迁的化学势确定特性。

在本文中，我们通过多种方法和在不同的热力学集合（规范/大正则）中分析了爱因斯坦-麦克斯韦-杨-米尔斯-AdS引力（EMYM）中反de-Sitter黑洞的热力学性质。 首先，我们在固定电荷的熵热图中简要概述了该相结构，然后在固定电势集合中研究了此热力学结构。 接下来的相关步骤是回顾非局部可观测量，例如全息纠缠熵和两点相关函数，以表明这两个可观测量在我们的数值精度上均表现出类似于范德华斯的行为，并且在热熵的情况下仅在临界线附近 通过检查麦克斯韦的等面积定律和临界指数来确定固定费用。 根据宏大的规范合奏，我们还发现了这种黑洞的新相结构，其中临界行为在热图像和全息图像中都消失了。

在这封信中，我们分析性地研究了霍金辐射对Schwarzschild黑洞背景下Dirac粒子的量子相关性和Bell非局部性的影响。 结果表明，当霍金效应几乎不存在时，对应于几乎黑洞的情况，物理可及态的量子性质对于初始情况是相同的。 对于有限的霍金温度T，由于霍金效应产生的热场，可及的量子相关性随T的增加而单调降低，当霍金温度大于固定值时可及的量子非局域性将消失。 Werner状态增长的参数r。 然后，我们分析了量子相关性的重新分布，发现在霍金温度为无限大的情况下，与黑洞完全蒸发的情况相对应，物理可访问状态的量子相关性等于不可访问状态之一。 此外，由于保利排斥原理以及费米·狄拉克（Fermi–Dirac）和玻色—爱因斯坦统计之间的差异，对于狄拉克（Dirac）场，可及的经典相关性随霍金温度的升高而降低，这与标量场不同。 对于贝尔非局部性，我们还发现，对于物理上不可访问的状态，量子非局部性总是灭绝的；当物理上可访问的状态中存在非局部性时，随着霍金效应强度的增加，非局部性的强度会降低。

伪量子电动力学很好地描述了限制在一个平面上的带电粒子之间的相互作用。 当我们将一个伪规范场与一个玻色子场耦合时，我们得到了所谓的标量伪量子电动力学（SPQED）。 在这项工作中，我们通过费曼图对SPQED进行了微扰分析。 我们计算一环格林函数：玻声场自能，电磁场自能和顶点校正。 最后，我们考虑了两个玻色子粒子之间的非相对论相互作用势。 我们计算出对通常的库仑电势的辐射校正，并评论类推和与费米离子的区别。

非局部均值滤波(Non-Local Means，NLM)是一种有效的图像去噪算法．但它仅利用了图像的表面特征而忽略了图像的结构信息，其相似度量标准泛化能力差，相似集合的准确性低．笔者提出一种基于结构相似度(Structure Similarity，SSIM)全参考模型的非局部均值图像去噪方法．由于SSIM能够更好的描述图像块的全局特征和结构特征，基于此模型的相似度量具有较强的泛化能力．实验结果证明，此方法对自然图像的去噪效果优于传统的NLM算法．

以下论文中描述的非局部欧几里得中值 (NLEM) 算法的 MATLAB 实现： [1] KN Chaudhury 和 M. Unser，“非局部欧几里得中位数”，IEEE 信号处理信件，卷。 19，没有。 2012 年 11 月。 当前的实现是为了实验用途，在效率方面远非最佳。 例如，它可以使用 *parfor* 循环进行优化，或使用 mex 代码计算欧几里得中值。

针对序列图像超分辨率重建非局部均值（non-local means，NLM）算法重建结果图像边缘区域过平滑的问题，提出了一种局部参数自适应改进方法。将整幅图像划分为图像子块，然后根据图像子块平均像素信息计算出其对应的滤波参数，这样有助于减少因整幅图像使用统一滤波参数而导致的某些高频信息的丢失。实验结果表明，与经典NLM重构算法相比，改进算法重建出的结果图像的轮廓边缘更清晰，字符辨识度更高；在算法实现方面，图像重构程序在CPU/GPU平台上实现，使用GPU并行化加速的程序比单CPU运算的程序，加速比最高可达

基于色彩校正和非局部先验的水下图像恢复