退化模型算法
‘壹’ 运筹学中的退化解是什么
退化解：在消去的两行中添加一个0。
在线性规划的单纯形法中，当确定换入基变量时，计算出的θ出现两个或两个以上最小值时，称为退化，选取不当的话会导致迭代无限循环。所说现象在运输问题中表现为：填入某一格的运量后，同时划去该格所在的行和列，称为退化。
含义
退化问题是指在线性规划中，单纯形表中的基本可行解中出现一个或多个基变量等于零时，或者按最小比值来确定换出基的变量时，存在两个以上相同最小比值的线性规划问题。出现的原因是模型中存在多余的约束，使多个基本可行解对应同一顶点。这时有可能出现单纯形法迭代的循环。
‘贰’ 估计退化函数的方法
要想图像复原我们就得知道系统的冲击响应H s ( u , v ) H_s(u,v)Hs(u,v)但是这个函数我们是不知道的，所以我们就要对其进行估计，估计的方法主要由三种。
1.图像观察估计
首先为了消除噪声的影响，我们选取图形中噪声影响较小的区域，比如高对比区域。然后对该区域进行人工处理以便得到清晰的图像，然后利用以下公式估计出系统的冲激响应：
H s ( u , v ) = G s ( u , v ) F ^ s ( u , v ) H_s(u,v)=frac{G_s(u,v)}{hat{F}_s(u,v)}Hs(u,v)=F^s(u,v)Gs(u,v)
这样处理的缺点是麻烦，一般用来处理价值很大的图片。
2.试验估计
这个方法很简单也很暴力，就是用不同的模型对图像进行处理直到图像退化到我们希望复原的程度。
3.建模估计
建模估计就是利用图像形成的过程来建模仿真图像的模糊过程，比如基于大气湍流的退化模型为：
这就是我们根据运动退化模型推出的退化函数。
以上就是三种常用的估计退化模型的方法。
‘叁’ 基于维纳过程的退化模型的跟踪和预测怎么实现
中文名称：布朗运动英文名称：Brownian motion 定义：悬浮在流体中的微粒受到流体分子与粒子的碰撞而发生的不停息的随机运动.应用学科：大气科学（一级学科）；大气物理学（二级学科） 定义若一个随机过程{X(t),t>=0}满足：⑴ X(t)是独立增量过程； ⑵ 任意s,t>0,X(s+t)-X(s)~N(0,c^2*t）,即X(s+t)-X(s）是期望为0,方差为c^2*t的正态分布； ⑶ X(t）关于t是连续函数. 则称{X(t),t>=0}是维纳过程（Wiener process）或布朗运动.
‘肆’ 常见的图像退化模型有哪些种类
图像复原处理的关键是建立退化模型，原图像f(x,y)是通过一个系统h及加入一来加性噪声n(x,y)而退化成一幅图像g(x
,y)的，如下图所示
f(x,y)
n(x,y)
h
这样图像的退化过程的数学表达式可写为：
g(x,y)=h[f(x,y)]+n(x,y)
课本103页有图
‘伍’ 退化废弃地评价模型
退化废弃地评价主要针对退化废弃地的现状和恢复效果进行评价，通过分析灾毁土地程度与可能性评价、塌陷土地程度与可能性评价、退化土地恢复过程评价与污染土地风险评价等流程和特征，引入智能和复杂的地理计算，针对不同的评价目标构建了不同的评价模型。其中现状评价主要采用多因素综合评价值型、模糊综合评价模型和人工神经网络模型; 恢复效果评价主要采用极限条件模型和多因素综合评价模型法。
( 一) 多因素综合评价模型
多因素综合评价模型中综合指数的计算方法有加 ( 减) 法评分系统、乘 ( 除) 法评分系统、混合评分系统等模型和专家系统技术。
1) 加 ( 减) 法评分系统中，比较典型的是德国和罗马尼亚的加 ( 减) 法系统以及目前应用最普遍的多因素加权评分模型。多因素加权评分模型根据各种土地特征对土地利用的影响对其进行推断赋值，这些数值标准化到 0 ～100 之间，相加或相减得到最后的综合指数。当各种土地特征对土地利用的重要性相等，则采用等权加总，否则采用加权求和的方法。因素重要性的度量方法主要有 Delphi、AHP 法和因素成对比较法等主观赋权法以及主成分分析法、因子分析法、灰色关联法和熵值法等客观赋权法。加 ( 减) 法评分系统与乘 ( 除) 法评分系统相比，能够综合更多的土地特征信息。
2) 乘 ( 除) 法评分系统给每个土地特征属性或影响因素指定单独的比重，计算所有因素的指标值作为最后的综合指数，能体现重要因素控制评价结果的优点。最早广为人知的关于土地生产率的乘法标准是美国斯托利分等指数 ( Storie Index Ｒating，简称 SIＲ)( Storie，1933) ，基于全球土壤流失方程 ( USLE) 的土地退化系统 ( Wischmeier 和 Smith，1965) 指数也是通过对单因素分值进行乘法运算，与斯托利分等指数具有相同的形式。其他乘法系统还包括 G. Ｒ. Clarke 的生产率指数、J. Ｒiquler 的生产率指数、W. E. Searl 的土地生产率和潜在土地生产力指数等。
3) 混合系统。根据不同土地利用特征之间的关系，混合使用加 ( 减) 和乘 ( 除) 相结合的评分系统。
( 二) 模糊综合评价模型
模糊数学是研究和处理模糊体系规律性的理论和方法，其把普通集合论只取 0 和 1 两个值的特征函数，拓展到在 ［0，1］ 区间上取隶属函数，把绝对的属于与不属于的 “非此及彼”扩展为更加灵活的渐变函数。土地质量的 “好”与 “坏”，适宜性的 “高”与“低”之间并无绝然的界限，具有模糊性，这就是模糊数学方法用于退化废弃地评价的出发点。
退化废弃地评价的模糊综合评价方法是在参评因子和每个评价标准之间建立隶属函数，对参评因子的评价，由参评因子对每一个评价标准 ( 例如土地退化等级) 的隶属值构成，评价结果是参评因子对不同等级的隶属值矩阵; 参评因子对不同等级的影响作用大小用权重系数表示，构成权重矩阵; 将权重矩阵与隶属值矩阵进行复合运算，得到一个综合评价矩阵，表示该土地单元对每一个等级的隶属度 ( 刘玉平，1996; 卢金发，1997; 范建客，2002) 。其实施步骤如下:
1. 建立隶属函数
隶属函数反映参评因子取值对应于各适宜性等级的模糊界限。参评因子对土地质量的效应可总结为两种类型，即半梯形和抛物线型，前者如坡度、高度等，后者如土壤质地、土壤酸碱度等。对于呈半梯形效应的因子，可以用线性隶属函数来简化表示。对于呈抛物线型效应的因子，则对指标进行数量化，即将其效应按级别大小进行排列，便于统一用线性隶属函数来描述。
2. 确定每个评价单元每项参评因子的隶属度
先将参评因子分级指标数量化，由调查统计确定的各级指标值除以该因子出现的最高值，得到该因子各级指标的标准值即Sij，以坡度因子分级指标值数量化为例，坡度因子分级指标、指数如表7－2所示:
表7－2 坡度因子分级指标、指数表
例如因子第一级数量化值 I = 6/25 等于 0. 24，第二级数量化值Ⅱ = 10. 5/25 等于0. 42，第三级数量化值Ⅲ = 20 /25 等于 0. 8，第四级数量化值Ⅳ = 25 /25 等于 1，即如表7 － 2 所示。若是定性指标 ( 例如土壤类型) 则按经验赋予数量化标准值，并把各分级的标准值代入隶属函数公式。然后将各土地单元的实测值进行数量化 ( 转换成 0 ～1 之间的数) ，按各级隶属函数式计算出每一因子的隶属度，每个土地单元分别得到一个 13 ×4 模糊矩阵 Ｒ。
3. 建立权重矩阵
在土地适宜性评价过程中，各因子的权重系数一般来说参照当地农业专家的实践经验比较合理，各因子的权重系数确定之后就组成了一个模糊矩阵 A。
4. 计算评价矩阵
将上述两个模糊矩阵 A 和 Ｒ 进行复合运算，得到综合评价矩阵，综合评价矩阵中隶属度最大值所对应的等级作为该单元的等级。
( 三) 极限条件模型
针对每个评价指标设定基准值，采用匹配的方法将评价单元的指标值与基准值进行比较，如果存在不满足基准值的指标，则评价单元也相应地被判定为不满足条件。
‘陆’ 透雾原理
是利用远红外射像!
还有就是利用温度!
‘柒’ 求图像退化模型的定义。
成像系统受各种因素的影响，导致了图像质量的降低，称之为图像退化。
‘捌’ 数字图像求助：试述图像退化的基本模型，并画出框图且写出数学表达式。
图像复原处理的关键是建立退化模型，原图像f(x,y)是通过一个系统H及加入一来加性噪声n(x,y)而退化成一幅图像g(x ,y)的，如下图所示
f(x,y)
n(x,y)
H
这样图像的退化过程的数学表达式可写为：
g(x,y)=H[f(x,y)]+n(x,y)
课本103页有图
‘玖’ 模糊图像复原方法
图像复原-模糊图像处理解决方案
机器视觉智能检测 2017-06-16
造成图像模糊的原因有很多，且不同原因导致的模糊图像需要不同的方法来进行处理。从技术方面来讲，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。本文将从这三方面切入剖析。
智能化设备管理技术是利用系统管理平台软件的设备管理服务，对所有的监控设备包括摄像机、云台、编码器和系统服务器进行不间断的实时监测，当发现故障时能及时通过各种方式告警，提示维护人员及时处置。一个系统可以按照网络拓扑结构部署多台设备管理服务器，分区域对设备进行实时的巡检，这样可以大大提高系统的维护效率，尽可能做到在设备发生故障时，在不超过10分钟的时间内被监测到并告警。
建设目标
本方案拟应用先进的机器学习和计算机视觉技术，仿真人类的视觉系统，针对某市公共安全图像资源前端摄像头出现的雪花、滚屏、模糊、偏色、画面冻结、增益失衡和云台失控等常见摄像头故障以及恶意遮挡和破坏监控设备的不法行为做出准确判断，并自动记录所有的检测结果，生成报表。以便用户轻松维护市公共安全图像资源系统。
技术路线
将视频故障分成视频信号缺失、视频清晰度异常、视频亮度异常、视频噪声、视频雪花、视频偏色、画面冻结、PTZ运动失控八种类型。其中视频信号缺失、随着“平安城市”的广泛建设，各大城市已经建有大量的视频监控系统，虽然监控系统己经广泛地存在于银行、商场、车站和交通路口等公共场所，但是在公安工作中，由于设备或者其他条件的限制，案情发生后的图像回放都存在图像不清晰，数据不完整的问题，无法为案件的及时侦破提供有效线索。经常出现嫌疑人面部特征不清晰、难以辨认、嫌疑车辆车牌模糊无法辨认等问题，这给公安部门破案、法院的取证都带来了极大的麻烦。随着平安城市的推广、各地各类监控系统建设的进一步推进，此类问题将会越来越凸显。
模糊图像产生的原因
造成图像模糊的原因很多，聚焦不准、光学系统的像差、成像过程中的相对运动、大气湍流效应、低光照、环境随机噪声等都会导致图像模糊。另外图像的编解码、传输过程都可能导致图像的进一步模糊。总体来说，造成图像模糊的主要原因如下：
· 镜头聚焦不当、摄像机故障等;
· 传输太远、视频线老化、环境电磁干扰等;
· 摄像机护罩视窗或镜头受脏污、受遮挡等;
· 大雾、沙尘、雨雪等恶劣环境影响;
· 由视频压缩算法和传输带宽原因导致的模糊;
· 摄像机分辨率低，欠采样成像;
· 光学镜头的极限分辨率和摄像机不匹配导致的模糊;
· 运动目标处于高速运动状态导致的运动模糊等;
……
模糊图像常用解决方案
对于模糊图像处理技术，国内大学和科研机构在多年以前就在研究这些理论和应用，相关文献也发布了不少，已经取得了一些很好的应用。美国 Cognitech软件是相当成熟的一套模糊图像恢复应用软件，在美国FBI及其他执法机构中已有多年实际应用，其恢复出的图像可以直接当作法庭证据使用，可见模糊图像处理技术已经取得了相当的实际应用。
前面提到，造成图像模糊的原因有很多，要取得比较好的处理效果，不同原因导致的模糊往往需要不同的处理方法。从技术方面来讲，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。
图像增强
很多传统图像算法都可以减轻图像的模糊程度，比如图像滤波、几何变换、对比度拉伸、直方图均衡、空间域锐化、亮度均匀化、形态学、颜色处理等。就单个来讲，这些算法都比较成熟，相对简单。但是对于一个具体的模糊图像，往往需要上面的一种或者多种算法组合，配合不同的参数才能达到理想的效果。这些算法和参数的组合进一步发展成为具体的增强算法，比如“图像去雾”算法、“图像去噪”算法、“图像锐化”算法、“图像暗细节增强”算法等等。这些算法都不同程度提高了图像清晰度，很大程度改善了图像质量。
综合使用形态学、图像滤波和颜色处理等算法可以实现图像去雾的算法，图1是一个去雾算法的实际使用效果，类似的图像增强算法还有很多，不再一一列举。图像复原
图像复原与图像增强技术一样，也是一种改善图像质量的技术。图像复原是根据图像退化的先验知识建立一个退化模型，然后以此模型为基础，采用各种逆退化处理方法逐步进行恢复，从而达到改善图像质量的目的。
图像复原和图像增强是有区别的，两者的目的都是为了改善图像的质量。但图像增强不考虑图像是如何退化的，只有通过试探各种技术来增强图像的视觉效果，而图像复原就完全不同，需要知道图像退化过程的先验知识，据此找出一种相应的逆过程方法，从而得到复原的清晰图像。图像复原主要取决于对图像退化过程的先验知识所掌握的精确程度。
对由于离焦、运动、大气湍流等原因引起的图像模糊，图像复原的方法效果较好，常用的算法包括维纳滤波算法、小波算法、基于训练的方法等。图3是使用维纳滤波解决运动模糊图像的例子，取得了很好的复原效果。在知道退化模型的情况下，相对图像增强来说，图像复原可以取得更好的效果。图像超分辨率重构
现有的监控系统主要目标为宏观场景的监视，一个摄像机，覆盖一个很大的范围，导致画面中目标太小，人眼很难直接辨认。这类由于欠采样导致的模糊占很大比例，对于由欠采样导致的模糊需要使用超分辨率重构的方法。
超分辨率复原是通过信号处理的方法，在提高图像的分辨率的同时改善采集图像质量。其核心思想是通过对成像系统截止频率之外的信号高频成分估计来提高图像的分辨率。超分辨率复原技术最初只对单幅图像进行处理，这种方法由于可利用的信息只有单幅图像，图像复原效果有着固有的局限。序列图像的超分辨率复原技术旨在采用信号处理方法通过对序列低分辨率退化图像的处理来获得一幅或者多幅高分辨率复原图像。由于序列图像复原可利用帧间的额外信息，比单幅复原效果更好，是当前的研究热点。
序列图像的超分辨率复原主要分为频域法和空域法两大类，频域方法的优点是：理论简单，运算复杂度低，缺点是：只局限于全局平移运动和线性空间不变降质模型，包含空域先验知识的能力有限。空域方法所采用的观测模型涉及全局和局部运动、空间可变模糊点扩散函数、非理想亚采样等，而且具有很强的包含空域先验约束的能力。常用的空域法有非均匀插值法、迭代反投影方法（IBP）、凸集投影法（POCS）、最大后验估计法（MAP）、最大似然估计法 （ML）、滤波器法等，其中，MAP和POCS二方法研究较多，发展空间很大。对于具体的算法，不是本文的重点，这里不做详细介绍。图五是一个使用多帧低分辨率图像超分辨率重构的例子。
模糊图像处理技术的关键和不足
虽然很多模糊图像的处理方法在实际应用中取得了很好的效果，但是当前仍然有一些因素制约着模糊图像处理的进一步发展，主要如下。
算法的高度针对性
绝大部分的模糊图像处理算法只适用于特定图像，而算法本身无法智能决定某个算法模块的开启还是关闭。举例来说，对于有雾的图像，“去雾算法”可以取得很好的处理效果，但是作用于正常图像，反而导致图像效果下降，“去雾算法”模块的打开或者关闭需要人工介入。
算法参数复杂性
模糊图像处理里面所有的算法都会包含大量的参数，这些参数的选择需要和实际的图像表现相结合，直接决定最终的处理效果。就目前的算法，还没有办法智能地选择哪些是最优的参数。
算法流程的经验性
由于实际图像非常复杂，需要处理多种情况，这就需要一个算法处理流程，对于一个具体的模糊视频，采用什么样的处理流程很难做到自动选择，需要人工选择一个合适的方法，只能靠人的经验。
结语
由于环境、线路、镜头、摄像机等影响，监控系统建成并运营一段时间后，都会出现一部分的视频模糊不清的问题。
总体来说，虽然模糊图像处理算法已经取得了非常广泛的应用，但是图像算法毕竟有局限性，不能将所有问题都寄希望于图像算法，对于不同种类的模糊问题，要区别对待。对于由镜头离焦、灰尘遮挡、线路老化、摄像机故障等造成的模糊或者图像质量下降，在视频诊断系统的帮助下，一定要及时维修，从源头上解决问题。对于低光照等优先选择日夜两用型高感光度摄像机，对于雨雾、运动和欠采样等造成的图像质量下降，可以借助于“视频增强服务器”包含的各种模糊图像处理算法来提升图像质量。喜欢此内容的人还喜欢
17个教师常用网站推荐给你，再也不用到处找资源了
17个教师常用网站推荐给你，再也不用到处找资源了 ...
高校教师服务工作室
不喜欢
不看的原因
确定
内容质量低 不看此公众号
什么是水磨石？被设计师玩出新高度
什么是水磨石？被设计师玩出新高度 ...
联盟设计库
不喜欢
不看的原因
确定
内容质量低 不看此公众号