电子地图的自适应注记研究

在传统电子地图中,注记位置是固定不变的,当在有限的屏幕内放大、平移等动态浏览地图时,很容易使当前屏幕内的一些要素的注记全部或者部分落到屏幕外,不利于表达地理要素,甚至引起表达的错误。文章从点、线、面三类要素着手,提出适合屏幕浏览的自适应注记:无论在当前屏幕怎样移动,对于能看到的地理要素,只要大小足够注记,系统都能调整这些要素的注记位置,使注记呈现在屏幕内,达到良好的地图表达效果。     

基于矢量瓦片的点状要素注记处理技术

矢量瓦片体积小,可高度压缩,受网络带宽开销和存储空间的限制较小。地图瓦片化对桌面软件点注记处理带来挑战,不仅是点注记的处理存在重要注记被次要注记压盖、同级注记之间互相压盖、注记与要素压盖等问题,同时瓦片化也带来了注记被瓦片边缘截断显示不完全的问题,这些问题严重影响了地图的可读性和信息传递功能。本文针对以上问题总结了矢量瓦片点注记处理原则,通过设计矢量瓦片的组织结构,确定注记搭配表的JSON组织形式,明确矢量瓦片点注记的绘制流程,根据矢量瓦片特点使用四叉编码进行目标过滤,使用R树作为高效空间索引,并采用基于注记优先级的避障技术解决上述点注记处理带来的问题。     

用遗传算法解决点状要素的自动注记问题

文章针对点状要素的自动注记问题,提出了一种改进的自适应遗传算法,并详细地分析了它的实现方法和步骤。通过实验求解表明,该方法是解决点状要素自动注记问题的有效方法,很好地解决了点注记的冲突、压盖和位置优先级问题。     

图形方式下汉字的平滑移动方法

实现汉字移动的程序并不少见，但效果大都不理想，或有闪烁、或有跳跃。本文介绍了一个用TurboC20实现的、在图形方式下汉字平滑移动显示程序。我们知道，在图形方式下显示汉字比较困难，本文中用的汉字是从24。24点阵字库中取出的，所以，这个程序不论在西文或是在中文方式下，汉字均可平滑移动显示。同时也给出了一种在西文状态下显示24。24点阵汉字的方法。实现汉字平滑移动显示的基本原理是先走出汉字在起始和到位时的行、列的位置，然后通过改变显示汉字的行或列，同时擦除原位置上的汉字，如此循环，直到汉字到位时停1移动显示。同时…     

面向移动设备的WEB页面分块算法

随着通信技术的发展,人们迫切希望能方便地利用手持移动设备访问Web网站,由于移动设备的小屏幕和低带宽的缺点,使得这一难题一直没有得到很好的解决.本文提出一种适合于移动设备小屏幕的Web页面分块算法,算法利用Web网页上对象的位置信息对信息块进行逐层聚类,生成一棵网页分块树,再根据移动设备屏幕的特点把网页分块树转换成适合小屏幕浏览的页面.     

FoxBASE中屏幕全方位移动技术

FoxBASE功能强,有大信息量与小屏幕的矛盾。笔者采用屏幕全方位移动技术有效地解决了这一问题。其原理是;把信息作为方阵,屏幕作为可视窗口,全方位移动此窗口,对信息进行测览或修改。     

一种新的地形图汉字注记自动提取算法

地形图中包含大量的汉字注记,为了实现地图要素自动识别,首先要将文字正确地提取出来。该文通过对汉字特征的分析,提出了一种新的汉字提取算法。首先根据地图图像的特点进行骨架运算,利用形态算子对汉字笔画进行分解,最后实现对汉字注记的笔画统计提取。该算法较好地解决了字线粘连、旋转等情况下的汉字提取问题,具有良好的稳定性。     

面向移动终端的Web页面重组技术综述*

在移动终端上浏览传统Web页面,存在着页面布局不合理、屏幕适应性差、噪声信息多等问题,严重影响页面的显示效果.Web页面重组技术通过对页面信息进行提取、组合,能够有效地解决上述问题,能够满足移动用户丰富多彩的页面体验效果.首先从页面提取和组合等方面对页面重组技术进行了论述,同时分析了相关技术的适用范围以及其复杂性,最后对当前领域研究的重点问题进行了总结.     

汉字美术字快速移动显示

在微机的开发使用过程中,为了美化屏幕显示和装饰应用软件等,常常需要快速显示出汉字美术字。这里介绍实现汉字美术字快速、移动显示的方法,能极快地(一般小于0.5秒)显示出整个屏幕的汉字美术字,而且还可以把汉字向左或向右移动,动态显示汉字美术字,具有极强的动感。由于是采用24点阵的打印机字库文件作为基础生成欲显示汉字美术字的屏幕图形文件,因     

窗口全方位移动程序设计

在数据库管理系统中,查询功能是必不可少的。实际工作中常常遇到数据信息量很大而查询条件模糊的情况,如果逐条记录翻阅就需要很长时间。若使用FoxBASE+V2.1提供的BROWSE命令,将占用整个屏幕,破坏用户界面。因此本文提出了窗口全方位移动子程序设汁方法,实现与BROWSE一样的浏览功能。可以在屏幕任意位置打开任意大小的浏览窗口,窗口可以垂直、水平方向移动,使所查询的数据信息可以在用户定义的窗口内全方他浏览。     

显著性引导及不确定性监督的深度编解码网络

基于U-Net的编码-解码网络及其变体网络在医学图像语义分割任务中取得了卓越的分割性能.然而,网络在特征提取过程中丢失了部分空间细节信息,影响了分割精度.另一方面,在多模态的医学图像语义分割任务中,这些模型的泛化能力和鲁棒性不理想.针对以上问题,本文提出一种显著性引导及不确定性监督的深度卷积编解码网络,以解决多模态医学图像语义分割问题.该算法将初始生成的显著图和不确定概率图作为监督信息来优化语义分割网络的参数.首先,通过显著性检测网络生成显著图,初步定位图像中的目标区域;然后,根据显著图计算不确定分类的像素点集合,生成不确定概率图;最后,将显著图和不确定概率图与原图像一同送入多尺度特征融合网络,引导网络关注目标区域特征的学习,同时增强网络对不确定分类区域和复杂边界的表征能力,以提升网络的分割性能.实验结果表明,本文算法能够捕获更多的语义信息,在多模态医学图像语义分割任务中优于其他的语义分割算法,并具有较好的泛化能力和鲁棒性.     

城市热线来电地图自动定位显示系统

讨论了一个热线系统来电地图显示的实现方法。当市民打电话举报与城建相关的 事件时，指挥中心以30路中继电话接受举报，并自动在大屏幕电子地图上同步显示事发地 点 的位置，以便于对事故情况准确记录。     

虚拟实景空间的实时漫游

文中讨论了在基于实景图象的虚拟信息空间进行漫游需要解决的图象处理问题及相关算法,进而设计实现了一种满足实时要求的高效多线程漫游机制。     

基于猫映射的图像灰度值加密

为解决在公共信道传播过程中由于图像中的隐私内容泄漏从而危害信息安全的问题,提出一种新的灰度图像加密方法。新方法采用coupled logistic映射迭代来产生二维混沌序列,其中一个序列用于生成猫映射的系数,另一个用于置乱像素位置。传统的基于猫映射的图像加密方法是加密图像像素位置,而新的加密方法是对每个像素组使用不同的猫映射系数,从而变换组内每个像素的灰度值。除此之外,方法还采取双向扩散提高安全性能。所提方法加密解密过程简单,执行效率高,对图像尺寸没有要求。安全性分析表明,该加密方法对密钥十分敏感,且在多种攻击手段下都具有较好的稳定性。     

基于引导滤波和差分图像的多聚焦图像融合方法

针对传统的多聚焦图像的空间域融合容易出现边缘模糊的问题,提出了一种基于引导滤波（GF）和差分图像的多聚焦图像融合方法。首先,将源图像进行不同水平的GF,并对滤波后图像进行差分,从而获得聚焦特征图像;随后,利用聚焦特征图像的梯度能量（EOG）信息获得初始决策图,对初始决策图进行空间一致性检查以及形态学操作以消除因EOG相近而造成的噪点;然后,对初始决策图进行GF以得到优化后决策图,从而避免融合后的图像存在边缘骤变的问题;最后,基于优化后决策图对源图像进行加权融合,以得到融合图像。选取3组经典的多聚焦图像作为实验图像,将所提方法与其他9种多聚焦图像融合方法得到的结果进行比较。主观视觉效果显示,所提方法能更好地将多聚焦图像的细节信息保存下来,另外,经该方法处理后的图像的4项客观评价指标均显著优于对比方法。结果表明,所提方法能够获得高质量的融合图像,较好地保留原始图像信息,有效解决传统多聚焦图像融合出现的边缘模糊问题。     

一种利用附加纹理信息进行三维喷绘的方法

针对三维透视投影视图中对三维物体表面纹理直接进行喷绘,以获得复杂纹理图这一计算机图形交互技术这一新问题,研究了一种将纹理图的象素位置信息转换成彩色信息,然后利用纹理映射将纹理坐标连同该点上的颜色值一起传递到与屏幕象素对应的可见点上的方法,其中颜色值依该点处的入射光线方向和表面法向被进一步转换为光强值,而纹理坐标则被解码后还原成与该可见点对应的纹理坐标,被存入信息缓冲器中,供以后使用,通过解码,可根据屏幕点直接得到纹理象素点的坐标,经过算法优化,实现了对三维物体表面纹理的实时喷绘;同时阐述了在三维图象生成技术中使用附加纹理信息的应用实例以及相关定义。     

Hierarchical fusion and divergent activation based weakly supervised learning for object detection from remote sensing images

Object detection and location from remote sensing (RS) images is challenging, computationally expensive, and labor intense. Benefiting from research on convolutional neural networks (CNNs), the performance in this field has improved in the recent years. However, object detection methods based on CNNs require a large number of images with annotation information for training. For object location, these annotations must contain bounding boxes. Furthermore, objects in RS images are usually small and densely co-located, leading to a high cost of manual annotation. We tackle the problem of weakly supervised object detection under such conditions, aiming to learn detectors with only image-level annotations, i.e., without bounding box annotations. Based on the fact that the feature maps of a CNN are localizable, we hierarchically fuse the location information from the shallow feature map with the class activation map to obtain accurate object locations. In order to mitigate the loss of small or densely distributed objects, we introduce a divergent activation module and a similarity module into the network. The divergent activation module is used to improve the response strength of the low-response areas in the shallow feature map. Densely distributed objects in RS images, such as aircraft in an airport, often exhibit a certain similarity. The similarity module is used to improve the feature distribution of the shallow feature map and to suppress background noise. Comprehensive experiments on a public dataset and a self-assembled dataset (which we made publicly available) show the superior performance of our method compared to state-of-the-art object detectors.     

基于旋转不变局部相位量化特征的人脸确认算法研究*

针对非受控环境下人脸图像的采集易受光照、姿态、表情、遮挡的影响且成像质量低等为人脸确认带来很大困难这一问题,提出了采用旋转不变局部相位量化(RILPQ)特征算子结合学习度量距离的方法进行人脸确认。首先利用RILPQ特征算子对待确认的两幅图像分别提取RILPQ编码图像;然后分块获得空间区域RILPQ直方图序列并进行PCA降维,并将降维后的RILPQ直方图序列作为人脸图像的特征描述子,计算两幅人脸图像描述特征的统计Fisher加权距离;最后采用SVM进行人脸确认。在LFW人脸库上的实验表明该方法在同类算法中具有最好的性能。     

基于卷积神经网络的仿鼠脑海马结构认知地图构建方法

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地图.基于汉明距离计算视觉信息与视图库中图像的相似度,实现对复杂动态环境中熟悉场景的识别,完成机器人在环境中的定位及位置纠正.仿真与物理实验验证文中方法的有效性与鲁棒性.     

基于加速残差网络的图像超分辨率重建方法

针对深层网络架构的图像超分辨率重建任务中存在网络参数多、计算复杂度高等问题,提出了一种基于加速残差网络的图像超分辨率重建方法。首先,构建一个残差网络对低分辨率图像与高分辨率图像之间的高频残差信息进行重建,以减少冗余信息的深层网络传输过程,提高重建效率;然后,通过特征收缩层对提取的低分辨率特征图进行降维,从而以较少的网络参数实现快速映射;之后,对高分辨率特征图通过特征扩展层进行升维,从而以较丰富的信息重建高频残差信息;最后,将残差与低分辨率图像求和得到重建的高分辨率图像。实验结果表明,该方法取得的峰值信噪比（PSNR）及结构相似性（SSIM）均值结果较基于卷积神经网络的图像超分辨率（SRCNN）取得的结果分别提升了0.57 dB和0.013 3,较基于中间层监督卷积神经网络的图像超分辨率重建（ISCNN）取得的结果分别提升了0.45 dB和0.006 7;在重建速度方面,以数据集Urban100为例,较现有方法提高了1.5~42倍。此外,将该方法应用于运动模糊图像的超分辨率重建时,获得了优于超深卷积神经网络的图像超分辨率（VDSR）的性能。所提方法以较少的网络参数快速获得较好的重建质量,并且为图像超分辨率重建提供了新的思路。