一种鲁棒的图像局部特征区域的描述方法

提出了一种鲁棒的图像局部特征区域的描述方法,即IWCS-LTP(Improved weighted center symmetric local trinary pattern)描述子.该方法对图像局部特征区域采用类似SIFT描述子的分块处理,可以使描述子包含更多的结构信息; 采用ICS-LTP算子进行编码,可以在不大量增加描述子维数和计算量的同时对图像的梯度方向信息进行更具体的描述; 采用加权纹理谱直方图计算方法可以使描述子包含图像的梯度幅值信息.大量的实验结果验证了该描述子的有效性.     

边缘图像连通区域标记的算法研究和SoPC实现

针对二值边缘图像目标点较少的特点,提出了基于目标像素邻域的8方向生长区域标记算法.该算法充分利用了边缘图像的走向信息,提高了搜索效率,降低了堆栈空间消耗,消除了邻域反复扫描问题.     

基于统计证据的半监督多分类器融合方法

针对半监督学习中未标记示例导致性能下降的问题,提出一种新的协同训练算法LDL-tri-training.首先通过最小显著性差异（LSD）假设检验方法使得3个成员分类器两两之间具有显著性差异;然后采用D-S证据理论提高标注的稳定性;最后利用局部异常因子检测算法剔除误标记的噪声样本.实验表明,与其他方法相比,LDL-tri-training算法具有较高的分类精度和稳定性.     

基于改进的JSEG算法的图像分割

针对JSEG算法在图像分割中出现的明显过分割现象,提出一种基于边缘信息的JSEG[1]改进方法。该方法首先将图像的颜色空间转换为LUV颜色空间,用PGF（Peer Group Filtering）[2]算法对图像进行平滑去噪,用分裂算法确定图像的类数,用GLA（Generalized Lloyd Algorithm）[3]算法完成量化,生成＂类图＂。然后计算每个像素的J值,并利用Canny算子检测的边缘信息,对J值进行修正,计算每个像素的局部相似程度,并在不同的尺寸下构建J图像,这样就能反映出最有可能的边界位置。最后在J图像上进行种子区域增长,直到获得最终的分割结果。实验结果表明该方法可以有效地改善JSEG算法在图像分割中存在的过分割现象。     

普通人也可以拥有奥巴马黑莓手机 安全智能手机走向大众市场

两年前入主白宫的时候,虽然遭到美国特勤局、FBI、CIA和国家安全局的极力反对,美国总统巴拉克·奥巴马还是执意保留他的黑莓智能手机。因此,美国政府出大价钱特制了"奥巴马黑莓",这是一种为商旅人士打造的安全     

针对地质灾害检测的视频传感器覆盖的一种新算法*

在实际地质灾害监测工程中,为了使视频传感器这一有向传感器最大化覆盖,提出了一种全新的资源掠夺算法。该算法将相邻的节点看成树干上的叶片,利用树叶为争夺阳光而具有的特点使节点覆盖具有最大覆盖面积、最小的覆盖重合区域。从区域覆盖角度对算法进行仿真分析,证明了算法的可行性并且相对于传统算法覆盖效果好且高效,在相关应用中将有很大的优势。     

一种新的车道线快速识别算法

针对现有的的车道线识别算法在复杂环境下识别率低、鲁棒性和实时性较差的问题,提出了一种基于形态学多结构元素建模的车道线快速识别算法。该算法首先对车道图像进行感兴趣区域提取,通过Canny算子对感兴趣区域进行边缘检测,然后利用具有车道模型特征的多结构元素进行车道线提取、霍夫变换,以及峰值检测点参数的筛选,从而得到实际车道左右标识线的参数以重建原车道线。仿真实验表明,该算法能在多种复杂环境下快速、准确地识别出车道标识线,且鲁棒性高。     

基于灰度共生矩的图像区域复制篡改检测

针对图像区域复制—粘贴篡改,提出了一种基于灰度共生矩阵的检测算法。首先将待检测图像分成大小相同的多个重叠块,用灰度共生矩阵的统计量表示每块图像的纹理特征,得到图像的特征矢量。然后将特征矢量进行字典排序,并结合图像块的位移矢量,检测且定位出篡改区域。实验结果表明,该算法在抗旋转处理和效率方面均优于经典的基于主成分分析法（PCA）的检测算法。     

移动无线传感器网络采样区域自调整的MCL定位算法

定位技术是无线传感器网络中关键的支撑技术之一。现有的无线传感器网络定位算法大多是针对静态场景的,不能直接应用于移动无线传感器网络。针对移动无线传感器网络的特点,在深入分析现有蒙特卡洛算法的基础上,提出一种改进机制,即采样区域自调整的蒙特卡洛节点定位(SA_MCL)算法。该算法通过对节点历史位置信息插值模拟获得节点的运动速度和方向,目的是为了自动调整采样区域,从而提高定位精度。仿真结果表明,采用SA_MCL算法,节点的定位精度有较大提高。     

基于数据差异的CDP邻近时间点恢复

块级CDP系统无法提供有明确语义信息的可恢复时间点,用户难免需执行多次恢复才能获得有效数据。若对每次恢复都使用传统算法,会耗费大量时间与开销。目标时间点相邻较近的两次恢复,其有效数据间存在少量差异。将部近时间点恢复划分为4种类型,给出一种用“位表”标记差异数据块、把多余数据剔除、缺少数据写入的“差异算法”。原型实验表明,该算法能够提供正确的邻近时间点恢复,其效率优于传统算法,且差异数据量更小,效率更高。