多模态医疗数据中海量小文件存储优化方法

Hadoop分布式文件系统(HDFS)通常用于大文件的存储和管理,当进行海量小文件的存储和计算时,会消耗大量的NameNode内存和访问时间,成为制约HDFS性能的一个重要因素.针对多模态医疗数据中海量小文件问题,提出一种基于双层哈希编码和HBase的海量小文件存储优化方法.在小文件合并时,使用可扩展哈希函数构建索引文件存储桶,使索引文件可以根据需要进行动态扩展,实现文件追加功能.在每个存储桶中,使用MWHC哈希函数存储每个文件索引信息在索引文件中的位置,当访问文件时,无须读取所有文件的索引信息,只需读取相应存储桶中的索引信息即可,从而能够在O(1)的时间复杂度内读取文件,提高文件查找效率.为了满足多模态医疗数据的存储需求,使用HBase存储文件索引信息,并设置标识列用于标识不同模态的医疗数据,便于对不同模态数据的存储管理,并提高文件的读取速度.为了进一步优化存储性能,建立了基于LRU的元数据预取机制,并采用LZ4压缩算法对合并文件进行压缩存储.通过对比文件存取性能、NameNode内存使用率,实验结果表明,所提出的算法与原始HDFS、HAR、MapFile、TypeStorage以及...     

基于动态阈值对称差分和背景差法的运动对象检测算法*

提出一种基于动态阈值对称差分和背景差法的运动对象检测算法.首先通过建立一个基于统计的可靠背景更新模型,由背景差法得到基本准确的前景图像;然后与用对称差分法得到的差分图像综合;最后得到完整可靠的运动目标图像.中间采用了一种动态的最优阈值获取方法,然后用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,并用区域填充算法来填补目标区域的小孔,从而将视频序列中的运动目标比较可靠地检测出来.实验结果表明,该方法快速、准确,有一定的实际应用价值.     

具有仿射不变性的视网膜图像配准方法

为解决眼底照相机视角发生变化的视网膜图像的配准问题,提出一种具有仿射不变性的局部特征配准方法.首先通过寻找连通的血管交点对应的最小包围矩形得到仿射不变的各向异性图像结构;然后通过旋转、采样和压缩操作将各向异性的图像结构变为含不同角度因素的各向同性的图像结构;最后使用尺度不变特征变换算法在各向同性的图像结构上提取特征点,并对特征点坐标进行匹配.在包含83组视网膜图像的私有样本集中的实验结果表明,该方法的均方根误差为1.247±0.251像素,能很好地解决视角和尺度变化问题.     

一种基于混合判定模型的复合概念抽取方法

从大规模领域语料库中抽取领域概念,现有方法不能有效识别复合概念.本文提出一种基于混合判定模型的复合概念抽取方法,首先对文本进行分词处理,为每个词条添加词条标签,并对词条集进行噪音词消除和同义词合并处理,然后统计词条的加权词频,根据词条标签值计算位置亲和度和位置匹配度,判定和筛选可组合成复合概念的原子词条,最后通过设置不同复合深度值,实现多重复合概念抽取.采用不同规模语料库进行抽取实验,实验结果表明本文方法具有更高的召回率和准确率.     

基于球极坐标划分的蛋白质结构相似性比较

为了指导新药探索,减少耗费过高的实验次数,需要有一个准确、快速的分子相似性判定方法来选择待比较的分子.为此提出一种蛋白质结构相似性比较方法,使用空间球极坐标3个分量划分蛋白质所在区域,得到蛋白质基本组成元素的空间密度特征,进而判定2个蛋白质结构的相似性.实验结果表明,该方法可作为各种结构蛋白质相似性比较的辅助手段,不仅能较好地反映蛋白质分子的空间结构特征,而且还有令人满意的时间复杂性,对大分子的相似性比较及进一步分类将有重要意义.     

基于小波变换的虚拟现实场景中的图像处理

提出一种基于小波分析理论的虚拟现实场景中的图像处理方法 ,旨在对用于景物表面的纹理贴图或背景图像进行小波分解 ,在量化编码中以视点与图像的距离作为度量 ,选取一系列不同的阈值对图像进行压缩处理 ,从而得到一系列不同质量的图像 ,然后在虚拟现实场景中根据视点与景物的距离调用不同级的图像文件 .此方法对于降低系统负荷 ,提高图像的实时显示速度有一定的价值     

基于关键分支的不可行路径确定方法

不可行路径增加程序复杂度和冗余度,产生无效DU链,影响程序分析工具的分析结果.有效地确定不可行路径,可以优化路径测试,完善数据流分析、程序切片等程序静态分析工具.在深入分析不可行路径的基础上,提出一种基于关键分支的不可行路径确定方法.该方法利用程序的值依赖关系和控制依赖关系、确定关键分支,通过关键分支查找不可行路径.结果表明,基于关键分支的不可行路径确定方法花费较少的信息存储,有效地节省不可行路径的确定时间.     

基于自适应色彩聚类和上下文信息的自然场景文本检测

自然场景文本检测是图像内容分析和理解的重要前提.本文提出一种基于自适应色彩聚类和上下文信息分析的方法,用于检测自然场景图像文本.首先,将层次聚类和参数自学习策略结合,设计一种自适应色彩聚类方法,提取图像中的候选字符.该自适应色彩聚类方法能针对不同图像自动学习权重阈值,有较好的字符召回率.然后,利用文本中字符成行出现的性质,设计一种基于上下文信息的字符验证策略,既能保证较高字符召回率,也能有效移除非文本字符.最后,合并字符构建文本行,并通过后处理得到文本检测结果.在ICDAR2013公共数据集上的实验结果表明：本文分别获得74.17%的召回率,83.40%的准确率和78.52%的F得分.与其他文本检测方法相比,本文获得了较好的文本检测性能,说明本文方法的优越性.     

一种基于单层包络控制的三角形网格简化算法

三维物体的几何造型中,物体通常用三角形网格来描述.对于复杂物体的三角形网格模型,如人脸及人的各种器官的三维几何模型、各种动物的三维几何模型,其庞大的数据量给存储、传输以及渲染等方面带来了很大的困难,因而三角形网格模型的简化成为了当前国内外计算机图形学领域中的一大研究热点.本文在研究总结已有算法的基础上,提出了一种采用单层包络控制的三角形网格简化算法.该算法对Cohen提出的包络构造方法进行了改进,采用一维搜索中的二分法来逼近最佳偏移值,并且采用内层单包络来控制简化误差,从而有效地改善了算法的性能.实验结果表明,采用本算法简化的三角形网格模型,不仅可大大地减少三角形面片数,而且有一个较低的算法时间复杂度.     

基于多光源模型的夜晚雾天图像去雾算法

依据夜间多光源导致强光处能见度低的现象,在传统大气散射模型中定义发光因子项,构建了一个专门针对夜晚雾天图像的去雾模型,在此基础上提出了一种夜晚雾天图像去雾算法.该算法将原输入图像分解为新雾天图像层和发光图像层,然后对此分解得到的新雾天图像层进行色偏纠正和引导滤波操作以得到最终的去雾结果.与暗原色原理方法、快速中值滤波方法、图像颜色迁移方法、夜晚成像模型方法等已有方法的对比实验证实了本文算法的有效性.该算法可应用于汽车防碰撞系统、道路监控系统,以及其他识别系统.