基于多颜色空间的图像检索方法

介绍了HSV在低饱和度和低亮度时的色调奇异性，分析了HSV的色调奇异性对图像检索的影响。在此基础上，提出了基于多颜色空间的图像检索方法，奇异区域的像素点用YUV颜色空间表示，其他像素点用HSV颜色空间表示。实验表明，该算法在一定程度上克服了HSV的色调奇异性对图像检索的影响，提高了检索性能。     

基于小波零树的图像编码优化方法

Shapiro提出的小波零树编码(EZW)方法是一种有效的基于小波变换的图像编码方法.通过对Shapiro零树编码方法进行研究,提出了一种利用检索方式保存高频细节分量的方法,有效地消除了同一子带内高频细节分量的数据相关性.仿真实验表明在相同的压缩比下,该算法较原EZW算法在一定程度上提高了图像的压缩质量和编码效率.     

“计算机组成原理”精品课程建设探索与实践

本文介绍了我校在“计算机组成原理”精品课程建设过程中加强师资队伍建设、优化教学内容和教学模式、改革实践教学环节、建设立体化教材等几个方面的改革实践。     

单唇密封圈检测装置自动对焦策略研究

为了解决单唇密封圈内径尺寸检测装置中镜头精确对焦的问题,设计了一种基于图像处理的自动对焦策略。将相机固定在直线滑台上,计算机控制电机转动,带动滑台上的相机移动并采集图像,利用改进的清晰度评价函数对采集的图像进行评价,然后电机驱动模块带动相机移动到图像清晰度最佳的位置,完成系统的自动对焦功能。将一种引入阈值的"四邻域"能量梯度算法作为改进的清晰度评价函数,通过与频域函数、灰度方差函数、Tenengrad梯度函数及熵函数等多种图像清晰度评价函数对比,验证了该函数的优越性。试验结果表明:使用改进算法设计的自动对焦策略能实现快速、准确的自动对焦。自动对焦策略解决了检测装置中镜头对焦的问题,并可以应用于多规格单唇密封圈内径尺寸检测。     

桉木水预水解提取液糖类组分分析及酒精发酵条件的初步研究

本文针对桉木制浆前水预水解提取半纤维素的方式,对不同工艺条件下的预水解提取液进行了糖类组分分析和发酵产酒精条件的研究。对糖类组分的分析结果表明,水预水解提取液中含有木糖和阿拉伯糖等五碳糖、葡萄糖和半乳糖等六碳糖、以及纤维二糖,水预水解工艺条件对提取液中糖类组分的含量有很大的影响,最高木糖含量（16．56g／L）的样品来自1600C下保温250min条件下所得的浓提取液。利用水预水解提取液进行酒精发酵的试验结果表明,当温度为33。C、初始pH为5．0、酵母接种量10％、100mL瓶装发酵液80mL时,总糖转化成酒精得率达到0．42g／g。结果表明控制工艺条件得到的桉木水预水解提取液具有较好的可发酵性及潜在的应用前景。     

采用几何校正优化的轮廓波水印算法

针对目前的图像水印难以同时抵抗常规攻击和几 何攻击的不足,提出一种新的轮廓波 水印算法。水印嵌入阶段,该方法将宿主图像进行离散小波变换和非下采样轮廓波变换,并 将水印嵌入到熵值最大的高频子带,解决了将水印嵌入低频无法抵抗几何攻击及高频不能 很好抵抗滤波等常规攻击的问题。在水印嵌入前对嵌入区域进行加密处理,提高算法的安全 性。水印提取阶段,利用Zernike矩对含水印图像进行几何校正再进行提取,进一步提高了 算法的抗几何攻击能力。最后利用峰值信噪比和归一化系数对算法进行评价,验证算法的不 可感知性和鲁棒性。仿真实验结果表明,算法在不同的宿主图像和水印图像上均表现良好。 该算法在具有较好不可见性的基础上,除了对常规攻击具有很好的抵抗力,对几何攻击也具 有强鲁棒性,归一化系数(normalization coefficient,NC)均达到了0.99     

基于小波变换的分类矢量量化编码

提出了一种小波变换和分类矢量量化相结合的方法,利用方向树结构构成矢量,并对矢量按能量进行分类,结合非线性插值方法进行矢量量化。矢量的构成充分考虑了小波系数的带内以及带间相关性。仿真结果表明,该方法能够获得较高的编码效率。     

图像检索中基于向量转移的相关反馈算法的研究与改进

相关反馈方法是对基于内容图像检索系统的有效改进.对图像检索系统中基于向量转移的相关反馈算法进行了研究.针对传统向量转移算法速度较慢、误差较大的不足,提出了一种基于非查询向量转移相关反馈算法的改进办法,通过提高向量转移的速度和精度,有效的利用用户的反馈信息,从而加快相关向量的收敛速度.经过公用图像数据库上的实验测试表明,该方法能有效减少反馈次数,提高检索效率.     

基于数据隐藏的图像检索系统

本文提出一种新的图像检索系统，采用数据隐藏算法把图像的标注信息和特征信息嵌入压缩域图像中，用于快速检索。由于DCT在图像压缩中得到了广泛的应用，本文分析了基于DCT的JPEG图像格式编码流程，实现了一种基于JPEG压缩的数据隐藏算法。实验结果表明，该算法未引起图像质量明显下降，可嵌入较多数据。