自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

二维条码中RS纠错译码算法的优化实现

利用Berlekamp Massey迭代算法、钱搜索算法以及Forney算法改进并实现了Data Matrix、QR Code和MaxiCode二维条码ISO标准中的Reed-Solomon纠错译码算法（简称RS算法）,降低了三种二维条码码制中RS纠错译码算法的计算复杂度。在此基础上,利用RS缩短系统码的特点对译码过程作进一步简化。实验结果表明,通过简化译码过程再次提高了RS纠错译码的速度。     

一种新的二维条码图像二值化算法

根据Kittler算法和Bernsen算法提出一种新的二值化算法,该算法能够保证二维条码对实时性和效果的要求.以Data Matrix二维条码为例,首先根据Kittler算法找到图像发生光照不均的区域,然后改进Bernsen算法的处理过程、调整参数、削弱原算法的伪影问题,并用改进后的算法处理图像光照不均的部分.实验结果表明该算法具有良好的稳定性和自适应性,可以明显提高二维条码的二值化效果和识别率.     

基于彩色图像边缘差分的运动目标检测算法

针对目前常用的运动目标提取易受到噪声影响、易出现阴影和误检漏检等情况,提出了一种基于Sobel算子的彩色边缘图像检测和帧差分相结合的检测方法。首先用Sobel算子提取视频流中连续4帧图像的彩色边缘图像,然后将边缘图像进行隔帧差分相与,提取出较精确的运动目标边缘轮廓。提取的轮廓经过一系列的形态学操作填充,可得到完整的运动目标。实验结果表明,该方法对运动目标边缘轮廓提取准确,抗噪能力强,且鲁棒性好。     

帧间差分与边缘纹理相融合的运动目标检测

提出了一种利用边缘纹理进行背景建模,结合三帧差分算法,获取目标轮廓的运动目标检测方法,进一步通过区域填充得到目标前景.该方法对光线变化不敏感,对阴影去除有比较好的效果,改进了边缘纹理差分和帧间差分的缺陷,取得了比较完整准确的运动目标前景.     

全分布式P2P即时通信

在P2P领域中,文件共享和即时通信的应用程序使用最为广泛,最流行的包括Napster,KaZaA,MSN Message,ICQ和QQ。基于JXTA协议,实现全分布式的P2P即时通信系统。为了使系统更加便于扩展和减少各功能模块的耦合度,将系统划分为JXTA网络层、信息服务层和应用层。JXTA网络层构建一个全分布式的P2P网络,实现对等体的搜索和XML消息的发送和接收;信息服务层实现XML消息的解封装和封装;应用层实现信息的输入和显示。各个层向下调用服务并向上隐藏具体实现的细节。     

有效块的多特征融合的目标跟踪方法

运动目标跟踪是计算机视觉领域的一个热点,针对目前运动目标方法在跟踪目标时候会考虑目标框中整体信息,但是被跟踪目标外形具有多变性,导致跟踪方法鲁棒性和精准度不高的问题。利用被跟踪目标局部结构,将跟踪目标看成块粒子,在序列蒙特卡方法下,构建块粒子置信函数和运动相似性函数,通过权重投票计算跟踪目标最佳位置。并基于基础跟踪方法单一特征提取不足的问题,提出一种基于HOG和颜色直方图多特征线性融合的方法。实验表明,与多种优秀跟踪方法相比,该方法取得最低平均跟踪误差14.83,且目标重叠率达到0.67,表明该算法可以稳定、准确地进行目标跟踪。     

基于Harris角点和SIFT算法的车辆图像匹配

车辆图像匹配广泛应用于车辆识别和跟踪,其中SIFT(Scale Invariant Feature Transform)特征匹配算法是当前国内外特征点匹配研究的热点,但针对车辆等刚体特征明显的目标,SIFT算法在时间复杂度和稳定性方面留出了改进空间.针对车辆图像匹配,本文基于Harris角点检测对SIFT算法进行改进.实验结果表明:该方法在车辆图像匹配时,稳定性和实时性优于SIFT算法.     

新一代Web搜索引擎中数据的抽取

Ｉｎｔｅｒｎｅｔ上日新月异的大量信息资源充斥,这对搜索引擎提出更高要求,为提高搜索引擎中Ｓｐｉｄｅｒ的智能化,引入一种新的数据模型和文档自动检索模型,其中文档自动检索主要由关键字提取和抽取文摘两部分组成。在此模型基础之上的构造全新的数据检索方法,用模型匹配的方法搜索网页为此模型提供带权值的信息资源,为精确描述ＷＥＢ信息提供了依据,这种检索方法同时增强了Ｓｐｉｄｅｒ的适应性,简化了编程维护上工作量。