基于SSH2架构的Web办公系统

本文采用了主流的Java web框架SSH2（Struts2＋Spring＋Hibernate）来架构一个web办公系统。在通过分析了这三种框架各自的特点基础上,把网站分为表现层、业务层和持久层三个层面,使得其结构更清晰,更好的完成业务逻辑和表现逻辑的解耦,同时也有利于项目人员的分工开发。     

J2EE软件开发模式探讨

J2EE即Java2平台的企业版（J2EE,lava 2 Enterprise Edition）,它是一种利用lava2平台来简化企业解决方案的开发、部署和管理相关的复杂问题的体系结构。J2EE平台使用多层分布式应用程序模型,力求根据功能的不同把应用程序逻辑划分成各个组件．常用的方式是用JSP／Servlet＋IavaBeans的方式来处理表示层和业务层逻辑,但是,这种方式往往存在着层与层之间逻辑不清楚、表示同应用逻辑混合的缺点,使得开发过程中分工不明确,也不利于系统今后的维护,以及扩充。MVC结构是一种用来分离出数据维护和数据表现的方式,在J2EE中引入MVC框架,有助于把应用分成合理的组件,以方便开发、维护、扩充。该文介绍了模型-视图-控制器（MVC）模式在12EE体系结构中的应用,使得12EE应用的业务层与表现层相互独立．系统结构清晰．便于开发与维护。     

J2EE下系统触发器及其管理系统的设计与实现

分析了在J2EE计算环境下实现系统底层触发器的难点,设计并实现了一个用Java和C＋＋两层合作实现的可由用户自定义触发动作的触发器框架,并将其封装成一个易于远程调用、包含常用触发器的系统触发器管理EJB组件。     

基于SSH的办公室开放信息系统的分析与设计

分析了日常工作中到办公室办理业务时“吃闭门羹”的原因,提出使用办公室开放信息系统解决的问题。系统基于SSH（stmts2＋Spring＋Hibernate）框架技术,采用三层架构模式,使各个模块具有较高的重用性和扩展性。     

J2EE软件开发模式探讨

J2EE即Java2平台的企业版(J2EE,Java 2 Enterprise Edition),它是一种利用Java2平台来简化企业解决方案的开发、部署和管理相关的复杂问题的体系结构。J2EE平台使用多层分布式应用程序模型,力求根据功能的不同把应用程序逻辑划分成各个组件,常用的方式是用JSP/Servlet+JavaBeans的方式来处理表示层和业务层逻辑,但是,这种方式往往存在着层与层之间逻辑不清楚、表示同应用逻辑混合的缺点,使得开发过程中分工不明确,也不利于系统今后的维护,以及扩充。MVC结构是一种用来分离出数据维护和数据表现的方式,在J2EE中引入MVC框架,有助于把应用分成合理的组件,以方便开发、维护、扩充。该文介绍了模型—视图—控制器(MVC)模式在J2EE体系结构中的应用,使得J2EE应用的业务层与表现层相互独立,系统结构清晰,便于开发与维护。     

三维视觉测量系统平台的软件设计及实现

主要阐述了三维视觉测量系统的软件设计及实现,包括4个部分：图像卡的二次开发、电移台运动控制、图像处理、摄像机标定;利用VC＋＋实现了图像卡的二次开发和电移台运动的实时控制;利用MATLAB强大的矩阵运算能力,与VC＋＋相结合,实现了图像处理和摄像机内外参数的标定;通过实验表明,本系统运行正常,为进一步研究三维视觉自标定、不标定理论和实现在线测量提供了一个好的平台。     

类型2模糊系统模型组合的噪声滤波器

通过对区间类型2模糊系统（interval Type-2 FLS）和高斯类型2模糊系统（Gaussian Type-2 FLS）进行组合,提出了适合图像脉冲噪声滤波的TFLS滤波器。用噪声密度不同的数字图像测试TFLS滤波器的性能,同时与区间类型2模糊系统FLS滤波器等进行对比。实验结果表明：TFLS滤波器在去除图像的脉冲噪声的同时,能较好地保留图像中的边缘细节信息,较显著改善图像视觉质量,客观评价指标PSNR值也有较明显提高。     

基于DirectShow技术的远程视频监控系统

本系统是在VC＋＋平台上利用Winsock网络编程技术和DirectShow技术开发一个能实现远程视频监控的软件,用于对小区的实时监控,本系统的实现过程：首先是通过视频采集压缩卡,实现模拟视频信号、音频信号实时数字化并压缩解码。然后运用相关的网络技术知识实现视频监控网络通信。最后通过微软公司提供的DirectShow组件和filter技术．实现实时图像和视频文件的播放。     

液晶电视表现力排行榜TOP25——黄金周新势力

说明： 综合表现：体现液晶电视各相关要素对表现力的综合影响．综合表现=外观样式＊20％＋屏幕尺寸＊20％＋显示效果＊30％＋活跃度＋30％。满分100分：     

Web image retrieval using majority-based ranking approach

Web image retrieval has characteristics different from typical content-based image retrieval; web images have associated textual cues. However, a web image retrieval system often yields undesirable results, because it uses limited text information such as surrounding text, URLs, and image filenames. In this paper, we propose a new approach to retrieval, which uses the image content of retrieved results without relying on assistance from the user. Our basic hypothesis is that more popular images have a higher probability of being the ones that the user wishes to retrieve. According to this hypothesis, we propose a retrieval approach that is based on a majority of the images under consideration. We define four methods for finding the visual features of majority of images; (1) majority-first method, (2) centroid-of-all method, (3) centroid-of-top K method, and (4) centroid-of-largest-cluster method. In addition, we implement a graph/picture classifier for improving the effectiveness of web image retrieval. We evaluate the retrieval effectiveness of both our methods and conventional ones by using precision and recall graphs. Experimental results show that the proposed methods are more effective than conventional keyword-based retrieval methods.     

基于内容的分布式Web图像检索系统与算法研究

该文提出了分布式基于内容的Web图像检索系统的模型,介绍了系统的分布协作策略,给出了关键的分布协作检索的算法,描述了检索子系统的功能和实现。     

一种基于小波压缩的图像检索系统的研究

介绍了一种采用ZTE／改进SPIHT算法的图像检索系统的设计方法。ZTE／进SPIHT算法把图像编码成多层比特流，即底层和加强层，这种特性使得该方法在图像检索系统中优于其它压缩方法。底层比特流同时作为缩小图，消除了数据的冗余，而加强层比特流的快速传输性则改善了检索系统的传输性能。     

A probabilistic semantic model for image annotation and multi-modal image retrieval

This paper addresses automatic image annotation problem and its application to multi-modal image retrieval. The contribution of our work is three-fold. (1) We propose a probabilistic semantic model in which the visual features and the textual words are connected via a hidden layer which constitutes the semantic concepts to be discovered to explicitly exploit the synergy among the modalities. (2) The association of visual features and textual words is determined in a Bayesian framework such that the confidence of the association can be provided. (3) Extensive evaluation on a large-scale, visually and semantically diverse image collection crawled from Web is reported to evaluate the prototype system based on the model. In the proposed probabilistic model, a hidden concept layer which connects the visual feature and the word layer is discovered by fitting a generative model to the training image and annotation words through an Expectation-Maximization (EM) based iterative learning procedure. The evaluation of the prototype system on 17,000 images and 7736 automatically extracted annotation words from crawled Web pages for multi-modal image retrieval has indicated that the proposed semantic model and the developed Bayesian framework are superior to a state-of-the-art peer system in the literature.     

基于高层语义的图像检索算法

利用Bayes统计学习和决策理论,建立了一种图像语义综合概率描述模型(image probability semanticmodel,简称IPSM).该模型是一种基于描述性特征建模方法的分层体系结构,由原始图像层、图像特征层、图像语义层、综合概率层、概率传播层和语义映射层6个部分组成.并在IPSM模型对图像的语义分类特征进行描述和提取的基础上,提出并实现了基于高层语义的图像检索算法(semantic high-1evel retrieval algorithm,简称SHM)以及基于高层语义的相关反馈算法(semantic relevance feedback,简称SRF).实验结果表明,IPSM模型及SHR和SRF两个算法能够有效地对图像的高层语义进行刻画,其图像匹配检索效果良好,并具有稳定的检索性能.     

一种适合Web图像检索的图像降维算法研究

本文对现有Web图像检索技术现状进行了归纳，分析阐明了图像降维算法在基于内容的Web图像检索技术中的地位和作用。在介绍了几种经典图像降维方法后，重点介绍了国外近来提出的基于拉普拉斯特征值映射（LE）的图像降维算法。针对Web环境下图像检索必须进行剧烈降维的特点，本文进而对基于KL变换的主成分分析（PCA）算法和基于LE的图像降维算法进行了实验分析和比较。实验结果表明：对于需要进行维数剧烈缩减的Web图像检索来说，基于LE的图像降维算法可以获得最佳的效果。     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

基于元学习的深度哈希检索算法

随着移动互联网技术的发展,图像数据的规模越来越大,大规模图像检索任务已经成为了一个紧要的问题。由于检索速度快和存储消耗低,哈希算法受到了研究者的广泛关注。基于深度学习的哈希算法要达到较好的检索性能,需要一定数量的高质量训练数据来训练模型。然而现存的哈希方法通常忽视了数据集存在数据类别非平衡的问题,而这可能会降低检索性能。针对上述问题,提出了一种基于元学习网络的深度哈希检索算法。所提算法可以直接从数据中自动学习加权函数。该加权函数是只有一个隐含层的多层感知机（MLP）,在少量无偏差元数据的指导下,加权函数的参数可以和模型训练过程中的参数同时进行优化更新。元学习网络参数的更新方程可以解释为：较符合元学习数据的样本权重将被提高,而不符合元学习数据的样本权重将被减小。基于元学习网络的深度哈希检索算法可以有效减少非平衡数据对图像检索的影响,并可以提高模型的鲁棒性。在CIFAR-10等广泛使用的基准数据集上进行的大量实验表明,在非平衡比率较大时,所提算法的平均准确率均值（mAP）最佳;在非平均比率为200的条件下,所提算法的mAP比中心相似度量化算法、非对称深度监督哈希（ADSH）算法和快速可扩展监督哈希（FSSH）算法分别提高0.54个百分点,30.93个百分点和48.43个百分点。     

跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

图像检索中融合语义和底层特征方法的研究

针对基于内容的图像检索系统检索效率不高的情况,通过在低层视觉特征上提取图像的颜色和纹理特征和空间信息,综合图像的语义特征,实现了对图像数据库的检索,最后,为了提高检索效率,把相关反馈技术引入到图像检索系统中。实验证明,该方法取得了较好的检索查全率和准确率。