综合利用目标区域颜色纹理特征的彩色图像检索

基于内容的图像检索是当前图像数据库领域的一个研究热点。文章提出了一种基于目标区域的多特征彩色图像检索算法。首先获取彩色图像HSI色彩空间的亮度分量灰度图像,再计算得到亮度分量灰度图像的二值边缘图像,并根据边缘图像的连通性提取彩色图像的目标区域。然后抽取目标区域的颜色特征和纹理特征,并分别对两个特征的相似距离进行归一化。最后综合利用这两个特征共同进行检索。实验结果表明,该文的算法具有良好的性能,在检索准确率上获得了较好的效果。     

Generalized Hough Transform Using Regions with Homogeneous Color

A novel generalized Hough transform algorithm which makes use of the color similarity between homogeneous segments as the voting criterion is proposed in this paper. The input of the algorithm is some regions with homogeneous color. These regions are obtained by first pre-segmenting the image using the morphological watershed algorithm and then refining the resultant outputs by a region merging algorithm. Region pairs belonging to the object are selected to generate entries of the reference table for the Hough transform. Every R-table entry stores a relative color between the selected region pairs. This is done in order to compute the color similarity and in turn generate votes during the voting process and some relevant information to recover the transformation parameters of the object. Based on the experimental results, our algorithm is robust to change of illumination, occlusion and distortion of the segmentation output. It recognizes objects which were translated, rotated, scaled and even located in a complex environment.     

Text Clustering with Feature Selection by Using Statistical Data

Feature selection is an important method for improving the efficiency and accuracy of text categorization algorithms by removing redundant and irrelevant terms from the corpus. In this paper, we propose a new supervised feature selection method, named CHIR, which is based on the chi² statistic and new statistical data that can measure the positive term-category dependency. We also propose a new text clustering algorithm, named text clustering with feature selection (TCFS). TCFS can incorporate CHIR to identify relevant features (i.e., terms) iteratively, and the clustering becomes a learning process. We compared TCFS and the K-means clustering algorithm in combination with different feature selection methods for various real data sets. Our experimental results show that TCFS with CHIR has better clustering accuracy in terms of the F-measure and the purity.     

Using Data Accessibility for Resource Selection in Large-Scale Distributed Systems

Large-scale distributed systems provide an attractive scalable infrastructure for network applications. However, the loosely coupled nature of this environment can make data access unpredictable, and in the limit, unavailable. We introduce the notion of accessibility to capture both availability and performance. An increasing number of data-intensive applications require not only considerations of node computation power but also accessibility for adequate job allocations. For instance, selecting a node with intolerably slow connections can offset any benefit to running on a fast node. In this paper, we present accessibility-aware resource selection techniques by which it is possible to choose nodes that will have efficient data access to remote data sources. We show that the local data access observations collected from a node's neighbors are sufficient to characterize accessibility for that node. By conducting trace-based, synthetic experiments on PlanetLab, we show that the resource selection heuristics guided by this principle significantly outperform conventional techniques such as latency-based or random allocations. The suggested techniques are also shown to be stable even under churn despite the loss of prior observations.     

利用ASP.NET实现读者采书数据的统计

图书馆每年组织读者采书活动以增加图书购进工作的针对性,采书活动中,通过Excel软件对数据整理录入,活动结束后,需对这些数据进行统计。用ASP.NET技术实现了对Excel文件数据的统计,为图书的购进工作提供了有效依据。     

异构数据实体分辨多目标蚁群参考点选择

为提高异构数据实体分辨的准确性,提出了异构数据实体分辨的蚁群算法参考点选择方法。异构数据的相似性通常难以直接度量,可以将其映射到参照物构造的统一空间后,再进行相似度的度量。给定两个异构数据集,选取若干匹配的数据对象对作为参照物(称之为参考点),将两个数据集中对象转换为到各自参考点的距离向量,依据距离向量的相似性进行实体分辨。为选择出更优的参考点集,建立了以最大化查全率、最大化查准率和最小化参考点集合规模为目标的优化模型,通过约束参考点集合规模,将上述模型转换成两目标优化模型,进而设计求解模型的蚁群算法,实现了参考点集的优化选择。实验结果表明,上述方法能够有效提高异构数据实体分辨的准确性。     

Model-Driven Engineering and Safety-Critical Embedded Software

Implementations embodied in a formally defined language with unambiguous semantics and a sound surrounding correctness for preserving refinement methodology make safety-critical software even safer.     

Efficient Genetic Algorithm Based Data Mining Using Feature Selection with Hausdorff Distance

The development of powerful computers and faster input/output devices coupled with the need for storing and analyzing data have resulted in massive databases (of the order of terabytes). Such volumes of data clearly overwhelm more traditional data analysis methods. A new generation of tools and techniques are needed for finding interesting patterns in the data and discovering useful knowledge. In this paper we present the design of more effective and efficient genetic algorithm based data mining techniques that use the concepts of self-adaptive feature selection together with a wrapper feature selection method based on Hausdorff distance measure.     

基于区域平均执行时间和数据依赖信息的可能并行区域识别

随着多核处理器逐渐成为处理器发展的新趋势,为了持续提高程序性能,必须并行执行应用程序.传统的自动并行技术能够很好地并行科学计算应用中的规则循环,但对于含有大量函数调用和指针引用的不规则程序,目前还不能有效地对其实施并行.针对这一现状,文中提出了基于区域平均执行时间和数据依赖信息的可能并行区域识别方法来对一些不规则程序实施高效并行,主要贡献如下:(1)自动识别程序中的多种并行性,不仅包括传统并行性分析中的循环迭代间的细粒度并行性,而且也包括传统并行性分析尚不能有效处理的循环体和函数调用点间的粗粒度并行性.对于程序中蕴含的众多并行性,文中基于区域平均执行时间实施收益分析来选择合适的并行区域实施并行;(2)自动识别可能并行区域间数据依赖关系的数量、类型以及导致数据依赖关系的程序变量.基于文中的分析结果,作者使用面向行为的投机并行系统(behavior oriented parallelism)对SPEC2006中的4个测试用例实现了并行化.并行化后的程序在Intel和AMD多核处理器上分别得到了300%和260%的平均性能加速.     

一种基于区域综合特征的彩色图像检索方法

提出了一种基于区域综合特征的彩色图像检索算法.该算法首先结合MPEG-7视觉内容描述对真彩色图像进行量化处理,并将量化后的图像划分成若干个子区域.然后选取子区域的主要颜色及其所占百分率作为颜色特征,选取子区域的熵、能量和对比度作为纹理特征.再综合利用上述颜色、纹理两个特征计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率、查全率和较快的检索速度.     

一种融合颜色和空间信息的彩色图像分割算法

提出了一种基于图像颜色和空间信息的彩色图像分割算法.该算法首先根据所提出的颜色粗糙度概念对图像进行颜色量化,并在此基础上使用增量式的区域生长算法发现颜色相近的像素之间的空间连通性,形成图像的初始分割区域.然后,根据融合了颜色和空间信息的区域距离,对初始分割区域进行分级合并,直到系统满足了所提出的停止区域合并的准则.最后,利用形态学的有关算法对分割区域的边缘进行平滑.实验证明,算法的分割结果与人的主观视觉感知具有良好的一致性.     

一种基于目标区域的彩色图像检索算法

提出了一种基于目标区域的彩色图像检索算法。首先，获取彩色图像HSV颜色空间中各个分量图像，然后计算各分量图像的二值边缘图像。根据边缘图像的连通性提取彩色图像的目标区域。在图像检索时，抽取彩色图像目标区域所对应的子图像特征，代替全局图像特征进行图像相似性匹配。实验表明，基于目标区域的彩色图像检索算法优于基于全局图像的检索算法。     

基于颜色和轮廓平稳小波变换纹理分析的彩色图像检索

由于单一特征只能表达图像的部分内容,提出了一种新的彩色图像检索方法.该算法在提取颜色特征方面,首先将图像进行分块以获得空间分布信息,为了充分利用RGB颜色模型及HSV颜色模型的优点,分别在两种不同的颜色模型中提取相应的特征向量,将两种颜色空间中的特征向量结合在一起就形成本文的颜色特征向量,在纹理特征方面,结合小波变换及轮廓波变换的优点,将图像进行非下采样轮廓平稳小波变换(NWCT),然后分别计算各子带在各个方向上系数的均值与方差作为纹理特征向量,最后采用加权欧氏距离作为图像的相似度进行检索.实验结果表明,相对于其他检索方法,该方法平均检索精度有了一定的提高,取得了较好的检索结果.     

彩色序列图像中移动目标定位与区域提取

提出一种基于彩色序列图像提取移动目标区域的新方法。首先采用时态差分法进行运动目标定位,对彩色序列图像进行差分;然后通过选择阈值将彩色差分图像转化为二值图像;为了克服背景扰动和摄像头抖动,采用了对称差分算法,使得运动目标的定位更为准确。最后在对称差分的基础上,通过投影提取移动目标区域,为了消除扰动造成的影响,采用了杂块去除和区域合并方法。实验结果表明所提方法能有效快速地提取出移动目标。     

基于GA/SVM的微阵列数据特征的选择与分类

微阵列数据样本小、维度高的特点给数据分析造成了困难，而主基因的挑选又十分的重要。该文采用遗传算法挑选主基因，其中，用k最邻居距离作为模式识别方法，用支持向量机构造了诊断系统，用不同核函数进行预测分类性能测试。在经典的白血病数据集上，对34个样本的测试集的分类准确率为100%。     

基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法. 首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments, QPZMs), 将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments, PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation, scaling, and translation, RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network, QBPNN)分类器进行彩色人脸识别. 实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.     

高端彩色打印机选型建议

随着政府信息化和电子政务的进一步深入,IT产品在政府办公采购中的比重越来越大,据不完全统计,政府机构每年的IT采购占整体采购规模的1/3,而且这一比重还在增长,如何构建更加稳定、高效、方便、安全的电子政务系统,是政府办公IT采购的关注焦点。     

高端彩色打印机选型建议

随着政府信息化和电子政务的进一步深入,IT产品在政府办公采购中的比重越来越大,据不完全统计,政府机构每年的IT采购占整体采购规模的1／3,而且这一比重还在增长,如何构建更加稳定、高效、方便、安全的电子政务系统,是政府办公IT采购的关注焦点。     

MODIS水色遥感数据的获取与产品处理综述

EOS-AM/PM上的中分辨率成像光谱仪MODIS上的水色波段与宽视场水色扫描仪SeaWiFS相比有更高的信噪比和更窄的波段宽度。以EOS-AM为例,首先对MODIS仪器的特性做一概述,然后以水色遥感为主,描述了MODIS 0级数据到1级、2级及更高级产品的处理流程与算法。着重介绍MODIS 0级数据到1B数据处理的IMAPP程序,简要介绍NASA发布的MODIS标准产品,并将具有广泛应用性的MODIS 1B数据产品格式及内容做了详细说明,同时给出了应用于海洋水色方面的二级产品的详细说明。