基于Globus Toolkit的分形图像网格服务研究

在对网格概念及其体系结构充分研究的基础上,应用网格开发工具Globus Toolkit实现了分形图像的网格服务.在对分形图像生成过程分析后,找出了分形图像产生式和XML的关系,提出了用XML格式文档表示分形图像的方法,改变了传统分形图形图像的存储、处理和网络传输方式,将网络上静态的分形图像存储方式转化为了一个单纯的XML文档,可以使分形图像占有的存储空间减少数十倍,极大地节约了网络传输带宽.     

文档图像在数据库中的存储检索方法研究与实现

提出一种基于XML的文档图像在原生数据库中存储和检索的新方法,该方法将文档图像切分标记为XML文档,将此类XML文档存储到原生数据库中;利用XML：DB API接口对XML数据进行查询和管理,XSL样式表完成XML数据的显示.     

基于结点映射的XML数据关系存储与查询

目的提出一种XML文档存储和查询方法,解决XML文档有效的存储和查询,避免处理XML数据时进行多级复杂的转换.方法充分利用关系数据库成熟技术,有效实现大量数据的存储和查询.采用SAX技术解析XML文档,并通过对现有哈夫曼编码进行扩展,实现将XML文档结点信息和属性以关系结构进行存储和查询.利用扩展后的哈夫曼编码来存储结点信息和结点之间关系.结果通过遍历XML文档生成了XML文档对应扩展哈夫曼编码,实现了XML文档信息以关系数据形式存储和查询,并实现了SQL语句与XML查询语句的转换.结论基于扩展哈夫曼编码结点映射的存储与查询方法能较好地实现结点信息与结点关系的存储,并有效地实现查询,在应用中具有一定可行性.     

基于扩展哈夫曼编码的XML存储和查询研究

提出一种新型XML数据存储和查询的方法，解决了XML文档有效的存储和查询复杂的问题.采用SAX技术输出XML流，并通过对哈夫曼编码的分析，对XML文档中各个元素生成基于哈夫曼编码加以扩展，并随元素信息存入关系数据库.即在关系数据库中存放结点信息及结点之间的关系，使查询结点与子结点信息更方便，实现以文档为中心的文档粒度较大的文档的存储和查询.应用SAX技术生成扩展的哈夫曼编码，存储结点的信息，方便地实现XML文档信息的查询.基于扩展哈夫曼编码的XML有效地提高了XML文档存储和查询效率，在应用中具有一定可行性.     

XML文档加密技术研究与实现

XML文档具有开放性和高可读性两大特性,这给它在存储和传输过程中带来极大的安全隐患,研究了XML文档加密的原理,分析了加密后的元素结构,同时给出XML文档加密和解密的具体实现方法.     

基于MSXML接口的Active XML解析器的构建

Active XML定义为一种分布式数据管理语言,主要思想是在XML中嵌入Web Services调用实现访问一些不断更新的数据.目前的大多XML parser能够解析静态的XML文档结构,对动态XML(Active XML)没作考虑设计了一个基于MSXML接口的插件对Active XML文档进行处理,使其转化为普通的XML文档,使一些时空相关的动态数据以通用XML文档格式交换与存储,从而为AXML的推广使用奠定基础.     

基于Web的电力调度信息系统中图像存取方案研究

为有效地处理电力调度信息系统中图像数据存取问题,提出将图像转换为二进制流存储于数据库中,将图像提交到W eb服务器的文件系统中,以及使用XML文档存储图像3种方案,并分析其各自的优缺点及适用场合.3种方案已经成功应用于江苏省电力调度信息系统等大型项目中,很好地满足了电力企业调度信息系统不同使用场景中对图像数据的存取要求.     

关系数据库与XML的映射技术研究

目前的数据库多数是关系数据库,将关系型数据库同XML文档中的数据进行交换有着很强的现实意义.由于二者本身数据结构不同,XML文档中的数据无法直接存储到关系型数据库中,需要将数据库中表的结构映射为标准的DTD或XML Schema文档,经过转化映射后XML文档就能够方便地访问、存储数据库并进行后续的处理,使XML文档和关系型数据库之间进行数据的交换和传递更加灵活,便于有效的进行数据管理.     

基于DOM的XML解析与应用

随着XML的广泛应用,大量的信息都将通过XML文档来进行存储、交换,因此熟悉和掌握一种解析XML文档的方法是很重要的.着重介绍基于DOM的XML解析的特点、实现和在数据存储方面的应用,对推广应用XML和DOM技术有一定的实用意义.     

基于DOM持久化的XML数据存储模型

作为一个在互联网上进行数据交换的国际标准,XML语言扮演着越来越重要的作用.伴随着XML语言的广泛使用，XML文档的数量也日益增多.为了有效地存储这些文档，设计了一个XML数据存储模型.这个模型是以DOM模型为基础来存储和更新XML数据；以XPath语言为基础来检索XML数据；采用关系数据库作为其底层的数据存储方式；利用持久化DOM技术实现.此模型充分利用了关系数据库的成熟技术，可以在不影响原数据库正常使用的基础上，把普通关系数据库扩展成XML数据库.     

基于连通区域矩阵的文本图像识别方法

如何从海量的图像里将文本图像挑选出来是网络图像处理领域的研究热点.为了达到更好的文本图像识别效果,文章从文本图像的文字特征出发,提出了一种基于连通区域矩阵的文本图像识别方法.首先对图像进行二值化,计算二值化后图像的连通区域矩阵,然后根据连通区域矩阵提取出图像的8维特征值,最后使用BP神经网络来对图像进行训练和识别.实验证实,该方法在保证较高识别率的同时,明显降低了误识率.     

基于分形截距特征多尺度图像边缘检测技术及应用

分形概念的提出及分形几何学的创立,为人们描述客观世界提供了更准确的数学模型,引起了自然科学领域和社会科学领域的普遍关注,并在化学、生物学、天文学等诸多领域中得到了广泛的应用。由于分形集可以用简单的迭代方法生成复杂的自然景物、用分数维有效度量物体的复杂性,因此分形与图像之间存在着一种自然联系,而正是这种联系,奠定了分形理论用于图像处理的基础,开辟了分形理论在图像处理中应用的新领域。目前分形在图像中的应用大致可以概括为两类;一类是利用分形的自相似特征,采用映射变换的方法对自然界景物进行仿真,对图像进行压缩编码;另一类是根据分形及分数维的特征参量来建立模型,通过对模型参数的研究,有效地进行图像分析和处理。     

基于纹理特征的数字图书馆文档图像检索技术

针对数字图书馆中信息资源检索效率低的问题,提出了一种新的文档图像检索算法.首先,根据文档图像自身的特点,结合人眼的视觉特性,提取文档图像中的边缘信息,在此基础上,构造有意义的纹理特征,利用纹理特征来定义文档图像的特征描述符,以描述符为线索,将文档图像的内容特征有机结合,并采用合适的相似性度量准则用于高效的检索.实验结果表明,该算法不仅具有较高的检索效率,而且也降低了传统文档图像检索算法的复杂度.     

商业社区人群密度监测系统设计

人群监控是借助于数字图像处理技术对某一区域的人群进行监控,它在社会生活和生产的许多领域有着广阔的应用前景。人群密度估计是人群监控中的重点。现有的人群密度估计方法,对于低密度人群图像采用基于像素统计的方法,对于较高密度人群图像采用基于多尺度分析和分形的纹理分析方法,并应用支持向量机进行人群密度等级分类。现有方法计算量较大,容易出错,且实时性较差。经试验证明,本文的方法较以前的方法更为准确有效,实时性更好。     

基于底层图像特征组合的文本图像分类研究

针对文本图像特有的图像特征．提出了一种基于底层图像特征组合的文本图像分类方法,该方法使用了两层C4．5决策树分类器,能将文本图像有效地分为标题文本图像、文档图像和场景文本图像．首先将样本图像转换为灰度图像,提取灰度直方图的特征,根据灰度直方图特征的不同。可以先区分文档图像：然后把余下的图像转换为二值图像,提取图像的GLCM纹理特征,根据GLCM特征区分场景文本I和标题文本图像．在开源的WEKA数据挖掘软件环境下进行仿真实验,结果表明该方法是可行的。并能够得到较高的查全率和查准率．     

分形理论在植物根系图像放大中的应用

针对植物根系图像的分析处理需要,运用分形理论,提出了一种基于分形特征提取,对数字图像进行放大的方法,介绍了该方法的原理和实现算法.其基本思想是通过分形理论提取图像的特征信息,用迭代函数系统近似表示原图像,在不同尺度的图像空间迭代重建图像以实现放大.这种方法简单方便,可以实现非整数倍的放大,放大图像主观效果较好,在植物根系图像处理中进行了应用.     

基于分形联合直方图的显微医学图像检索

显微医学图像检索是辅助日常医疗诊断和医学研究的一个重要工具.从显微医学图像具有＂分形体＂的特点出发,利用基于内积的快速分形编码来提取图像的编码参数及拼贴误差,并将编码参数与拼贴误差相结合,构成改进的联合直方图,图像间的相似性用改进的联合直方图间的距离进行评判.实验结果表明,该算法在基于内容的显微医学图像检索中,具有较好的检索效果.     

计盒维数的算法优化及其在结霜现象中的应用

利用MATLAB数字图像处理功能,通过对二值图像网格划分过程中出现的不完整边界网格进行整合处理,优化了二值图像计盒维数计算方法,提高了计算结果的准确性和稳定性.研究中采用的算术阶递增序列网格划分方法,增强了该计算方法对图像尺寸的适应性.同时对分形图像递归深度及分辨率等因素对计算结果的影响进行定量分析,提出具有参考价值的控制条件.最后利用该方法对结霜过程不同时期的霜晶图像进行分形维数计算,并指出分形维数在描述结霜现象中的物理意义.     

基于MongoDB的海量遥感影像大数据存储

随着科技的发展,遥感影像照片在质量及数量上急剧增加,如何安全并高效地将其存储已成为当前研究的一个热点问题.应用NoSQl非关系型数据库,提出一种基于MongoDB的遥感影像大数据的存储方法.用基于GridFS的大文件存储方式存储影像,再将其有关的属性信息以一条文档的形式插入MongoDB数据库,两者之间用相同的ID编号连接.通过与关系型数据库PostgreSQL在大文件以及传统海量文档存储方面进行性能测试比较,结果表明基于MongoDB的海量遥感影像大数据存储方法在各方面性能均明显优于基于关系型数据库的存储方法.