基于项权值排序挖掘的跨语言查询扩展

为了改善自然语言处理应用中长期存在的主题漂移和词不匹配问题,本文首先提出一种加权项集支持度计算方法和基于项权值排序的剪枝方法,给出面向查询扩展的基于项权值排序的加权关联规则挖掘算法,讨论关联规则混合扩展、后件扩展和前件扩展模型,最后提出基于项权值排序挖掘的跨语言查询扩展算法.该算法采用新的支持度和剪枝策略挖掘加权关联规则,根据扩展模型从规则中提取高质量扩展词实现跨语言查询扩展.实验结果表明,与现有基于加权关联规则挖掘的跨语言扩展算法比较,本文扩展算法能有效遏制查询主题漂移和词不匹配问题,可用于各种语言的信息检索以改善检索性能,扩展模型中后件扩展获得最优检索性能,混合扩展的检索性能不如后件扩展和前件扩展,支持度对后件扩展更有效,置信度更有利于提升前件扩展和混合扩展的检索性能.本文挖掘方法可用于文本挖掘、商务数据挖掘和推荐系统以提高其挖掘性能.     

基于主元分析的随机相移散斑图分析算法

剪切散斑相移干涉术需要提取物体加载后的动态相位变化,因此提出一种基于主元分析的随机相移散斑图分析算法。该算法采用相关计算法从随机相移散斑图中获得随机相移条纹图,然后利用主元分析算法(PCA)从一组随机相移条纹图中提取动态相位分布。实验结果表明,相关计算法处理散斑图所得的随机相移条纹图具有较高信噪比,PCA提取的相位具有较高的精度和效率。该算法无需迭代计算,对随机相移条纹图的空间载波频率没有严格的要求,适合动态剪切散斑干涉测量。     

面向引线框架缺陷的图像配准算法

为了降低引线框架缺陷识别的误检率,比较了基于灰度的模板匹配和基于特征的匹配算法之间的优缺点,并针对引线框架缺陷检测中参考图和检测图存在差异的特点,提出基于区域定位和不变矩的特征匹配算法。该算法通过边缘检测定位出特征区域,并用不变矩进行区域特征描述。在缺陷识别试验中,相比于模板匹配算法,该算法表现出更快的结算速度,更高的配准精度,更低的配准失败概率。结果表明,该配准算法适用于引线框架缺陷识别,降低误检率。     

基于曲线拟合的干涉合成孔径雷达(InsAR)复图像自动配准算法

由于乘性噪声和相干斑的存在,干涉合成孔径雷达(InSAR) 复图像对的配准算法比传统的图像配准算法更困难。该文提出了一种基于B-样条曲线拟合和匹配的InSAR复图像对的自动配准算法,能够有效地配准InSAR复图像对。在利用最小二乘法建立配准参数后,应用两步法完成了亚像元级配准。实验结果表明,该算法具有较高的精度和稳健性。     

基于规则推理的语义检索若干关键技术研究

 针对专业领域复杂的检索需求,目前相关研究采用基于语义的方法来扩展检索范围并提高准确度.在语义推理方面,目前搜索引擎通常直接采用语义网中的推理算法,推理效率不高.在排序方面,基于关键字的搜索引擎的排序算法也不适合对语义检索结果进行排序.针对上述问题,本文给出了基于语义网的语义规则建立方法,并提出了一种基于闭合世界假设的反向链接推理算法,提高推理效率,同时给出了一种基于特征相似性排序算法,使检索结果排序方式更加符合语义检索的特点.基于本文提出的方法,构造了语义搜索引擎MaterialHub,实验表明该搜索引擎提高了检索的准确率和查全率,有较好的查询响应时间,并已经得到实际应用.     

一种基于颜色特征的快速视频时域配准算法

PSNR算法是全参考型客观视频质量评价系统中常用的自动时域配准算法,但其计算时间较长,难以满足视频质量评价系统在实时条件下的应用.针对这一问题,提出基于色度信号直方图的快速视频时域配准算法,该算法结合基于颜色特征的图像检索技术和PSNR算法,既提高了计算速度,又保证了计算精度,基本满足全参考型客观视频质量评价系统在实时...     

基于ROI的图像检索算法研究

针对全局特征的图像检索不能很好地满足用户的意图和基于图像分割的检索过分依赖复杂的图像分割算法二者的不足。在基于子图的检索思想的基础上，给出了一种基于用户感兴趣区域的图像检索算法。该算法无需对图像进行复杂的分割就能提取对象特征，实验证明该算法具有简单、高效、查全率较高的优点。     

基于NSST的红外与可见光图像融合算法

针对红外与可见光图像具有不同的特点,提出一种新的基于非下采样剪切波变换（NSST）的红外与可见光图像融合算法.算法首先采用NSST将已配准的红外与可见光图像进行分解,得到低频子带图像和各尺度各方向的高频子带图像;然后对低频子带图像采用一种基于显著图的低频融合规则进行融合,而对高频子带图像的融合,结合人眼视觉特性,采用一种基于改进的区域对比度的融合规则;最后,对融合的低频子带图像和高频子带图像进行NSST逆变换得到融合图像.实验结果表明,该算法能够有效地综合红外与可见光图像中的重要信息,融合效果要优于一般的基于NSCT、NSST的图像融合方法.     

基于区域联合Rényi熵的多模医学图像配准

 针对医学图像配准对准确性高、鲁棒性强和速度快的要求,本文提出一种新的基于区域联合Rényi熵的多模配准算法.该算法将区域信息融入到联合Rényi熵中,并使用最小生成树来估计区域联合Rényi熵.这样,不仅改善了传统配准方法由于忽略像素空间信息造成的配准鲁棒性的降低,而且避免了使用直方图估计高维熵遇到的"维数灾难"问题.实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有鲁棒性强、速度快的优点.作为一种一般性的配准算法,基于区域联合Rényi熵的配准方法还可以应用到图像配准以外的更广阔的领域,如图像检索、对象识别等.     

基于微粒子群优化算法的数字散斑图像相关方法

为了能够通过一步搜索同时得到数字散斑图像中所测点的整像素和亚像素位移信息,采用灰度插值的方法构造了亚像素子区,改进了基于微粒子群算法的数字图像散斑相关方法。对含有平移信息的模拟散斑图和具有应变的模拟散斑图进行相关计算,验证了该方法的适用性;在对具有微小面内位移转动的试件进行测量时,比较了整像素的微粒子群算法和不同量级的灰度插值下的亚像素微粒子群算法。结果表明,基于微粒子群算法的亚像素数字散斑图像相关方法在测量小位移方面具有一定的优越性。