PC平台下海量地形的分页调度和实时渲染*

结合内存调度技术和场景渲染策略,提出了一种对海量网格和纹理数据进行分割和分页调度的算法,通过调度算法使海量数据分批进入内存并实现实时卸载,在分页的基础上进行分块实时渲染。实验结果表明该算法取得了很好的效果。     

基于属性约简的粗糙集海量数据分割算法研究

结合Rough Set理论研究了分布式处理海量数据中的关键问题,即分割海量数据集的问题。经典的RoughSet算法要求数据常驻内存,因此不能有效地处理海量数据。为了能够直接处理海量数据集,根据最佳分割的定义,结合属性约简的思想,提出基于属性约简的粗糙集海量数据分割算法（Mass Data Partition for Rough Seton Attribute Reducdon,MD-PRS—AR）。通过实验表明,MDPRS—AR算法的分割效率比传统的算法约高70％,而且与处理整个数据集的算法相比,正确性损失不大。     

基于属性约简的粗糙集海量数据分割算法研究

结合Rough Set理论研究了分布式处理海量数据中的关键同题,即分割海量数据集的问题.经典的Rough Set算法要求数据常驻内存,因此不能有效地处理海量数据.为了能够直接处理海量数据集,根据最佳分割的定义,结合属性约简的思想,提出基于属性约简的粗糙集海量数据分割算法(Mass Data Partition for Rough Set on Attribute Reduction,MDPRS-AR).通过实验表明,MDPRS-AR算法的分割效率比传统的算法约高70%,而且与处理整个数据集的算法相比,正确性损失不大.     

大数据分割式极限学习机算法

在海量数据输入背景下，为提升极限学习机算法的学习速度，降低计算机内存消耗，提出一种分割式极限学习机算法。将海量数据分割成[K]等份，分别训练极限学习机并获得单一外权，基于算术平均算子得到分割式极限学习机的综合外权；为避免异常数据对极限学习机输出结果的影响，采用有序加权平均算子融合单一极限学习机的输出信息，使分割式极限学习机的输出结果更为稳定。数值对比仿真显示：分割式极限学习机比传统极限学习机的学习速度、拟合精度和内存消耗都高，验证了该方法的有效性和可行性。     

基于二叉频繁模式树的医学图像关联规则挖掘

医学图像的数据量是相当巨大的,挖掘医学图像中数据的关联关系就需要一种适合挖掘海量数据的挖掘算法。针对基于频繁模式树FP_TREE的关联规则算法在挖掘海量数据时占用大量内存的缺点,提出了一种基于二叉频繁模式树(FP_BTREE)的关联规则算法。该算法采用二叉树存储数据的技术来映射数据库中数据,以减少对数据库的访问次数。而且根据内存具体情况可以先求出先建立的二叉频繁模式树的频繁模式。解决了占用大量内存的缺点,适合挖掘医学图像海量数据集。此算法也为多棵二叉频繁模式树的并行计算打下基础。最后应用此算法提取医学图像数据集中隐含的关联信息。     

微电子封装中基板图像的分割*

在分析了基板图像特征的基础上,提出了一种快速的基板图像分割方法。通过在图像中添加虚拟栅格,直接获得子图像轮廓跟踪的起点,从而简化了分割的步骤、减少了处理对象的数量、提高了分割的速度。实验结果表明,与一般的图像分割方法相比,该方法具有占用内存少、计算速度快的特点。     

广义遗传算法在Apriori算法改进中的应用

Apriori算法是关联规则挖掘的经典算法。但在面对海量数据集时，由于过多的磁盘读写操作，使算法的效率大大降低。本文提出了一种将数据集根据处理计算机的内存进行分割，使分割后的每一部分数据集能直接放入内存中，用Apriori算法找到局部的关联规则，再在所有找到的局部关联的基础上，使用遗传算法寻找全局关联规则的方法。由于大大减少了磁盘操作，在处理海量数据集时本方法效率优于传统Apriori算法。     

ECW技术在无人机图像管理中的应用

针对有限内存显示海量大尺度图像的难题,基于小波变换的方法比基于图像块亚采样的方法表现出更加优越的性能,得到了国内外有关机构的深入研究。介绍了ECW的技术特点和开发途径,总结了大尺度图像漫游软件开发的一般步骤,利用ECW SDK开发了一个带有导航功能的大尺度图像漫游软件。该软件实现了T字节甚至更大图像的快速显示、漫游、放大、缩小、导航和区域数据提取等功能,其操作速度和内存资源消耗基本与图像尺寸大小无关,目前已成功用于无人机图像信息系统之中。     

基于分离存储技术的海量图像数据库管理系统的构建及实现

如何构建海量图像数据库管理系统才能实现图像的快速存储与显示是航测图像应用中的关键问题之一。主要从实现原理、算法流程、快速存储与显示技术三方面讨论了此问题,给出以缩略图替代原始图预览、内存流和特大图像动态显示为主要技术的整体解决方案,并介绍了一个基于上述技术的实例系统IMAGESee。     

基于遗传算法的移动平台动画图片存储的研究

为了减少移动设备中动画在内存中的占用率,针对移动平台动画图片的分割后再重组的存储特点,提出了一种基于遗传算法的多边形快速优化布局方法.通过对被分割的原始动画图像块的处理,获得图像块中图像的边缘数据,利用该边缘数据和基于包围盒的快速碰撞检测方法,实现对被分割动画图片的优化布局.实验结果表明,该方法能够快速有效地实现移动平台动画图片的优化重组,有效地降低动画资源在移动设备中的内存的占用率.     

基于遗传算法的移动平台动画图片存储的研究

为了减少移动设备中动画在内存中的占用率,针对移动平台动画图片的分割后再重组的存储特点,提出了一种基于遗传算法的多边形快速优化布局方法。通过对被分割的原始动画图像块的处理,获得图像块中图像的边缘数据,利用该边缘数据和基于包围盒的快速碰撞检测方法,实现对被分割动画图片的优化布局。实验结果表明,该方法能够快速有效地实现移动平台动画图片的优化重组,有效地降低动画资源在移动设备中的内存的占用率。     

VC中海量文件读写类设计与应用

本文阐述了海量文件读写方法及其内存耗尽问题和解决办法,并就此设计了一个海量文件读写类,封装了海量文件读写操作,最后给出了一个应用实例.     

一种快速高分辨率遥感影像分割算法

高分辨率遥感影像(如IKONOS 影像)海量数据、复杂细节的特点决定了高分辨率遥感影像分割的技术难点,提出了基于同质性梯度特征、分水岭算法和最小代价合并的快速分割方法。首先对于原始图像进行同质梯度计算得到同质梯度图像;其次利用一种高效的分水岭变换获得初始分割图像;最后给出一种改进的区域合并算法来优化初始分割区域。应用于IKONOS影像的实验证明与其他的分割算法相比,采用所提出的分割方法能快速、准确地获得高分辨率遥感图像的分割结果。     

车牌识别(LPR)中的图像提取及分割

在车牌识别(LPR)系统的实现过程中,最关键的部分就是车牌图像的提取以及车牌字符图像的分割。本文详细介绍了一种实际应用的车牌识别系统中的图像提取及分割的过程。针对车牌的固有特点,设计了一个变换函数突出其特点从而进行车牌的提取;对车牌字的图像分割提出并解决了一些在实际中应该注意的地方。理论分析及实验结果表明文章中提出的方法是非常有效的。在我们的实验中,在Pentium Ⅱ300 ,内存64M的环境,从图像输入到识别结果输出的平均时间大概为0.6秒。     

GeoTIFF在处理海量遥感图像中的实现及应用

GeoTIFF作为Tif文件在地理信息系统(GIS)中的扩展有着重要意义.结合修改GeoTIFF工具库中LibGeoTiff的代码,实现了海量遥感图像的地理信息读写,并结合四叉树理论快速进行了海量图像的分割显示.最后给出VC 的应用实例,试验结果用Envi遥感处理软件证明了这种方法的可行性和实用性.     

基于超像素的Grabcut彩色图像分割

针对以像素为节点建立图模型进行图像分割耗时的特点,文中提出了一种基于超像素的Grabcut彩色图像分割方法.首先用户在目标所在区域手动标定一个矩形框;然后用两次分水岭算法将图像过分割成区域内颜色相似的小区域(超像素),用分割得到的超像素作为图的结点构建图模型;以每个超像素的颜色均值代表所在分块的全部像素点估计GMM(高斯混合模型)参数;最后用最小割算法求得吉布斯能量的最小值达到最优分割.实验结果表明,该算法以极少数超像素代替海量像素,在得到较好分割结果的同时,极大地缩短了运行时间,加快了分割速度,提高了效率.     

一种基于Rough Set的海量数据分割算法

处理海量数据一直是数据挖掘要解决的一个重要问题.目前已有许多并行或串行的算法来处理海量数据,然而这些算法通常都不能很好地解决速度和正确率之间的矛盾.分布式运算在处理数据上具有明显优势,因此本文考虑将一个原始的海量数据集分割成许多个独立的小数据集进行分布式处理.本文首先根据Rough Set的特点提出最佳分割的定义,然后提出一种海量数据分割算法来寻找最佳分割.通过实验测试证明结合本文提出的数据分割算法的分布式处理方案能够快速处理海量数据,而且与处理整个数据集的算法相比,正确性较高.     

面向海量植物图像的智能检索系统设计

针对传统软件技术设计的植物图像检索系统中存在无法实现智能检索、植物图像数量增长慢、检索系统难以扩容,以及当植物图像数量达到百万级以上时检索效率低和检索请求高并发时植物图像加载慢等问题,提出利用百度AI技术、ImageSharp图像分割技术和CV2颜色识别技术实现植物图像的智能检索。利用FastDFS技术实现检索系统的动态扩容、负载均衡和植物图像的快速加载,利用Solr搜索引擎技术提高海量植物图像的检索效率,利用Python爬虫技术不断丰富检索系统的植物图像从而实现检索系统的可持续化发展。实验结果表明,通过上述技术能够构建一个面向海量植物图像的智能检索系统。     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。     

基于KD树的海量图像匹配技术

针对海量图像匹配的速度瓶颈问题,提出一种结合图像SIFT特征和KD树搜索的图像匹配算法,并建立了适应有限内存环境的大型KD树混合存储模式。实验结果表明,该方法能显著提高图像搜索速度和图像库的可扩展性,查准率和查全率也明显高于其他搜索方法。