基于多特征融合的图像检索

目前图像检索的准确性是研究的难题,主要在于特征提取的方法。为了提高图像检索的精度,在图像底层特征研究的基础上,提出了一种综合多特征的图像检索算法--基于底层特征综合分析算法(CAUC)。首先,在YUV颜色空间下提取图像的平均值和标准方差作为全局颜色特征,获得图像的二值位图,提取其局部颜色特征;然后,基于紧密度和Krawtchouk矩不变量提取图像的形状特征;再根据改进的四像素共生矩阵算法提取图像的纹理特征;最后综合多特征将待查询图像与图像库中图像进行相似度计算,返回相似度高的图像。在Corel-1000的图像集上的实验结果显示,与原来仅考虑四像素共生矩阵的方法相比,CAUC的查准率与查全率没有明显降低,但检索时间大大减少;与另外两种多特征融合的图像检索方法相比,CAUC仍能在保证较高检索速度的同时提高查准率与查全率。实验结果表明,CAUC方案能有效提取图像特征,提高检索效率。     

基于像素的计算大量连通区域面积的快速算法

求一幅图像中各个连通区域的面积是常见的问题.分析了几种传统处理方法的思路和特点.当连通区数量较多时,传统方法效率较低.在一类实际应用中,并不关心连通区的形状、有无孔洞等特征,只是想给出连通区面积的统计数据.针对这一应用特征,提出了一种仅通过一次扫描,就可快速给出连通区面积统计数据的算法.该算法采用链表结构,边扫描边动态地累加连通区面积,边清算、输出已完成的区域.该算法用Java实现,给出了主要的代码和数据结构示意图.     

红外图像实时显示与高速存储系统的实现

针对该系统数据量大、传输速度高、存储时间长等特点;为保证系统稳定性,解决丢帧与错帧问题,采用多线程技术,创建显示、存储、同步三个并发执行线程,并根据实际工程项目经验,对串口读写次数加以控制,存储成方便操作的一个大文件.实验表明:实际应用在图像分辨率320×256下(最高测试过1280×1024),像素宽度14位,连续存储30 min以上,帧出错率为0,远低于项目的精度要求标准(帧出错率万分之三),通过判读软件回放,图像清晰,靶目标判读精确,应用到某工程项目中.     

提花小样制图中自动勾边的实现

在提花布样数字扫描位图中,鼠标沿着图像中花样的视觉边缘移动,鼠标运动轨迹附近区域的像素点颜色由RGB颜色空间转换到YIQ颜色空间,索贝尔算子检测区域内,像素灰度的梯度最大值点通过直线段将上述点连接,构成目标花样的轮廓,实现自动勾边.实验结果表明,该方案能够快速高效地对花样进行自动勾边,缩短了小样的制图周期,比较实用.     

基于马尔可夫优化的高效用项集挖掘算法

基于树型和链表结构的高效用项集挖掘（HUIM）算法通常需要指数量级的搜索空间，而基于进化类型的挖掘算法未能充分考虑变量间的相互作用，因此提出一种基于马尔可夫优化的HUIM算法（HUIM-MOA）。首先，采用位图矩阵表示数据库和使用期望向量编码，以实现对数据库的快速扫描和效用值的高效计算；其次，通过计算优势个体间的互信息估计马尔可夫网络（MN）结构，并根据它们的局部特性使用吉布斯采样以产生新的种群；最后，为防止算法过快陷入局部最优和减少高效用项集的缺失，分别采用种群多样性保持策略和精英策略。在真实数据集上的实验结果表明，相较于次优的基于粒子群优化（PSO）的生物启发式HUI框架（Bio-HUIF-PSO）算法，在给定较大最小阈值的情况下，HUIM-MOA可以找到全部的高效用项集（HUI），收敛速度平均提升12.5%，挖掘HUI数平均提高2.85个百分点，运行时间平均减少14.6%。HUIM-MOA较进化型HUIM算法有更强的搜索性能，能有效减少搜索时间和提高搜索质量。     

图像及相关概念

本文就图像的两种方式——位图和矢量图 ,进行了定义和区分 ;并结合影视制作的实践 ,论述了图像处理所涉及到的有关概念 ;同时就一些容易混淆的问题进行了阐述     

ISO8583域解析自动化功能的实现

ISO8583报文是一个国际标准的包格式,该格式定义了多种字段域,每个字段域有各自的约定格式,并对应特定的功能,字段域分定长和变长两种类型,报文最多可由128个字段域组成,可提供复杂的、扩展性强的、安全性能高的数据协议包。ISO8583协议是金融支付中常用的协议,如POS终端机通过银联与银行金融业务进行业务交互。在实际应用中通常采用位图方式去描述与具体业务相绑定的字段域,由于协议字段域较多且内置的逻辑复杂,增加了应用的难度,而本文则实现了一个能够正向、逆向解析位图的通用功能库,对ISO8583协议相关域进行可视化展现,同时提供了一系列工具函数,对字段域中不同编码格式进行快速转换,实现各种加解密算法及数字签名,为基于ISO8583协议二次开发提供了技术支持。     

位图图象的读取及基本操作

位图是图象处理中常用的一种图象格式，利用Visual C 6．0设计了读取位图的函数LoadFile(), 并在此基础上利用计算机图形学的知识，实现了图象基本功能；平移、旋转、滚动。     

基于长度约束的蝙蝠高效用项集挖掘算法

为了挖掘满足用户特殊需求，如含指定项目数量的高效用项集（HUI），提出一种基于长度约束的蝙蝠高效用项集挖掘算法（HUIM-LC-BA）。该算法融合蝙蝠算法（BA）和长度约束构建高效用项集挖掘（HUIM）模型，首先将数据库转换为位图矩阵，实现高效的效用计算和数据库扫描；其次，采用重新定义的事务加权效用（RTWU）策略缩减搜索空间；最后，对项集进行长度修剪，使用深度优先搜索和轮盘赌注选择法确定修剪项目。在4个数据集的仿真实验中，当最大长度为6时，与HUIM-BA相比，HUIM-LC-BA挖掘的模式数量分别减少了91%、98%、99%与97%，同时运行时间也少于HUIM-BA；且在不同长度约束条件下，与FHM+(Faster High-utility itemset Ming plus)算法相比运行时间更稳定。实验结果表明，HUIM-LC-BA能有效挖掘具有长度约束的HUI，并减少挖掘模式的数量。