LSI芯片图象的双子图同构匹配法

本文提出一种用于LSI芯片图象的双子图同构匹配方法.该方法是在芯片分割图象的区 域邻接图上搜索同构匹配结点间的对应关系. 同构匹配算法利用启发信息提高搜索的效率.算法根据专门建立的区域相似性度量和环 境串匹配值这些判据选取同构匹配起始结点. 文中将详细说明双子图同构匹配法的原理,并提供匹配结果.本算法已在实际中采用.     

2012年存储行业发展的十大趋势

全球最大的磁带机及磁带自动化供货商昆腾,为我们展示了2012年存储行业发展的10大趋势,下面我们一一为您呈现： 1.Scale-out存储更加普遍 Scale-out横向扩展存储不再是高性能计算环境的专利,人们将更加注重高附加值和高投资回报率。横向扩展存储将成为匹配性能和容量实现更快投资回报的必然要求。     

角点距离矩阵和同心圆划分的曲线描述与匹配

曲线匹配对于物体识别、目标跟踪、碎片拼接等有着重要的意义。针对曲线匹配的效率与鲁棒性问题,提出了一种基于角点距离矩阵和同心圆划分的曲线描述与匹配算法。该算法分为粗略匹配和精确匹配两个阶段。粗略匹配阶段首先采用角点距离矩阵来描述曲线;然后通过子矩阵的方法来匹配曲线。精确匹配阶段首先采用同心圆划分的方法描述曲线;然后通过两条曲线同心圆描述集的差异度度量函数来度量他们的相似性。算法不仅具有平移、旋转、缩放不变性,而且具有较强的鲁棒性,可用于遮挡物体的匹配以及基于轮廓的图形拼接。实验结果表明了该算法的有效性和可行性。     

均衡化特征匹配的非刚体细胞形态跟踪

提出利用均衡化特征匹配来进行非刚性细胞形体跟踪的方法。采用重启动的随机游走方法建立并求解特征匹配概率模型,利用双向均衡方法对匹配邻接矩阵进行均衡化处理,得到指定目标与待跟踪目标之间的精确匹配,以获得目标的定位跟踪结果。同时利用特征匹配结果进行目标的自动标定,并应用图像分割方法进行目标的精确轮廓跟踪。实验结果表明,将该方法应用于视频中动态背景下的运动细胞形态跟踪时,在背景相似度较高及目标迅速移动的条件下,表现出了良好的性能,与同类方法相比可获得较高的定位精度以及更为准确的目标轮廓。     

分段线性动态矩匹配条带去除

由于探测器之间对接收的地物辐射信号的响应特征不同,导致遥感数据含有条带噪声,严重影响了图像质量及后续的定量计算。针对探测器响应函数在图像低值区及高值区呈非线性的特点,在着重分析矩匹配方法的基础上,提出分段线性动态矩匹配条带去除方法。方法设定阈值分割高中低值域统计区间,对探测器响应函数进行分段线性拟合,并对探测器每一分图像动态采用其领域内均值和标准差作为参考值进行条带纠正。应用TM数据第4波段及环境一号卫星高光谱数据进行去条带实验,并定性和定量地比较了该方法与动态矩匹配、傅里叶变换、自动均衡化曲线方法的去条带效果。结果表明该方法能够在保留图像基本信息的前提下,获得最佳的去条带效果,尤其能够提高非均匀地物分布区域内水体的条带去除效果。     

基于模式覆盖的仿真数据匹配算法

研究仿真数据优化匹配传输效率问题,随着分布交互式仿真规模的扩大,如何高效地对仿真数据进行分发和过滤成为一个重要的问题.针对分布交互式仿真领域数据类型固定和属性个数跨度较大的特点,在分析和研究已有事件匹配算法的基础上,提出了模式覆盖集的概念,并设计了一种采用模式覆盖技术的仿真数据匹配算法.改进算法综合考虑了谓词之间的相互关系和订阅条件所属模式之间的覆盖关系,从减少无关的谓词匹配和高效组织订阅条件两方面加速了仿真数据的匹配过程.实验结果表明与谓词计数算法相比,改进算法能较大地提高匹配性能.     

红外弱小目标的匹配方法研究与仿真

研究红外图像中的目标匹配问题。针对传统的红外图像中目标匹配效果不理想,匹配不准确。当红外图像中是弱小目标时,背景灰度值与目标灰度值非常相近,灰度直方图均衡化无法实现目标与背景的完整分离,导致漏匹配率较高的问题。为提高目标的匹配精度,提出一种形态学预处理的红外目标匹配方法,通过形态学算法提取出图像中的形状信息,利用形状信息将红外图像中的目标与背景完整分离,避免了只依靠灰度图像信息造成的不能完整分离目标与背景带来的漏匹配问题。进行仿真的结果证明,采用的形态学与处理的匹配方法能够完整将目标与背景分离,成功完成目标匹配,取得了满意的结果。     

燃气热水器分段燃烧时风量匹配的分析与研究

本文主要对恒温型燃气热水器分段燃烧时不同风机转速条件下所输出的燃烧工况性能指标进行分析,结合风机转速选型对燃气热水器不同火力段热效率、运行噪音及抗风压特性的影响,基于此提出对燃气热水器风机转速与燃烧负荷进行匹配调节.实验结果表明该方法能有效地提高燃气热水器不同火力段条件下性能指标,并对后续产品基础性能设计及提升产品可靠性提供一定的指导意义.     

基于Arduino的目标跟踪系统设计

利用Arduino设计并实现了一种目标跟踪系统。该系统包括图像采集处理、基于Arduino开发的下位机软件和舵机云台3个模块。相机实时接收图像,对捕获到的图像进行预处理,调用OpenCV中的函数对图像进行霍夫圆检测。计算机通过串口与Arduino开发板连接,将图形位置信息数据实时发送。通过Arduino控制舵机的转动角度,精确调整相机的方位、俯仰姿态,完成实时的目标追踪。实验结果表明,在使用Python开发的计算机软件中,通过动态目标视觉检测以及PID控制的角度输出,舵机云台实现了很好的控制效果,使二维转台实现圆形识别跟踪。     

基于无人机倾斜摄影的嘉兴老城区住宅识别

为了应对老城区房屋数据信息不足、获取不便的问题,提出利用无人机（UAV）倾斜摄影测量技术实现老城区住宅自动识别的方法. 根据老城区典型多层住宅的外立面特征,确定出阳台构造、立面朝向和房屋长宽比3个参数控制的住宅判别标准. 通过无人机摄影测量获取嘉兴研究区的密集匹配点云、数字正射影像（DOM）和数字表面模型（DSM）数据. 融合DOM及DSM数据提取单体建筑轮廓,分割出单体房屋点云. 基于RANSAC算法提取房屋立面点云并确定立面朝向,根据立面的点云空间分布判断立面长度及阳台构造. 试验表明,在研究区应用该方法识别典型住宅的准确率可以达到90%.