三角形约束下的图像特征点匹配方法

为了在特征点匹配过程中控制错误传播,提出一种基于三角形约束来进行图像特征点匹配的方法.首先检测可能误匹配或者位于变化区域的三角形,然后在后续三角形匹配细分过程中将这些三角形赋予较低优先级,从而可有效地控制错误在匹配过程中传播.实验结果表明,采用该方法能有效地控制匹配过程中的错误传播,提高匹配精度.     

局部样条嵌入的正交半监督子空间学习算法

为了更加准确地对图像进行聚类与分类,提出一种基于局部样条嵌入的正交半监督子空间学习算法.通过学习一个正交投影矩阵,使得训练样本中的标注数据经过投影矩阵降维后类间离散度尽量大,类内离散度尽量小;采用局部样条回归将局部低维嵌入坐标映射成全局低维嵌入坐标,使得被投影数据保持原有流形结构,并有效地利用有标注训练样本和未标注训练样本得到优化的图像表达方式.图像聚类与分类实验的结果表明了文中算法的有效性.     

基于改进的数据驱动决策树分析的3维人体运动检索

随着大量3维人体运动捕获数据库的出现,使得如何对人体运动数据进行高效分析和处理,从而有效利用运动捕获数据库成为一个新的挑战。为了高效地进行3维人体运动检索,首先通过从人体运动中提取一种基于3维空间变换特征规律的空间变换特征和运动的一些关键的时间特性来得到人体运动的3维时序特征;然后针对不同的训练需求,通过改进的数据驱动决策树的学习方法来分析关节点对运动相似的不同影响,并在检索过程中按照不同影响程度依次对关键点进行相似度计算;最终实现了一个高效的运动检索仿真系统。     

多线性子空间可伸缩视频编码方法

针对DCT方法用单一变换核处理所有图像块而忽略图像信号的复杂统计分布的问题,通过论证视频中的图像数据和运动预测残差存在的多线性子空间分布特性,提出一种可伸缩性视频编码方法.该方法用广义主成分分析(GPCA)取代传统视频编码中所采用的DCT来对I帧和预测残差图像编码,通过对编码结果进行适当排序,使得码流可以在任意点被截断,实现精细粒度的质量可伸缩性;并借助多线性子空间的分割,实现依据人类视觉注意特性的差错保护及更好的错误隐藏.对文中方法和基于DCT的可伸缩性编码效果进行比较的结果表明,在同等压缩比的情况下,采用该方法普遍可获得比DCT更好的图像质量.     

情景式跨媒体数字城市系统

结合虚拟现实、GIS和跨媒体技术,提出一种具有高真实感、较强交互能力的情景式数字城市系统实现方法.该方法以GIS矢量数据为空间索引,全景交互式视频为表现内容,且加载文字、图像和音频等数据,并对这些海量信息进行跨媒体数据统一建模,以实现不同类型数据的组织和管理.与通过三维图形实现城市建模相比,采用文中方法实现的系统具有数据采集高效、表现手段真实感强、建模成本低和易于扩充等优势.     

直接读写内存快速显示汉字

贵刊已登出数篇关于汉字显示有价值的文章,受益非浅,受其启发,我也编写了一个接口程序,也算是开辟一条新的汉字显示途径。 计算机工作就是处理数据信息,屏幕显示的千变万化也不例外,这就好比每一部辉煌的乐章都有乐谱。我们可以通过修改屏幕的“乐谱”,即图形缓冲区来控制屏幕的显示！ 图形缓冲区的地址从＄B000:＄0000开始,共     

基于位置相关的旅游信息主动推送服务系统

结合线性四叉树、无线互联网、地理信息系统(GIS)和跨媒体技术,实现了一个具有高真实感、较强交互能力的旅游信息主动推送服务系统.该系统以GIS矢量数据为空间索引,互动式旅游知识共享平台和导游手段为表现内容,且加载文字、图像和音视频等数据,并对这些海量信息进行跨媒体数据统一建模,以实现不同类型数据的组织和管理.与现有的电子导游系统相比,该系统具有数据采集高效且低成本、信息时效性高和表现手段真实感强等优势.     

基于综合推理的多媒体语义挖掘和跨媒体检索

为了更准确地进行跨媒体检索,需要挖掘、学习不同类型多媒体对象之间的语义关联,为此提出一种基于综合推理模型的多媒体语义挖掘和跨媒体检索技术.首先根据多媒体对象的底层特征构造推理源,根据多媒体对象的共生关系构造影响源场来进行综合推理,并构造出多媒体语义空间;然后针对不同检索例子,根据伪相关反馈为每一个检索例子自适应地选择不同的榆索方法进行跨媒体检索.为了处理检索例子不在训练集合内的情况,提出了两阶段学习方法完成检索;同时还提出了一种基于日志的长程反馈学习算法,以提高系统性能.实验结果证明,该技术能够准确地挖掘多媒体语义,多媒体文档检索和跨媒体检索效果准确_凡稳定.     

基于关键帧的三维人体运动检索

提出一种基于关键帧的三维人体运动检索技术.首先采用骨骼夹角作为对原始运动数据的特征表示并提取运动片断关键帧集合,以此作为原始运动片断的特征表示;然后基于所提取关键帧数据在相似运动片断之间具有一致性的特点,在两两关键帧集合之间建立距离矩阵进行相似度匹配.实验结果表明,与现有大多数基于内容的三维人体运动数据检索方法相比,该方法能够取得更好的时间效率且不依赖于任何预先设定的参数,相对于现有基于关键帧的运动检索技术而言,其能够获得更好的检索效果.     

基于双向参考索引的大规模人体运动数据库的检索

因为运动特征数据的高维复杂性,采用非线性的Isomap流形学习的降维算法来对运动特征数据进行降维,为了能让Isomap方法处理训练数据集之外的数据,通过学习主成分特征核函数逼近降维结果,以扩展传统Isomap的局限性.在运动数据降维之后,为大规模运动捕获数据库建立一种双向参考索引(DRI),在检索过程中索引用来排除绝大部分与查询例子无关的运动数据,这样运动检索中的相似度的计算通过索引被缩小到一个小范围候选数据集合中,避免了大量不必要的匹配开销,从而提高了检索的效率.