基于最小二乘支持向量机的三维地形匹配选择

采用互相关代替自相关的方法计算基准图子图的相关长度,引入子图均值标准化的方法计算基准图子图的地形熵,使得它们的计算值和基准图子图的匹配概率之间具有良好的单调性.以相关长度、地形熵和粗糙度作为反映基准图子图适配性的特征向量,采用最小二乘支持向量机作为分类工具,将基准图子图划分为适配的和非适配的两类,并由适配的基准图子图类构成地形匹配区.实验结果表明所提出的方法能够有效地规划出所需的三维地形匹配区.     

基于Sketch Token的异源雷达影像匹配适应性分析

将异源影像间的共性信息提取与描述作为研究重点,提出了一种基于Sketch Token中层特征的异源影像适配性评估方法.该算法利用监督学习策略获取异源雷达影像之间共性特征的先验知识,据此训练Sketch Token特征分类器,并将其作为影像间共性特征的描述子对基准图进行特征提取.利用提取结果的各项统计量训练支持向量机分类器,并以此评估异源影像对中基准图的适配性.利用星载SAR(synthetic aperture radar)影像作为基准图、机载实孔径雷达影像作为实时图进行适配性评估试验,试验结果表明了该算法的有效性.     

URSI:高效的子图同构查询算法

子图同构查询用于返回数据图中与给定查询图匹配的子图,是图数据管理中的核心问题。如果匹配策略不当、查询结点和数据结点之间大量的冗余枚举以及剪枝策略不当,都会引起查询中的冗余计算问题。本文首先将查询图转化为邻居等价类树并使用过滤条件生成候选区域;其次,通过对候选区域探测将区域中的结点进行排列组合得到结点匹配顺序,并对数据结点进行验证,得到查询图在数据图中的所有匹配的子图;最后给出了基于上述策略的URSI算法,并在真实的数据集上通过实验验证了所提算法的高效性。     

基于Dijkstra算法的最优路径搜索方法

针对传统Dijkstra算法在应用中存在的不足,提出了一种基于Dijkstra算法的最优路径搜索方法.该方法设计了区域限定模型,以避免大量无用结点参与计算带来的时间和空间的浪费.在此限定区域内使用优化的存储结构实现了含有启发式信息的搜索策略.路网实验结果表明,应用启发式搜索策略使搜索的路径结点总数和计算时间明显减少,搜索过程能够快速地趋于目标结点.     

iGiST:一个改进的通用搜索树

分析了通用搜索树建树方法的不足以及结点溢出处理和下溢处理策略的缺陷，提出了一个改进的通用搜索树，增加了装树功能，提高了建树速度，同时对结点溢出处理和下溢处理策略作了改进，推迟了结点分裂和合并的时间，改进后的通用搜索树比原结构在系统效率和空间利用率方面有较大提高。最后给出在空间数据库系统上的实验结果。     

Dijkstra优化算法及其在电子导游中的应用

导游电子化是旅游产业的发展趋势,最短路径搜索是电子导游系统的关键技术之一.经典的Dijkstra算法须花费大量时间用于计算最短路径以外的结点,从而影响了算法的速度.在分析景区结点分布特点和移动设备特性的基础上,对Dijkstra算法进行了优化,优化算法基于对景区结点进行区域划分,缩小了考虑结点的范围,在搜索时仅对相关区域内的结点进行处理,从而提高了算法的速度,最后对优化算法进行了正确性证明和性能分析.     

Dijkstra算法在室内移动导航最短路径寻址的改进

在室内复杂停车场的路径规划问题上,许多方法使用了单源最短路径的典型算法Dijkstra算法对最短路径进行规划,但该算法需要花费大量时间和空间来计算和存储与最终路径无关节点.为了提高算法效率,通过把地图中所有的结点进行顶点归一、区域集合划分以及区域编号排序等策略,大大提高了算法运行效率.实验显示,在随机对某结点目标进行最短路径搜索时,搜索时间可以缩短80.8%到98.9%,大大减少了时间复杂度和空间复杂度.     

基于Hilbert空间填充曲线的P2P多维潜在语义查询

为在有组织对等(P2P)系统上提供有效的多关键词查询和搜索机制,提出了多维潜在语义查询(MLSQ)方法.该方法利用Hilbert空间填充曲线(HSFC)和潜在语义索引,将高维语义空间中相似的数据对象映射到一维数值空间中的邻近区域中,并以每个数据对象在一维数值空间中的序号作为键,将数据对象的索引分布到有组织P2P网络邻近的结点上.通过将HSFC中数据点的查找过程嵌入到有组织P2P网络的结点上,再利用网络的数据查找机制,MLSQ可方便地搜索到符合查询要求的数据对象.实验结果表明,MLSQ在搜索过程中需要访问的网络结点数比较少,并具有较高的查准率和较低的通信量的特点.     

基于改进遗传算法的无向加权图的k点连通扩充

加权图的连通扩充问题已被证明是NP完全问题，作者提出一种改进遗传算法来解决无向加权图的k点连通扩充问题，通过改进遗传算法中的交叉和变异操作有效地改善了群体的效果，有助于搜索解空间中新的区域，能以较大概率搜索到全局最优，仿真结果表明，该算法在原来简单遗传算法上做了进一步改善，为解决加权图的扩充问题提供了新的方法。     

指纹中心点的定位和特征匹配方法

提出了一种新的指纹中心点搜索的方法及其于中心点的指纹匹配算法，它利用指纹块方向图中块方向的变化进行中心点的粗细两步搜索，首先在粗方向图中搜索方向锐变区域，然后在细方向图中对相应的匹配再进一步搜索方向锐变的区域，最终得到中心点，在此基础上介绍了基于网格的旋转匹配方法，此方法对噪声大的指纹有较强的抗干扰性，算法相对简单且效果良好。     

多领域模型下的组件选择方法

构建一种能力模型,用于精确、完整地描述用户需求和组件能力.将源自不同领域模型的能力描述节点之间的关系分为同功能节点和对应节点.基于通过字典发现同功能节点,提出复杂匹配算法FCN,自下而上搜索对应节点,该算法能发现所有预期的对应节点且具有很好的效率.提出软件互操作的组件选择模型和方法,可降低误匹配率和提高语义匹配效率,实现了提出方法和模型的原型系统.     

特征点提取算法性能分析研究

在图像匹配中,使用特征点来描述图像,计算量小、匹配简单,而且特征点往往比较稳定,不易随光照条件和图像的平移、旋转和尺度等变化而变化。因此基于特征的图像配准方法是目前图像配准领域研究的热点。介绍了几种主流的特征点检测算法的原理,并对特征点检测算法性能进行了定量分析研究。从特征点检测速率、正确率、旋转不变性和抗噪性等方面进行了对比,研究了各种特征提取算法的优缺点。为根据不同图像质量选择合理的特征提取算法提供了良好的客观依据。     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

用多基线立体视觉系统恢复稠密深度图像

为有效地减少错误匹配,提高匹配精度并恢复稠密深度图像。利用多基线立体视觉恢复景物深度数据的冗余性,使用简单条纹模式投影光源标记景物,很好地解决了弱纹理区域或无纹理区域的对应性问题。通过对图像进行避部规范化处理,在外极线、唯一性和连续性约束条件下,使用应用域知识和统计模型,建立准确的匹配关系,实现三维景物高精度恢复。所恢复景物的高精度稠密深度图像,在１．５～３．５ｍ的距离范围内,深度值偏差小于２ｍｍ     

用于精确定位的最佳匹配区选择分形法

图像中任意点局部邻域的分形维数越大,该领域图像数据的相关性越小,相关匹配搜索时定位该区域就越容易。由此提出了利用分形维数作为分离参数,在基准地图上选择最佳匹配区的方法。用相关法对选出的最匹配区验证表明,分形方法比传统的相关方法在选择最佳匹配区时,定位精度更高,计算更快。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配,导致最终匹配精度较低、匹配时间较长等问题,提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法.首先,利用深度强化学习网络结构中的策略网络和价值网络,共同指导浮动图像按正确方向移至参考图像;其次,在粗匹配过程中通过设计奖赏函数,实现颜色特征粗匹配;最后,在粗匹配基础上,利用改进尺度不变特征变换算法提取待匹配的图像局部特征,按相似度进行移动机器人视觉图像分级匹配.实验结果表明,该算法可有效实现图像的粗匹配与精匹配,在不同视角与尺度情况下特征检测的稳定性均较高,匹配精度高、时间短,匹配后的图像质量较好,提高了移动机器人的实际应用效果.