一种流量无关的数据流突发检测算法

针对数据流整体数据量波动剧烈的情况下准确突发检测问题,改进了经典的聚合塔数据结构,提出了一种流量无关的数据流突发检测方法FFBD(flow free burst detection)。该方法使用单个元素数量与总体元素数量的比值作为单个元素滑动窗口内的聚合函数值,并使用前后2个滑动窗口内的聚合函数的比值来判断突发,该数据结构能够高效支持弹性窗口时间跨度不大的应用场景。实验结果证明,与典型的聚合塔突发检测方法相比,FFBD方法虽然多使用了2%的存储空间、提高了5%的计算复杂度,但能有效地规避整体数据流的显著变化对单个元素突发检测带来的影响,有着更好的检测效果。     

云环境中基于金字塔模型的影像数据存储方法

随着卫星遥感获取技术的发展,影像数据量呈几何式增长,传统数据存储技术已经无法适应海量影像数据的处理要求.结合金字塔模型和MapReduce架构提出了一种适用于云计算环境的分布式并行存储方法—BMLStorage(storage based on MapReduce and local file system),该方法基于金字塔模型对影像数据进行分层分块处理,并对所得瓦片重新编码.定义了一种新的存储规则,使得所有瓦片可以按照此规则利用Hadoop中的MapReduce框架实现并行存储.实验表明,该方法与现有方法相比,在海量影像数据存储性能方面有一定的提高.     

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。     

基于多分辨率分析的图像融合方法研究

利用拉普拉斯金字塔变换和小波变换对图像进行多分辨率分析,选用了多幅不同类型的多源图像,做了大量的仿真实验,并对仿真结果进行了比较和分析,得出了有一定参考价值和实际应用价值的结果。     

基于FCN的眼底图像中央凹自动检测算法

针对传统算法很难识别彩色眼底图像中央凹的问题, 提出一种基于全卷积网络（fully convolutional networks, FCN）的眼底图像中央凹自动检测算法. 首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息, 构建实现局部像素级分类的FCN模型, 然后将局部像素级特征推广到全局金字塔池化模块中, 使空间统计数据为全局语境理解提供了更好地描述与表达, 从而有效获得了极具区分度的全局上下文信息, 最后将全局与局部特征相融合, 实现对中央凹的精准检测. 实验结果表明, 该算法提高了眼底暗病变检测的特异性, 并为眼底严重病变的发现提供了有效证据.     

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.     

影像中的世界*

本文从认识世界的方式入手,分析了传统的金字塔结构影像和最新的时间序列GigaPan影像结构,指出了其存在的局限性,即实际所见的是与现实目标源不一致的该区域的分裂的全要素数据,同时提出了一种面向事件的可以表现多尺度世界中动静状态的新的影像结构。通过分析从现实世界到影像世界的映射关系,探讨了未来遥感影像研究的发展方向。     

一种基于视觉阈值特性的图像融合方法

在分析和比较拉普拉斯金字塔与低通比率金字塔图像融合方法的基础上,结合对于人类视觉特性的了解,提出一种基于视觉阈值特性的金字塔图像融合方法. 该方法要求当目标亮度位于其阈值之上并且不同源图像目标对比度极性相同时,采用对比度指标确定融合要素;否则,采用绝对值指标确定融合要素. 实验结果表明,该方法既可以增强融合图像的对比度信息,又能有效避免低通比率金字塔方法中有时出现的斑点噪声,所需的额外计算量小,因此适用于要求实时性的融合领域.     

改进的多任务学习方法的眼底视盘分割与定位

提出了一种改进的多任务学习方法,网络的主结构由特征提取网络和分别进行视盘分割与视盘定位的双路径网络组成,通过端到端的训练与测试可以实现眼底图像视盘自动分割与定位相结合的多任务目的。在特征提取网络的编码阶段利用密集连接提取眼底图像视盘的上下文特征。视盘分割任务是依靠解码阶段逐步恢复原来的图像分辨率并获取整个视盘轮廓,视盘中心定位任务由空洞空间金字塔模块和金字塔池化模块来进一步提取视盘抽象特征,得到精准的视盘中心坐标。对350幅眼底图像进行了视盘分割和中心定位,实验结果表明:该方法自动分割的视盘结果与手动标注视盘区域的Dice系数为0.965,自动定位的视盘中心坐标与手动标记的视盘中心的平均绝对距离为0.191 mm(34.7像素)。     

LHP定理与定值定理

众所周知,三角形的外接圆周上任一点存在一条 simson 线,而 LHP 定理则指出对于正四面体该结论是不能推广到三维空间上的,并且在论证 LHP 定理的过程中得出了定值定理,同时作为一般四面体的外接球球面上的 H 点、P 点的分布,给出了一个猜想。