【摘 要】
：
This paper describes a dynamically reconfigurable data-flow hardware architecture optimized for the computation of image and video. It is a scalable hierarchically organized parallel architecture that
【出 处】
：
Journal of Shanghai Jiaotong University(Science)
论文部分内容阅读
This paper describes a dynamically reconfigurable data-flow hardware architecture optimized for the computation of image and video. It is a scalable hierarchically organized parallel architecture that consists of data-flow clusters and finite-state mac
其他文献
铝毒是作物在酸性土壤中生长的主要限制因素,水稻作为耐铝毒较强的作物,有着精细的抗铝机制。水稻的高抗铝性受多基因控制,其中包括抗铝转录因子基因、多药及毒性化合物外排家族(multidrug and toxic compound extrusion,MATE)基因、铝特异转运蛋白基因、液泡ATP结合盒(ATP binding cassette,ABC)转运蛋白基因、细菌型ABC转运蛋白基因、镁转运蛋白
On April 20, 2013, a magnitude M s 7.0 earthquake occurred in Lushan, Sichuan Province, China, and caused heavy casualties and economic losses. Based on the local broadband waveforms in Sichuan and ad
本刊2013年第4期(35-41页)的《地震学百科知识(三)——地震学反演问题》一文,40页第6行中的"设A为n×m的实矩阵"应改为"设A为m×n的实矩阵",敬请读者注意。
在对国际地震预报委员会(ICEF)报告[1]的评论中,Crampin[2]声称剪切波分裂变化可以在短时间尺度上预测地震,并且可靠性高,技术性强。他对ICEF的一个重要发现提出挑战到目前为止,没有任何方法具有如此高的预测能力。特别是,Crampin宣称,在意大利中部三孔应力监测站点(SMS)剪切波分裂观测可以监测SMS
At 08:02 on April 20, 2013, a Ms7.0 earthquake occurred in Lushan, Yaan, in the Longmenshan fault zone, Sichuan. The epicenter was located between Taiping Town and Shuangshi Town, Lushan County and th
生物特征识别技术工作组研究语音、牙齿、口腔标准美国国家标准与技术研究所(NIST)举办了一次研讨会,讨论并提出补充生物特征识别数据,包括语音识别、牙齿和口腔数据,以便在灾难中识别受害者,特殊数据需要使用移动应用
针对多目标跟踪时因存在很多不确定性因素,而导致粒子滤波不能有效处理多模式的增长问题,首先,提出一种混合粒子滤波跟踪方法,通过混合权值的计算实现粒子间的相互关联,能有效地保持和处理多模式问题;其次,为了提高算法对数目变化的多目标跟踪处理能力,在混合粒子滤波跟踪算法中,又融入了Ada-boost检测算法,用动态模型和Adaboost检测信息合并成的混合观测模型构造似然函数,实现了一种能学习、检测和跟踪
针对目标检测过程中的动态场景变化、光照变化以及鬼影现象,提出一种鲁棒的自组织背景减除前景提取算法——检测算法.首先将捕获的视频帧转换到HSV颜色空间,在背景建模阶段,采用类似自组织人工神经网络的方法将HSV分量映射到一个二维神经元网格中;然后用HS分量计算的色度差和TOM方法来提取真实的运动前景,结合色度差与亮度差检测并去除阴影和高光,采用一种考虑了空间关系的方法对背景进行动态更新.实验结果表明:
通过分析随机子窗口显著性检测方法的不足,提出一种改进的显著性检测方法.该方法在计算每个随机子窗口内各像素的显著性值时记录每个像素的采样次数,这样可以避免图像中间的非显著像素因多次采样而导致其显著性值过高;通过计算一次每个像素与整幅图像均值之间的距离,从而保证每个像素都参与显著性计算;最后运用积分图像加速每个子窗口内的特征均值计算.实验结果表明:相比于传统的随机子窗口显著性检测方法,所提方法的检测效
采用分层组织的形式将传统高斯混合模型分为背景层、竞争层和噪声层,各层分别采用不同的更新机制,在各层之间引入晋级和降级机制以纠正可能存在的误判。采用基于轮廓检测的噪声滤波实现噪声层更新以消除噪声,并利用直方图匹配检测伪前景区域以提高对背景变化的适应能力。使用停车场视频和铁路客运站候车室视频对改进后高斯混合模型的检测效果进行了验证。验证结果表明:改进的高斯混合模型有效避免了长期静止的目标被融入背景,降