【摘 要】
：
针对传统低照度图像特征相似度检索方法存在计算复杂、效率低的问题,提出一种基于五叉树分解的低照度图像特征相似度检索方法。在主成分转变的基础上对低照度图像进行五叉树分解,将被检索图像划分成一系列子块图像,为构建特征直方图及计算相似度作基础;利用图像子块表达形式提取主要特征,得到颜色特征向量,使用归一化方式计算可视化相似度,即颜色相似程度;求得低照度图像特征相似度阈值,完成相似度检索。仿真结果表明,相比
论文部分内容阅读
针对传统低照度图像特征相似度检索方法存在计算复杂、效率低的问题,提出一种基于五叉树分解的低照度图像特征相似度检索方法。在主成分转变的基础上对低照度图像进行五叉树分解,将被检索图像划分成一系列子块图像,为构建特征直方图及计算相似度作基础;利用图像子块表达形式提取主要特征,得到颜色特征向量,使用归一化方式计算可视化相似度,即颜色相似程度;求得低照度图像特征相似度阈值,完成相似度检索。仿真结果表明,相比其它方法,所提方法的检索精准度高、复杂度小,得到的检索结果更佳,鲁棒性更好。
其他文献
为了解决对人体动作局部特征点的识别误差率较高的问题,提出一种基于机器学习的人体动作局部特征点识别方法。首先利用人体在时空状态下的差别及运动频率变化,构建多尺度的局部时空领域特征。以目标之前状态为基础,通过卡尔曼滤波计算法对人体关节位置评估,并对之后的状态做误差最优估计,以此构建人体行为数学模型。利用小波转换函数构建神经网络模型,将之前所提取出来的人体动作特征点参数作为输入神经元,输入进神经网络内进
目前医学资源信息聚类方法由于没有对特定信息进行去噪,使细节信息流失,无法保留有效信息,导致Jaccard系数与F1系数偏低,特定信息聚类效果较差的问题。为解决上述问题,提出基于VSM的海量医学资源特定信息优化聚类模型,采用有标记医学信息与无标记医学信息样本中所包含的信息,设置降维目标函数的参数值,通过建立降维矩阵实现医学资源特定信息降维处理;利用小波变换模极大值对医学资源特定信息去噪处理,在去噪过
由于非结构化大数据不存在固定控制中心,会严重影响云存储阶段稳定性,因此,以非结构化大数据为研究目标,构建一种云存储稳定性优化方法,并通过仿真加以效果评定。根据架构的不同环状态消耗能量计算方法,最小化非结构化大数据的云存储能量消耗,将优化核心设定为最大化云存储环活动时间,按照内部节点、边界节点编号顺序,完成所有区域云存储平衡函数的并行架构,通过制定约束条件,引入利用概率期望值与弹性期望值,采用存储梯
非结构化数据存在差异性,对标注模型的构建存在不足,影响标注质量。提出基于多通道卷积神经网络的非结构化数据标注方法。建立Hive分布式查询框架,对其中与标注目标相关的数据进行相似性查找,同时建立众包标注集,确定相关标注概念。对标注集中的标注差异性,利用多通道卷积神经网络对其差异性进行确认,并确定标注任务函数。利用标注任务函数,建立任务标注模型,利用模型中求得函数解值完成标注任务。为了验证设计的非结构
针对目前算法在多节点信息资源分配推荐时,未对多节点信息资源进行相似性计算,导致多节点信息资源分配时间长,信息资源分配正确率和推荐列表覆盖率较低的问题,提出基于协同过滤的多节点信息资源分配推荐算法。采用协同过滤算法,整合处理节点信息资源,构建信息数据评分模型,运用评分模型,查找节点信息数据的最近邻居集进行预测评分,利用相似性计算,完成多节点信息分类。根据二部图网络结构,资源分配分类节点信息,生成推荐
针对深度确定性策略梯度算法(DDPG)中的经验回放机制,提出了一种综合了高优先级数据重播和高相似度数据剪枝,并对送入网络训练的样本数据进行处理的方法。针对先进先出存储方法和重放缓冲区中随机采样方式造成经验回放效率较低的问题,提出了解决方案:选择高优先级样本送入网络进行训练,同时移除缓冲区中的相似度较高的样本并保留一些罕见的样本。通过相关实验表明,方法不仅可以在更短的训练时间内达到更好的性能,而且可
针对AGV通信网络覆盖率资源不完善以及调度效率慢的问题,提出AGV通信的网络高覆盖率资源优化调度方法。根据AVG通信网络资源优化调度原理,获得网络调度中单一节点特征访问的控制模型,构造网络高覆盖率资源模型。运用网络高覆盖率资源模型计算资源分布式调度配置权值,综合考虑AVG通信网络的性能指标、服务质量和服务能力,建立综合评测模型,将测评模型融入到高覆盖率资源模型中,获得网络节点情况,预测任务的执行度
针对传统反馈信息识别方法背景信息分割目标存在无效特征,导致目标信息识别准确率低、识别结果不完整的问题,提出一种使用背景建模和阈值分割的多目标反馈信息自动识别方法。明确视觉图像背景目标的位置信息和颜色特征,结合欧式距离归一化处理背景多目标反馈信息;引入分类器概念分类区域场景图像目标;通过图像像素灰度与周围局部灰度的特性,确认像素的阈值,并有效提取视觉图像分割阈值;在此基础上,计算目标区域的周长、面积
由于传统图像序列识别方法受噪声因素影响,导致序列识别精度较低,提出一种基于低秩分解的异常步态活动图像序列识别方法。设定步态历史图像序列作为标准图像序列,根据矩函数的特征向量,列出Zermike矩提取图像序列特征向量数据。对步态图像像素点矩函数特征进行识别并转化为向量格式,利用低秩分解方法构建结构化矩阵低秩表示模型,去除序列特征向量数据噪声。对分解去噪后的数据进行Curvelet特征转化,得到形变约
在励磁装置系统中,三相桥式全控整流电路发挥着极为重要的作用。针对其整流电路中晶闸管的故障问题,提出了一种改进的卷积神经网络(CNN)故障诊断模型,与传统卷积神经网络相比,改进网络参数较少从而提高计算速度,使用BN层替代LRN图层利于网络的稳定和收敛,并使用Adam优化器进行权值迭代更新。利用开源深度学习平台TensorFlow进行实验,仿真结果表明,改进方法对晶闸管故障电压识别分类和三相母线电流识