浅谈多媒体数据库系统的设计和实现

近年来多媒体数据库技术已经成为数据库技术的一个重要研究方向,本文从数据模型、系统结构和查询方法等三个方面对多媒体数据库系统进行了介绍,并对多媒体数据库技术的发展做了总结和展望。

基于可信数据或门融合的合作压缩频谱感知算法

针对认知无线电(cognitive ratio,CR)中的频谱感知问题,提出一种基于可信数据或门融合的合作压缩频谱感知(reliable-OR rule data fusion cooperative compressed spectrum sensing,RFCSS)算法。首先,次级用户(secondary user,SU)利用压缩理论,获取低维观测数据,再利用基追踪去噪(basis pursuit denoising,BPDN)重构频谱,进而作出感知结果。然后,对SU的感知结果进行可信度估计,只有可信的感知结果的用户,才可向融合中心发送数据。融合中心依据所接收的数据,采用或门准则,作出最终的感知结果。仿真结表明,提出的算法能够降低系统复杂度以及提高感知结果的准确性。

一种改进的图像低维表示方法

目的解决当前方法需要对图像中的相应点手动标记界标,且局限于特定对象或形状变形的问题。方法提出一种可以同时实现图像颜色、外观和形态的图像低维表示算法。结果该算法通过将形态和外观的流形约束到低维子空间上,进一步降低了流形学习的采样复杂性。结论文中方法的性能远优于目前典型的稳健型光流算法和SIFT流算法。在图像编辑和关节学习关任务中取得了令人满意的定性结果。

改进分数阶积分的激光图像去噪

激光图像去噪是提高图像质量的主要技术,为了更好消除图像中的噪声,更多地保留图像的细节信息,提出一种改进分数阶积分相融合的激光图像去噪方法。首先检测出激光图像中的可疑噪声点,确定分数阶阶次,然后采用分数阶积分消除激光图像的可疑噪声点,并采用双边滤波对分数阶积分处理后的激光图像进一步去噪,最后与其它激光图像去噪方法进行对比实验。结果表明,本文方法可以去除噪声,边缘细节得到有效保护,提高了激光图像去噪速度,获得了理想的激光图像去噪结果。

基于TV-泊松奇异积分联合先验模型的图像重构

目的针对当前图像重构算法容易产生过渡平滑图像纹理区域,使复原图像丢失大量纹理,降低重构图像视觉质量等缺陷,提出TV-泊松奇异积分联合先验模型耦合贝叶斯推理的图像重构算法。方法引入配分函数,结合TV函数,构造TV图像先验。定义泊松奇异积分先验,并将其嵌入到TV先验中,设计一种联合先验模型,控制图像纹理平滑度。基于高阶统计量技术,完善图像退化模型,并耦合先验模型,生成重构图像的最大后验估计MAP。引入优化最小原则,求解MAP,完成贝叶斯推理,获取重构图像。对文中算法复原图像纹理的关键参数进行优化,并研究分析该算法的用户响应。结果与当前图像重构算法相比,文中算法的复原视觉质量更高,能够较好地平衡噪声与纹理。在图像退化程度较大时,文中算法具有良好的用户响应。结论文中算法能够较好地同步保持图像边缘与纹理。

“三元一体”高科技竞争型人才培养模式研究

“三元一体”人才培养模式是指我国高校与我国企业和“一带一路”沿线国家高校共同培养具有高端科技国际竞争能力的人才。在一些西方国家围堵中国科技发展和中华民族伟大复兴的大背景下,实施“三元一体”人才培养模式尤为重要。目前我国高校国际高科技竞争型人才培养存在诸多问题,可以借鉴法德大学的经验,从教学模式、科研模式和社会服务模式等方面进行创新,构建“一重二主三阶段”的教学运行机制、“一重二主全过程”的科研培育机制、“一重二导三主四亲五服”的社会服务运行机制。“三元一体”的“项目式”教学、技术研发与创新、服务区域产业经济和社会发展,能够助推我国高等教育高质量发展。

面向蜂窝和车联网的协作共享视频流的策略

由于车联网(vehicular ad hoc networks,VANETs)的高动态的网络拓扑,给视频数据流的共享服务提出挑战。为此,提出面向蜂窝网和VANETs的协作共享视频流的策略(cooperative video stream strategy,CVSS)。采用基于多标准决策算法选择协作下载车辆(cooperative download vehicle,CDV),选择具有最小相对速度、最大链路连通时间、最高可接入带宽和最短距离的车辆成为CDV;CDV利用蜂窝网络下载视频数据,采用DSRC链路转发。仿真结果表明,CVSS策略的平均帧丢失数、平均时延性能优于KCV策略。