基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,再利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法提升了2.7%,并在较难区分的树和山脉的预测精确度上,相比层次标记方法分别提升了16%和25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。

小波变换传递误差、尺度、加权量化对分层树剖分编码图象压缩质量影响的研究

详细研究了小波变换传递误差、尺度、快速 Mallat算法加权量化对分层树剖分 (SPIHT)编码图象压缩质量的影响 ,并给出了基于 VC++的仿真结果 ,结果表明 ,小波变换尺度对图象压缩编码效果有明显的影响 ,通常要在大于 4的尺度上作图象压缩编码才可以得到较好的压缩效果 ,不同的边界延拓 ,不同尺度的取整重构、加权量化对图象压缩效果的影响是不同的 ,恰当选取加权量化步长能达到更好的图象压缩效果 ,一般而言 ,同一尺度下随加权量化步长的增加 ,压缩效果变差 .

基于多小波的彩色图像分层树集合分裂算法

提出一种基于多小波变换的改进的彩色图像分层树集合分裂(set partitioning in hierarchical trees,SPIHT)算法,将彩色RGB图像转换到YCbCr色彩域,Y通道分配到2倍于Cb,Cr的比特,在各色彩通道间构造新的方向树结构,重组图像多小波分解系数,进行嵌入式多小波彩色图像SPIHT编码.结果表明,该算法具有良好的编码效果,性能优于9/7单小波编码.

CHT_LEACH——基于LEACH的聚类分层树路由算法

针对传感器节点能量及传输半径有限的特点,提出一种基于LEACH的聚类分层树路由算法CHT_LEACH。在簇形成阶段,通过候选簇首到最终簇首的择优选择,使网络中任意两个簇首都不在各自的簇半径之内,避免两簇首距离太近,达到簇首分布均匀的目的。在簇间通信阶段,建立以基站(BS)为根的分层树,减少了簇首直接传送数据到BS所需能耗,从而延长了网络的生命周期。

基于分层树模型的中文网页主题时间提取方法

新闻主题事件时间表征了新闻事件的时间特征,在新闻信息检索和挖掘中具有极其重要的作用。针对目前新闻主题事件时间提取算法准确率较低的问题,通过动态确定隐式时间表达式的参考时间的方法来解析不同形式的隐式时间表达式,提出了利用分层树模型来构建时间信息内在的联系,在此基础上结合统计和位置方法完成主题事件时间的提取。实验结果表明,该方法大幅度提高了新闻主题事件时间提取准确率。

基于空间约束分层树模型的彩色图像分割

由于数字图像往往体现出很强的层次特征,定义一种针对图像像素点的空间约束分层树模型,对图像进行分割.通过查询像素点等级,对分层树进行概率统计,依照置信度下的等级赋值规则进行剪枝,得出节点的分类结果,从而完成图像的分割.为了加快树的生成,增加了空间约束条件.树的剪枝代表了图像的分割过程,剪枝条件的设置对最后的结果有较大的影响.实验结果表明,基于空间约束的分层树生成速度大大提高,图像分割结果良好.

基于分层树集合分割的分布式干涉多光谱图像压缩

提出了基于分层树集合分割(SPIHT)的分布式干涉多光谱图像压缩算法,将SPIHT和分布式信源编码(DSC)有效结合,以同时去除图像序列帧内、帧间及小波系数子带间的强相关性。根据DSC的特点,提出了基于边信息的辅助重构方法,以减少量化误差,提高重构质量。为了进一步保护光谱信息,采用基于加权提升系数的感兴趣区域(ROI)方法,对包含大部分光谱能量的强干涉区域优先编码。辅助重构方法在ROI保护方面也具有明显的优势,在保护强干涉区域的同时,能减少弱干涉区域的信息损失。实验结果表明,和变换域的DSC相比,算法的峰值信噪比(PSNR)提高了大约0.5 dB,拟合原始光谱曲线的性能较其它传统算法也有明显的提高。

基于分层簇树结构的无线传感器网络的设计与仿真

针对无线传感器网络中传感器节点能量有限的特点,提出了一种分层树结构的无线传感器网络分簇组网算法.算法中,将整个网络分簇架构模型分为上层和下层,上层为簇间层,下层为簇内层.网络设计开始于指派设备DD,组网过程中优先选取剩余能量高的节点作为簇头,且在簇间层启用中继节点这种新型节点将簇头连接起来,最终形成以DD为树根的多跳分层树网络.仿真结果表明了这种分层树结构的分簇算法比传统的LEACH更有效.

基于局部融合特征与分层增量树的快速人脸识别算法

传统的人脸识别模型采用离线方式进行训练,同时由于人脸特征维数较高导致算法的实时性不足。文中分别从人脸特征与分类器两方面来构建快速的人脸识别算法。首先使用SDM(Supervised Descent Method)算法进行人脸特征点定位,提取每个人脸特征点邻域内的局部(Multi Block-Center Symmetric Local Binary Patterns,MB-CSLBP)特征,并将所有的人脸特征点邻域特征以串联的方式构成局部融合特征,即所提出的局部融合MB-CSLBP特征LFPMB-CSLBP(Local Fusion Feature of MB-CSLBP)。将以上特征送入分层增量树HI-tree(Hierarchical Incremental tree)中进行人脸识别模型的在线训练。分层增量树是使用分层聚类算法来实现增量式学习的,因此其能够以在线的方式对识别模型进行训练,具有较高的实时性与准确性。最后在3种不同的人脸库以及摄像头采集的人脸视频上对算法的识别率与实时性进行测试。实验结果表明,相比于当前其他算法,所提算法具有较高的人脸识别率与实时性。

基于分层供电树的配电网供电恢复算法

充分利用配电网辐射运行的特点,将问题转化为供电树分层问题。通过对供电树进行分层,减少了搜索空间,从而大大降低了问题复杂度。为提高供电恢复速度,将问题分为离线计算和在线计算两部分,通过离线计算所得到的数据可以减少在线计算时的搜索空间,提高了在线计算的搜索速度,有效满足了供电恢复的实时性。算例计算说明该算法是高效可行的。

使用小波分层连通树结构的压缩信号重构

基于小波树模型的压缩感知可以通过较少的观测量得到鲁棒的信号重构,但采用最优树逼近时,则存在复杂度大的问题。在证明分层后的小波树仍然具备连通树性质的基础上,提出了基于小波分层连通树结构的压缩重构算法,在与原观测量一致的情况下,保证了重构精度并且提高了重构效率。实验结果表明,改进算法相对于原算法在处理大尺度数据时,效率有明显的改善。

基于视觉单词树的快速图像检索

建立了一种分层的视觉字典树.首先提取图像特征,定义树的分支因子k和层数L,采用分层聚类算法进行逐层聚类,生成树型结构的视觉单词本,并对每个树节点计算逆向文档频率作为权值,定义得分准则进行图像的相似度匹配.新的视觉单词树由于建立了分层结构,较之传统平面结构的视觉单词本具有计算负荷小、单词个数不受约束、搜索速度快等优越性.在Caltech-101图像库的检索实验中验证了本文算法的快速性和高效性.

基于多树分片贪婪寻优的方向小波变换图像编码

为了更好的利用图像的局部方向性,采用方向小波变换和贪婪算法寻找次最优多树分片,并利用易于实现的经验R-D公式作为贪婪寻优准则.实验结果表明,与一些流行的编码方法相比,所给的算法具有较好的编码增益和视觉质量.

一种实现模拟电路自动化设计的新方法

针对模拟电路尺寸调整的自动化设计进行了研究,提出了一种基于正项式模型的模拟电路设计新方法,该方法将模拟电路设计问题构建为一个凸优化问题;具体来说,对于一个具有多个规格指标的模拟电路,首先从物理模型和电气模型两方面分别建立具有正多项式的工艺过程相关级模型和电路块级模型,然后扩展到更高层次的层次模型——系统级模型,从而完成电路的综合设计。以一个二级运算放大器和一个标准流水线模数变换器的设计实例表明,提出的方法相比于一般的设计方法不仅可以更精确地建模真实的电路行为,而且还可以在各种规格指标之间提供较好的权衡。

一种快速稀疏分解图像去噪新方法

提出了一种基于分层树型结构正交匹配追踪算法的快速图像去噪方法.通过选择高斯函数和墨西哥草帽小波母函数构建混合冗余字典,采用分层树状结构表示字典,结合构正交匹配追踪算法,实现图像稀疏表示,提高了图像表示的稀疏性,降低了算法的复杂度.依据噪音能量阈值,通过多次迭代达到图像去噪的目的.实验结果表明,在相同的噪音水平下,该迭代去噪算法取得了较高的较好的PSNR,获得更好的视觉效果.

一种基于混合整型变换和3D-SPIHT的高光谱图像嵌入式无损压缩方法

利用高光谱图像空间、谱间相关性不同的特点,本文提出了一种基于混合整型变换和三维分层树集合划分算法(3D-SPIHT)的高光谱图像无损压缩方法,首先将波段进行分组,针对每一分组,采用不同的整型变换技术去相关,然后对变换系数进行系数重组,采用高效的基于小波系数特点的3D-SPIHT编码方法得到嵌入式码流,具有一定的抗误码性能.实验结果表明,该方法能够有效的去除高光谱图像的空间和谱间相关性,与现有的国际标准JPEG-LS、JPEG2000和基于三维离散余弦变换(3D-DCT)或三维离散小波变换(3D-DWT)的编码方法相比,压缩后的平均比特率均有明显降低.

基于在线评论的课程思政学生关注点研究

受众的关注点是教学设计与教学效果评估中的关键问题。教育研究领域关于思政教学中学生关注点的研究较少,且基于问卷的研究方式受到成本、数据量与样本偏差的限制,效果有限。文章提出一种基于深度预训练模型的课程思政评论话题识别方法。基于自主爬取的相关评论文本,首先通过Bert算法进行特征表示和降维;然后针对经典的分层隐树分析方法处理词共现问题的区分度不足及高时间开销等问题,提出了基于阈值的词共现预修剪的分层隐树模型;最后基于提出的方法,实现了数据获取、预处理、话题挖掘及结果展示的全流程平台。实验结果表明,提出算法具有更好的话题检测性能。研究发现,学生对于带有思政内容的课程的关注点主要仍在于课程教学本身,而不满主要对于思政点融入比较机械等情况。

一种基于SPIHT的ROI图像编码

感兴趣区域ROI (RegionofInterest)编码是正在制订的静止图像压缩国际新标准JPEG2 0 0 0支持的一种创新方法。在渐进重构的初始阶段 ,ROI的保真度高于图像其余部分 (背景 )。该方法可观地节省了传输时间和存储空间。由于SPIHT是嵌入式编码 ,所以在按一定比例放大ROI系数 (或者按一定比例缩小背景系数 )后 。

基于提升方法的SPECK算法的研究

集合分裂嵌入块编码算法(SPECK)是基于小波变换的采用块状结构的图像编码算法。对SPECK算法的排序过程进行了详细的分析,针对离散小波变换(DWT)在相同压缩比下,SPECK算法重建的图像质量有时比SPIHT算法差的情况,提出基于9-7整数小波变换的改进的SPECK。先对图像整数小波分解,然后通过完善集合分配策略、合理分配比特等处理。实验结果表明,该算法在相同的输出码率情况下不仅得到了更好的恢复效果,而且缩短了编码时间。