改进哈希编码加权排序的图像检索算法

针对哈希编码加权排序算法中利用随机采样计算权重,导致权重分配不准确,检索精度较低的问题,提出一种由粗到细的哈希编码加权排序图像检索算法。通过生成较短的哈希编码提升编码效率;利用数据依赖差异得到的采样子集计算哈希码比特位权值,进行加权汉明距离排序得到一个候选最近邻集合;计算集合中数据的得分并重新排序,进一步提高检索精度,实现查询图像的最近邻检索。在手写数字数据集(MNIST)上进行仿真实验,结果表明:当编码长度为48 bit和96 bit时,改进算法的平均准确率可提高13. 33%和11. 61%。

一种目标提取新方法—光谱排序编码法

为了进一步提高光学遥感目标提取精度,拓展目标提取方法的适用范围,推进遥感智能化信息提取方法的发展,本文从谱带强度与波形特征有机结合的角度出发提出了光谱排序编码法。首先介绍了该方法的基本原理:对端元光谱与图像光谱按谱带强度大小各自进行排序的基础上,通过比较同一顺序上的波段位置的异同来计算两条光谱曲线的相似度;然后开展了与约束能量最小法(CEM)、光谱二阶导数法(SSD)的目标提取精度对比实验,结果表明该方法的目标提取精度为95%,比CEM提高了41.9%,比SSD提高了46.9%;最后利用SPOT多光谱和AVIRIS高光谱数据检验了该方法在目标提取适用范围上的能力,结果表明该方法既适用于多光谱遥感,又适用于高光谱遥感。总之,算法具有速度快、精度高、适用范围广的特点。

一种岩性提取新方法——光谱排序编码法

光谱排序编码法(SSE:Spectra Sort Encod ing A lgorithm)是在对目标光谱与地物光谱按光谱强度大小进行排序的基础上,计算两条光谱曲线的相似度,然后,根据相似度与识别误差进行编码,从而达到识别目标的目的。文章详细介绍了算法提出的背景、原理,并对算法在岩性提取中的精度进行对比验证,结果表明在识别误差从0到0.3变化的过程中,算法最高精度的平均值为1,平均精度的平均值为0.825。高精度是其进行岩性提取的基础,岩性端元提取对比试验的结果也证明它是一种有效的岩性提取算法。

中值滤波编码算法的设计原理与实现

介绍了一种中值滤波编码快速算法的设计思路、基本运算步骤、算法流程及算法分析 该算法利用数据窗口中元素的位置关系 ,并考虑了相邻的两个中值滤波窗口内数据元素的相关性 ,采用编码排序的方法保留前面窗口内数据的编码排序信息 ,作为后一个窗口内数据排序的参考依据 由此 ,将传统算法中相邻的两次中值滤波运算合并为一次进行 ,减少了中值滤波过程中比较运算的次数 该算法可将传统算法的复杂度O(n2 )简化为O(n)

一种基于动态图编码的软件水印方案

软件水印能够证明软件的相关信息。目前,软件水印算法大多基于经典的动态图软件水印算法——CT算法。该算法将水印分解为水印片段后,通过编码方案实现水印片段的嵌入。针对扩展的平面环路树(ExtendPPCT)编码方案改变了原平面环路树(PPCT)编码结构、水印隐蔽性较差以及节点易被删除攻击破坏的缺点,提出一种新的基于平面环路树(PPCT)和排序图的混合编码方式来实现成组地表达同余方程的模数和余数:PPCT枚举表达模数,对PPCT的叶子节点进行排序编码表达余数。这种成组编码方式使得嵌入软件中的水印片段减少了一半,对嵌入水印的程序的性能影响较小,水印的隐蔽性更强;并且这种编码方式不改变原PPCT的唯一外部回路,同时可抗击删减攻击。

基于小波分解和异步重构的图像信息增强算法（英文）

针对传统基于小波变化的图像信息增强问题,提出了一种结合小波分解和异步重构的图像信息增强算法。其中的异步重构方法并不采用通常的顺序,而是采用排序编码来执行。通过模拟人脑处理视觉信息的方式,该方法试图通过使用较少的频率通道来实现图像重构。首先,信号首先通过高斯差分滤波实现空间频率分解。然后选择最重要信息频率分量,每个像素利用最好的尺度进行重构,并且忽略弱响应尺度。实验结果表明:在局部重构的情况下,相比传统的标准排序重构算法,提出的算法能够快速的实现图像重建并达到较高的增强效果。

一种遥感目标提取新方法

提出了一种简单实用的目标提取方法:光谱排序编码法。光谱排序编码法就是在对目标光谱与地物光谱按光谱强度大小进行排序的基础上,计算两条光谱曲线的相似度,然后,根据相似度与误差范围进行编码,从而达到识别目标的目的。文章详细介绍了算法提出的背景、原理并对算法的精度进行多种地物类型对比验证,试验结果表明算法最高精度的平均值为0.95,是一种有效的目标提取算法。

SpikeNet的研究及其在快速人脸识别中的应用

对SpikeNet网络的研究,其主要目的在于根据电生理学的研究成果,通过计算机构造与人脑相似的神经元及其网络拓扑结构来模拟人脑的思维过程,进而学习人脑对外界事物的反应过程,实现对人脸图像中的兴趣区域识别和智能处理。对SpikeNet的研究将有助于提高网络的识别速度和识别效率,对人工智能的研究和发展具有深远的意义。SpikeNet的理论基础是基于激发(spike)原理的排序编码(rank code ordering)研究思想。在数以万计的视觉神经元中,大脑可以将神经元按照敏感性排序,对于特定情况敏感的物体,特定的神经元会及早突破阈值而激发产生Spike,并通过多层网络不断传递信息。对人脸识别的实验表明,SpikeNet在速度上达到实时的神经计算,并且能很好地克服对比度和噪声的影响,获得比较理想的实验效果。

稀疏分解在图像压缩中的应用

文中提出了一种新的基于稀疏分解的图像压缩算法。该算法引入差分进化快速算法来对图像进行稀疏分解，并根据稀疏分解后的数据分布规律对结果数据进行排序和差分预处理。仿真实验结果表明，该算法能够更有效地实现图像的压缩．其相同压缩比下的解码图像具有更高的峰值信噪比和主观图像质量。

基于PLC的报警信号次序显示控制系统

在工业生产过程的信号报警控制系统中,利用可编程序控制器(简称PLC),对三路报警信号出现的先后进行判定和显示。

基于基因权重动态调整遗传算法的编码

针对标准遗传算法中交叉算子容易破坏定义长度较长的优良模式的弱点 ,提出了一种动态排序编码方法 ,以提高交叉算子的效率 .首先对当前代种群确定基因权重 ,然后根据基因权重对基因位置进行动态排序 ,使优良基因变得集中 ,从而克服了标准遗传算法中交叉算子的弱点 .为了避免陷入局部最优 ,对变异算子进行了改进 .最后做了大量实验 ,并根据实验结果对该方法进行了评述 .