磁宁静期磁尾爆发性整体流持续时间多点卫星研究

本文利用星簇CLUSTER的三颗卫星数据分析了磁宁静期磁尾爆发性整体流(BBFs,BurstyBulkFlows)的时间尺度,并与单个卫星的结果做了比较.事例研究表明,利用三颗卫星观测数据判断的BBFs的时间尺度比单个卫星的大一倍左右.对于三颗卫星观测到的同一个BBFs ,BBFs在晨昏方向上的摆动决定了CLUSTER的三个卫星观测到BBFs的先后次序.三颗卫星的观测也显示了BBFs的高度局域化特征.磁宁静期磁尾BBFs寿命的增大,使得BBFs携带的质量和能量的地向输运增加.这种地向输运增加的结果是:磁尾储存的能量得到较为平稳的释放,改变了亚暴起始产生的时间,为解决磁层压力平衡矛盾(PBI,PressureBalanceInconsistency)问题提供了新的思路.

基于OBE理念的应用密码学课程教学改革

针对应用密码学课程教学目标不够精准、教学内容多且难的问题,以OBE教育理念为指引,从校准课程教学目标、精设教学内容、优化教学策略、革新考核方式方面介绍具体课程教学改革过程,最后说明教学效果。

基于BBF模式的应用密码学实验教学探索

为有效达成应用密码学课程实践教学目标,分析传统实验模式存在的问题,提出基于BBF模式的实验模式,探讨如何通过构建密码系统、分析破解、修复维护一系列环节,全面锻炼学生的密码学知识应用能力与综合素质能力,介绍多维度评价指标的构建,最后说明实验教学效果。

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT(Scale Invariable Feature Transformation)特征匹配算法,解决了图像中存在多个相似区域时造成的误匹配问题。在尺度空间检测出特征点,生成包含两基于局部信息的SIFT向量和基于全局信息的全局向量;采用BBF(Best Bin First)算法进行搜索,并采用欧氏距离作为度量函数进行特征向量的匹配。实验结果表明,由于在基于局部信息的SIFT向量中加入基于全局形状信息的全局向量,使得当特征点的尺度较小时,可以借助更大邻域范围内的信息对其进行描述,从而降低了由于局部信息相似而造成的误匹配的概率。所用图像误匹配的概率由19%下降到了11%,极大地改善了匹配效果。

复杂图像特征点提取与匹配方法

采用改进的SIFT(Scale Invariant Feature Transform)算法对自然环境下获取的复杂场景图像进行特征量提取;通过添加存入最小优先级队列的限制条件,对现有的BBF(Best Bin First)匹配算法进行改进以提高算法的搜索效率;针对复杂图像误匹配较为严重的现象,设置匹配判定准则和几何约束条件,对匹配结果中可能的误匹配加以剔除。实验结果表明,新方法在匹配效率和匹配准确率的提高上效果明显。

磁尾爆发性整体流与亚暴的关系

利用星簇Cluster的三颗卫星(C1,C3和C4)在2001年和2002年的数据,研究磁尾爆发性整体流(BBF,Bursty Bulk Flow)事件及其与亚暴的关系.三颗卫星可以同时观测到同一次BBF事件,有时只有一颗或两颗观测到BBF,其原因有:(1)等离子体整体流的速度峰值满足BBF选取原则中的峰值要求,但卫星的运行轨道不满足;(2)卫星处于所要求的区域内,等离子体整体流的速度峰值不满足;(3)中性片的复杂结构及其运动使得选取条件不能同时满足;(4)BBF空间分布高度局域化.统计研究结果表明:单颗卫星观测存在局限性,C1、C3和C4卫星独立观测到BBF的持续总时间分别占它们联合观测到的55.07%、77.48%和55.52%;大部分亚暴爆发期间都能观测到BBF,甚至在一次亚暴爆发期间观测到多次BBF;少数亚暴爆发期间没有观测到BBF.

基于市场分析的中国生物质成型燃料状况(英文)

研究了2010年中国生物质成型燃料,尤其是农林剩余物成型燃料的发展情况。首先讨论了生物质成型燃料技术及其分类,然后分析了农林剩余物资源状况和能源利用潜能,最后对中国各个地区的生物质成型燃料发展状况进行了市场分析和优势、劣势、机会、挑战分析。分析表明:主要的农业剩余物和大部分林业剩余物可作为生物质成型燃料的良好原料,具有很大的能源利用潜能;在华中、华东、华南、华北和东北等地区生物质成型燃料市场发展情况较好;发展和提高生物质成型燃料技术及成型燃料燃烧技术,为成型燃料提供更多的激励和支持政策,建立更多成型燃料示范基地,提高公众环保意识及限制煤的不合理利用等将有利于中国生物质成型燃料的发展。

一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.

结合FAST-SURF和改进k-d树最近邻查找的图像配准

针对两图像之间存在平移和旋转变化的图像匹配,提出了一种结合FAST-SURF和改进k-d树最近邻查找的图像配准算法。该算法首先用FAST(加速分割检测特征)检测器进行特征点提取,然后根据特征点周围邻域的信息生成SURF(快速鲁棒特征)描述子,采用一种改进的k-d树最近邻查找算法BBF(最优节点优先)寻找特征点的最近邻点及次近邻点,接着进行双向匹配得到初匹配点对,最后利用RANSAC(随机抽样一致性)算法消除误匹配点,findHomography函数寻找单应性变化矩阵,从而计算出图像间的相对平移量和旋转量。实验结果表明,该算法平移参数的最大误差为0.022个像素,旋转参数的最大误差为0.045度,优于传统的SURF图像匹配算法,实现了图像的快速、高精度配准。

SIFT特征匹配的显微全景图拼接

针对细胞图像序列模糊、传统的特征提取方法鲁棒性不强、伪匹配点对较多、图像匹配耗时过长、融合效果不佳等问题,提出了一种强鲁棒性、快速和精确的图像拼接算法.该算法首先用基于尺度不变(SIFT)算法提取细胞图像特征点,接着采用改进的BBF(Best-Bin-First)算法对特征集进行初始的双向匹配,然后采用随机抽样一致性(RANSAC)算法对匹配点对进行进一步提纯并估算出单应性矩阵,最后根据细胞图像序列之间的单应性矩阵关系将其投影到统一标准的平面坐标系下,用具有塔型结构的多分辨率融合算法对图像进行无缝融合完成全景图拼接.实验结果证明:该算法提取到的特征点分布均匀且数量适中,误配情况明显减少,能够有效地实现显微全景图的无缝拼接.

基于改进SIFT算法的图像复制粘贴篡改检测

复制粘贴是一种常见的图像篡改方式,也是最隐蔽的图像篡改手段之一。SIFT是一种常用的匹配算法,同时也是一种较为有效的复制粘贴图像篡改检测方法。目前基于SIFT的图像篡改检测方法中,存在着匹配精度差及时间复杂度高等问题。为了克服这些问题,对SIFT算法进行了改进:针对阈值增大造成精确性差的问题,采用拟合优化的方法确定阈值,对SIFT算法中提取特征点的方法进行了改进;针对SIFT算法特征匹配阶段时间复杂度高的问题,采用基于K-D树的BBF搜索算法进行最近邻查询以实现特征点的快速匹配,对SIFT算法中的特征匹配进行了改进。实验结果验证了该算法的有效性。

PCPF:一种面向多媒体数据库中高维向量匹配的并行索引结构

提高特征向量的匹配效率是将高维局部特征运用于多媒体数据检索的关键.面向多核处理器架构,提出一种新的PCPF索引以及PCPF并行构建与并行查询匹配算法.PCPF并行构建算法通过量化特征向量构建近似向量空间上的高维索引结构,并进行空间划分并行构建多个子索引分支;PCPF并行查询匹配算法利用优先队列在邻近子分支上并行过滤得到近似近邻候选集,精确计算候选实际特征向量得到最终近邻.实验及分析表明,与经典的BBF算法相比较,PCPF通过降低了磁盘I/O和浮点运算次数以及并行优化,显著提升了查询匹配效率,总体匹配精度也有所提高.

联合SIFT特征点和CS-LBP特征描述子的复制粘贴篡改检测

针对现有数字图像复制-粘贴篡改检测中尺度不变特征变换(Scale Invariant Feature Transform,简称SIFT)算法计算复杂度高的问题,文章提出一种将SIFT特征点和中心对称局部二进制模式(Center Symmet-ric-Local Binary Pattern,简称CS-LBP)描述子相结合的篡改检测方法。首先提取SIFT关键点,再对每个关键点生成CS-LBP特征描述子,并利用K-D(k-dimensional)树和BBF(Best-Bin-First)搜索算法寻找符合特征匹配关系的匹配点对,判断是否存在图像区域的篡改。实验表明,与同类算法相比,所提出算法在不损失检测精度的同时有效地减少了运算量。

基于SURF与BBF的棉花图像匹配算法

在棉花图像分割与识别的基础上,为获得棉花三维空间位置信息,需要对双目采集的棉花图像对进行精确的匹配。采用加速分割检测特征、加速鲁棒性特征和BBF方法匹配棉花图像对。首先采用FAST检测图像角点,并计算各角点的SURF描述向量,然后采用BBF方法搜索匹配点对,最后利用RANSAC和极线约束剔除误匹配点对,为下一步准确定位棉花三维空间位置信息奠定基础。

基于改进SURF的图像配准关键算法研究

针对图像特征匹配算法维数高,实时性低的缺陷,研究了SURF特征匹配算法,并对其进行了改进。首先在图像的尺度空间中提取SURF特征点,并生成扩展的特征描述向量。然后建立KD-Tree特征结构,采用BBF查询机制进行最近邻查询实现特征点快速匹配。实验结果表明,SURF算法进行特征检测的时间是SIFT算法的1/3;使用BBF进行特征匹配,匹配速度提高了2—3倍。

基于特征点的图像配准与拼接技术研究

图像配准与拼接成功的关键在于特征点提取和匹配。针对传统的sift算法提取特征点计算量大、耗时长的问题,文章采用改进后的surf算法先对两幅图像的重叠部分提取特征点,使用bbf(best-bin-first)查找初始匹配对后采用ransac算法剔除误匹配并计算两幅图的变换关系,最后采用无缝拼接技术实现了图像的平滑镶嵌。

一种基于统计特性的Harris图像匹配

目标识别和视频跟踪的根本目的是通过源图像匹配目标。许多匹配方法都是基于图像灰度或者多特征点的匹配。角点在图像旋转、灰度、噪声和角度变化下,匹配效果理想。首先提取Harris特征点的方差和协方差,然后运用于最近邻(NN)和BBF算法匹配。实验表明,该算法不仅克服了复杂背景下灰度分布不均的问题,同时对缩放也具有一定的阻抗能力。

一种基于不变特征的图像匹配算法

提出了一种基于图像不变特征的目标匹配算法.算法首先采用了一种改进的SIFT图像特征点提取技术提取目标的SIFT特征向量;建立改进的Kd-Tree特征结构,使用BBF搜索策略完成特征的匹配,接着建立目标的姿态变换空间对匹配点进行HOUGH聚类,去除错误的匹配点,最后对匹配点按照最小二乘法拟合出目标的姿态参数,从而完成目标的定位.实验结果表明,在目标发生平移、旋转和缩放以及场景部分遮挡、视角变化等因素引起的图像变形时,算法均能够稳定地匹配出目标.

基于ASIFT的图像快速匹配算法

ASIFT特征在图像旋转、尺度变换和视角变化的条件下具有良好的不变性,较传统的SIFT算法具有完全的仿射不变性,且在图像配准中能够获得更多精确的匹配点。但是,ASIFT匹配效率比较低,耗时较长。基于ASIFT的图像快速匹配算法是结合基于BBF查询机制的KD-Tree索引的近似最近邻搜索即先建立数据集索引,然后进行快速匹配的算法。实验结果表明,改进的算法比传统的ASIFT图像匹配算法和SIFT匹配算法在匹配速度、匹配精度方面优势明显。

基于特征点的最近邻配准算法

利用尺度不变特征点的提取方法提取特征点,并对SIFT方法提取出的特征点用最近邻算法进行配准,在搜索最近邻特征点和次近邻特征点时使用了在K-D树搜索算法基础上进行改进的搜索算法BBF(Best Bin First)算法.实验证明该算法具有配准精度高,鲁棒性好的特点.