室内双色数据集上的反向最近邻查询

随着Wi-Fi、RFID等室内定位技术的发展,产生了越来越多的基于室内空间的位置服务需求。目前已有文献提出了针对室内环境的范围查询和最近邻查询,而双色反向最近邻(bichromatic reverse nearest neighbor,BRNN)查询作为常见的空间查询类型,在室内空间中尚未有相关的研究。为此,提出了基于兴趣点集合的兴趣点融合图模型,并提出了基于路径、基于楼层和基于单元的3种剪枝策略,用于在查询处理时削减搜索空间。在兴趣点融合图和剪枝策略的基础上,提出了室内双色反向最近邻(indoor bichromatic reverse nearest neighbor,IBRNN)查询算法Smart。Smart算法通过对兴趣点融合图中的图元素的检查,从而判断与该图元素关联的移动对象是否有可能属于结果集。最后通过实验,对所提算法的有效性和高效性进行了验证。

基于Dense SIFT兴趣点提取的红外与可见光融合

为解决红外与可见光图像融合时易产生伪影且目标受背景、光照等因素干扰损失目标信息的问题,提出一种基于Dense SIFT的改进区域融合方法。首先,分别对红外与可见光图像进行Dense SIFT处理获取对应的初始融合决策图;然后通过对红外光图像进行兴趣点提取、去游离处理等操作得到最终待映射区域;最后分别对红外与可见光图像目标区域和映射后背景区域采用不同融合规则进行融合获取最终结果。经试验验证,本文方法能够更加准确的提出目标区域,简单快速,并在第二、三组实验结果中将信息熵提升0.6以上,具有有效性。