针对处理海量空间数据时,集中式环境在机器性能上无法满足超大计算量的性能要求问题,提出基于分布式平台Hadoop来替换集中式环境,突破机器性能瓶颈,并且利用QR-Tree为海量空间数据建立索引,同时参考MapReduce"分而治之"的思想...针对处理海量空间数据时,集中式环境在机器性能上无法满足超大计算量的性能要求问题,提出基于分布式平台Hadoop来替换集中式环境,突破机器性能瓶颈,并且利用QR-Tree为海量空间数据建立索引,同时参考MapReduce"分而治之"的思想,设计了基于MapReduce并行框架处理索引创建和查询的算法。通过在分布式环境下改造QR-Tree算法为HQR-Tree(Hadoop QR Tree)化整为零,将计算量分散到Hadoop各个计算节点中并行计算,以提高计算效率,减少响应时间。实验结果表明,HQR-Tree处理海量空间数据具有较高的效率。展开更多
针对QR(Quick Response)码解码,提出了一种在运动视频图像中进行有特定边框的QR码分割与识别的方法。先通过训练C4.5决策树实现对图像中QR码ROI Region of Interest)的自动提取和图像分割,再经自动QR码图像畸变校正后,对QR码进行解码。...针对QR(Quick Response)码解码,提出了一种在运动视频图像中进行有特定边框的QR码分割与识别的方法。先通过训练C4.5决策树实现对图像中QR码ROI Region of Interest)的自动提取和图像分割,再经自动QR码图像畸变校正后,对QR码进行解码。验证结果表明,该方法能有效地增强解码器对环境、背景及图形畸变的鲁棒性,提高了QR码的解码正确率。展开更多
文摘针对处理海量空间数据时,集中式环境在机器性能上无法满足超大计算量的性能要求问题,提出基于分布式平台Hadoop来替换集中式环境,突破机器性能瓶颈,并且利用QR-Tree为海量空间数据建立索引,同时参考MapReduce"分而治之"的思想,设计了基于MapReduce并行框架处理索引创建和查询的算法。通过在分布式环境下改造QR-Tree算法为HQR-Tree(Hadoop QR Tree)化整为零,将计算量分散到Hadoop各个计算节点中并行计算,以提高计算效率,减少响应时间。实验结果表明,HQR-Tree处理海量空间数据具有较高的效率。
文摘针对QR(Quick Response)码解码,提出了一种在运动视频图像中进行有特定边框的QR码分割与识别的方法。先通过训练C4.5决策树实现对图像中QR码ROI Region of Interest)的自动提取和图像分割,再经自动QR码图像畸变校正后,对QR码进行解码。验证结果表明,该方法能有效地增强解码器对环境、背景及图形畸变的鲁棒性,提高了QR码的解码正确率。