【摘 要】
：
为进一步刻画图像的几何结构、纹理等图像中重要视觉特征,提高图像插值算法对图像不同视觉特征的保持能力,解决图像插值放大算法适应性差等问题.提出基于形态分量分析方法,将图像分解为几何结构分量、纹理分量和残差分量,分别对几何结构分量采用双向滤波融合算法;对纹理分量采用通用的样条插值算法;对噪声分量应用图像重采样方法;再通过线性融合得出最终结果.实验分析,并与传统的线性和非线性插值算法进行对比,效果明显提
【机 构】
：
电子科技大学,成都,中国,611731 桂林空军学院,桂林,中国,541003 电子科技大学,成都
【出 处】
：
2010年亚太青年通信与技术学术会议
论文部分内容阅读
为进一步刻画图像的几何结构、纹理等图像中重要视觉特征,提高图像插值算法对图像不同视觉特征的保持能力,解决图像插值放大算法适应性差等问题.提出基于形态分量分析方法,将图像分解为几何结构分量、纹理分量和残差分量,分别对几何结构分量采用双向滤波融合算法;对纹理分量采用通用的样条插值算法;对噪声分量应用图像重采样方法;再通过线性融合得出最终结果.实验分析,并与传统的线性和非线性插值算法进行对比,效果明显提高.
其他文献
本文结合SOPC技术和IPSec技术,设计了一种新型的基于可重构密码处理模块的单片安全网关.该网关采用双NIOS CPU Ⅱ,分别作为主处理器和IPSec 协处理器.IPSec协处理器主要完成IPSec处理功能.同时采用可重构密码处理模块来加速密码算法处理过程,从而极大的提高了算法的执行效率,同时提高了IPSec协议的安全性.
大型信息系统具有结构复杂、应用众多、功能分布等特点,给大型信息系统的认证与访问控制带来了跨域操作、功能需求复杂等问题,针对这些问题,分析了大型信息系统对认证和访问控制的安全需求,提出了一种基于Agent的认证和访问控制模型,实现了对网络接入设备和用户身份认证,以及对用户的访问控制.对模型进行了全面的描述,并以Kerberos认证方式和RBAC访问控制方式为例,对其工作流程做了分析.经过在Windo
如何在保证房产管理部门现有投入无损的情况下对各个应用系统的用户进行统一的身份认证成了企业面临的一个问题.针对这一问题进行研究,提出了现阶段房产管理部门的统一身份认证系统应该达到的三个目标,并基于WEB SERVICE 技术对系统的整体框架进行了设计,在可集成性、扩展性和安全性方面都提供了不同程度的支持,该设计切实有效的满足了相关安全需求.
研究表明物联网应用的一个主要特点就是要确保数据的可靠传输,然而目前无线传感器网络的通信链路还存在高丢失率和非对称性等特点,难以满足物联网应用的可靠性要求.为此本文提出了一种面向物联网可靠性的无线传感器网络路由度量算法,通过该算法的AODV协议仿真实验和性能分析,结果表明该算法具有一定的节能性和可靠性,从而为面向物联网应用的无线传感器网络高效路由协议设计提供理论参考.
建立一种高效的路由器性能分析模型在片上网络(Networks-on-Chip)设计初期至关重要.首先从片上网络路由器工作原理出发,分析数据包传输过程中各种排队等待现象,建立了基于M/D/1/B 排队系统的性能分析模型;然后给出一种基于Markov 链计算输入队列流控反馈概率的方法;最后分析流控反馈概率与路由器流水线级数、输入队列容量之间的关系.所建模型有助于指导片上网络路由器体系结构的设计.
借助指纹的唯一性和不变性两个生物特征,针对当前考试管理的现状,设计了一种基于指纹识别技术的考试身份验证系统.充分考虑到系统的实时性和自动性,详细分析了系统的设计思路,给出了系统的总体框架结构及系统实现使用的关键技术.系统利用FUS-200N 指纹传感器采集指纹数据,建立了指纹信息库,设计了指纹数据库管理界面,有利于对指纹数据的更新和维护.以人机界面形式实现指纹采集、指纹特征提取、指纹比对和指纹验证
高职院校教育要与时俱进,改革创新,探讨适应时代需要的教育教学模式.项目化和模块化是基于建构主义理论的教育教学的系统化教学模式,是理论和实践的有机结合,是能够面向就业市场的新型教学模式.本模式以任务驱动,借助模块化的项目,循序渐进,边学边练,突出实践能力的培养,实现校企"零距离"对接,促进校企一体化教学模式的建设.
IOCP(I/O Completion Port)是伸缩性最好的一种I/O模型,论文介绍了IOCP 完成端口的基本原理和IOCP模型的工作机制.IOCP是一种能够合理利用与管理多线程的机制,可以帮助处理大量客户端请求的网络服务问题,是Windows系统平台上用于开发高性能的服务器端应用程序最好的I/O模型.本文最后结合实践给出了一个IOCP技术在反弹木马系统中应用的设计方案和其部分实现代码.
聚类融合是数据挖掘领域研究的一个热点问题,混合属性数据集是一种特殊的,但是在现实数据库中很常见的数据集.本文提出一种基于权重的混合属性的聚类融合算法,首先对混合属性数据集运用不同的聚类器产生属性聚类成员,结合粗糙集理论中的属性重要性对产生的属性聚类成员赋予权重,生成基于权重的加权共识矩阵,然后使用聚类融合的方法得到最终整体聚类结果.用实验数据集验证了提出的算法,并与基于聚类融合的混合属性CEMC
以孝感学院历年招生规模为研究对象,建立通用预测模型.LM-BP 网络学习能力强,但预测不一定准确,主要是神经网络对其初始权值和阈值敏感.采用遗传算法(GA)对其初始权阈值进行优化,提出GA-BP网络通用预测模型.跟随机法选择LM-BP网络的初始权阈值相比,表明经过GA 优化后,神经网络训练总次数明显减少,但其测试准确度得到大幅提高,其泛化能力大大增强.采用该方法对孝感学院招生规模的预测有一定的参考