【摘 要】
：
针对传统低照度图像特征相似度检索方法存在计算复杂、效率低的问题,提出一种基于五叉树分解的低照度图像特征相似度检索方法。在主成分转变的基础上对低照度图像进行五叉树分解,将被检索图像划分成一系列子块图像,为构建特征直方图及计算相似度作基础;利用图像子块表达形式提取主要特征,得到颜色特征向量,使用归一化方式计算可视化相似度,即颜色相似程度;求得低照度图像特征相似度阈值,完成相似度检索。仿真结果表明,相比
论文部分内容阅读
针对传统低照度图像特征相似度检索方法存在计算复杂、效率低的问题,提出一种基于五叉树分解的低照度图像特征相似度检索方法。在主成分转变的基础上对低照度图像进行五叉树分解,将被检索图像划分成一系列子块图像,为构建特征直方图及计算相似度作基础;利用图像子块表达形式提取主要特征,得到颜色特征向量,使用归一化方式计算可视化相似度,即颜色相似程度;求得低照度图像特征相似度阈值,完成相似度检索。仿真结果表明,相比其它方法,所提方法的检索精准度高、复杂度小,得到的检索结果更佳,鲁棒性更好。
其他文献
为了解决对人体动作局部特征点的识别误差率较高的问题,提出一种基于机器学习的人体动作局部特征点识别方法。首先利用人体在时空状态下的差别及运动频率变化,构建多尺度的局部时空领域特征。以目标之前状态为基础,通过卡尔曼滤波计算法对人体关节位置评估,并对之后的状态做误差最优估计,以此构建人体行为数学模型。利用小波转换函数构建神经网络模型,将之前所提取出来的人体动作特征点参数作为输入神经元,输入进神经网络内进
由于非结构化大数据不存在固定控制中心,会严重影响云存储阶段稳定性,因此,以非结构化大数据为研究目标,构建一种云存储稳定性优化方法,并通过仿真加以效果评定。根据架构的不同环状态消耗能量计算方法,最小化非结构化大数据的云存储能量消耗,将优化核心设定为最大化云存储环活动时间,按照内部节点、边界节点编号顺序,完成所有区域云存储平衡函数的并行架构,通过制定约束条件,引入利用概率期望值与弹性期望值,采用存储梯
针对目前算法在多节点信息资源分配推荐时,未对多节点信息资源进行相似性计算,导致多节点信息资源分配时间长,信息资源分配正确率和推荐列表覆盖率较低的问题,提出基于协同过滤的多节点信息资源分配推荐算法。采用协同过滤算法,整合处理节点信息资源,构建信息数据评分模型,运用评分模型,查找节点信息数据的最近邻居集进行预测评分,利用相似性计算,完成多节点信息分类。根据二部图网络结构,资源分配分类节点信息,生成推荐
针对AGV通信网络覆盖率资源不完善以及调度效率慢的问题,提出AGV通信的网络高覆盖率资源优化调度方法。根据AVG通信网络资源优化调度原理,获得网络调度中单一节点特征访问的控制模型,构造网络高覆盖率资源模型。运用网络高覆盖率资源模型计算资源分布式调度配置权值,综合考虑AVG通信网络的性能指标、服务质量和服务能力,建立综合评测模型,将测评模型融入到高覆盖率资源模型中,获得网络节点情况,预测任务的执行度