检索结果-内蒙古大学图书馆

自动化学报 2015年第2期41卷 261-272页

作者：沈燕飞李锦涛朱珍民张勇东代锋中国科学院计算技术研究所北京100190 北京市移动计算与新型终端重点实验室北京100190

针对压缩感知(Compressed sensing,CS)图像恢复问题,提出了一种基于非局部相似模型的压缩感知恢复算法,该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性,在提高图像表示稀疏度的同时进一步提高了压缩感知... 详细信息

针对压缩感知(Compressed sensing,CS)图像恢复问题,提出了一种基于非局部相似模型的压缩感知恢复算法,该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性,在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率,恢复图像在纹理和结构保持方面都得到了很大的提升.在该算法模型求解过程中,使用增广拉格朗日方法将受限优化问题转换为非受限优化问题,为减少计算复杂度,还使用了基于泰勒展开的线性化技术来加速算法求解.实验结果表明,该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.

关键词：压缩感知图像恢复非局部相似稀疏表示

来源：评论

学校读者我要写书评

暂无评论

基于判别性区域提取的视频人体动作识别方法

引用

北京工业大学学报 2017年第10期43卷 1480-1487页

作者：段立娟郭亚楠乔元华李凯北京工业大学信息学部北京100124 北京市可信计算重点实验室北京100124 北京工业大学应用数理学院北京100124

针对全局特征描述过分依赖精确定位、背景减除和跟踪技术等问题,同时也为了解决视角变化、噪声和遮挡等干扰带来的影响,对基于局部特征描述的视频人体动作识别方法进行了研究,提出了一种基于判别性区域提取的视频人体动作识别方法.首先... 详细信息

针对全局特征描述过分依赖精确定位、背景减除和跟踪技术等问题,同时也为了解决视角变化、噪声和遮挡等干扰带来的影响,对基于局部特征描述的视频人体动作识别方法进行了研究,提出了一种基于判别性区域提取的视频人体动作识别方法.首先通过迭代训练和筛选过程对视频的内容进行分析和学习,自动提取视频中有代表性和区分性的判别性区域,然后使用词袋模型对提取到的判别性区域进行统计和描述,最后采用支持向量机方法确定人体运动的类型.在KTH和Youtube数据集上分别对提出的方法进行了论证,结果表明:该方法具有较高的识别准确率,同时对复杂背景等干扰不敏感.

关键词：人体动作识别判别性区域显著图词袋模型支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于秩极小化的压缩感知图像恢复算法

引用

电子学报 2016年第3期44卷 572-579页

作者：沈燕飞朱珍民张勇东李锦涛中国科学院计算技术研究所北京100190 北京市移动计算与新型终端重点实验室北京100190

本文将压缩感知图像恢复问题作为低秩矩阵恢复问题来进行研究.为了构建这样的低秩矩阵,我们采样非局部相似度模型,将相似图像块作为列向量构建一个二维相似块矩阵.由于列向量间的强相关性,因此该矩阵具有低秩属性.然后以压缩感知测量作... 详细信息

本文将压缩感知图像恢复问题作为低秩矩阵恢复问题来进行研究.为了构建这样的低秩矩阵,我们采样非局部相似度模型,将相似图像块作为列向量构建一个二维相似块矩阵.由于列向量间的强相关性,因此该矩阵具有低秩属性.然后以压缩感知测量作为约束条件对这样的二维相似块矩阵进行低秩矩阵恢复求解.在算法求解的过程中,使用增广拉格朗日方法将受限优化问题转换为非受限优化问题,同时为了减少计算复杂度,使用基于泰勒展开的线性化技术来加速算法求解.实验表明该算法的收敛率、图像恢复性能均优于目前主流压缩感知图像恢复算法.

关键词：压缩感知秩最小化图像恢复非局部相似

来源：评论

学校读者我要写书评

暂无评论

基于重叠社区检测的跟踪区列表管理方法

引用

计算机工程 2020年第2期46卷 195-200页

作者：王维鹏林强强涂山山肖创柏北京机电工程研究所北京100074 北京工业大学信息学部北京100124 北京工业大学可信计算北京市重点实验室北京100124

跟踪区列表(TAL)由多个跟踪区(TA)灵活配置组成,在3GPP R8中引入TAL可减少位置管理信令开销。目前基于TAL的位置管理方法大多针对不同用户产生不同的TAL,在海量蜂窝部署环境下的计算效率急剧降低。针对该问题,在TA规划的基础上,提出一... 详细信息

跟踪区列表(TAL)由多个跟踪区(TA)灵活配置组成,在3GPP R8中引入TAL可减少位置管理信令开销。目前基于TAL的位置管理方法大多针对不同用户产生不同的TAL,在海量蜂窝部署环境下的计算效率急剧降低。针对该问题,在TA规划的基础上,提出一种基于重叠社区检测的TAL管理方法。通过统计用户在跟踪区内产生的位置更新和寻呼数据,将TAL管理建模为图形分割问题,给出线性规划模型,并应用基于博弈论的重叠社区检测算法得到TAL结构。实验结果表明,该方法能够有效降低蜂窝网络中的位置管理信令开销,提高TAL分配效率。

关键词：位置管理跟踪区列表博弈论重叠社区检测信令开销

来源：评论

学校读者我要写书评

暂无评论

混合纹理合成

引用

北京工业大学学报 2007年第6期33卷 637-641页

作者：李燕尹宝才孔德慧北京工业大学计算机学院多媒体与智能软件技术北京市重点实验室

为了弥补现有纹理种类的不足,将螺旋状匹配搜索的块拼贴纹理合成方法和Ashikhmin的点匹配方法相结合,应用到设计图案的纹理合成．与Ashikhmin的点匹配方法相比较,该方法的效率提高了5倍以上,并且避免了纹元错位、条带化现象．

关键词：计算机图形学纹理块拼贴混合纹理合成

来源：评论

学校读者我要写书评

暂无评论

一种基于星型簇态的动态量子群组认证协议

引用

中国科学：物理学、力学、天文学 2022年第11期52卷 66-73页

作者：高冬梅杨宇光山东工商学院数学与信息科学学院烟台264005 北京工业大学信息学部北京100124 北京市可信计算重点实验室北京100124

与传统一对一的身份认证不同,群组认证面向群组,可对属于同一群组的所有用户进行身份认证.本文提出了一种动态量子群组认证协议.借助于一种特殊的纠缠态,即星型簇态,群组内的量子身份认证中心可对属于同一群组的所有用户进行身份认证.此... 详细信息

与传统一对一的身份认证不同,群组认证面向群组,可对属于同一群组的所有用户进行身份认证.本文提出了一种动态量子群组认证协议.借助于一种特殊的纠缠态,即星型簇态,群组内的量子身份认证中心可对属于同一群组的所有用户进行身份认证.此外,该协议还具有如下特点:(1)参与群组认证的用户数可动态变化,即允许新用户加入群组认证和老用户退出群组认证;(2)新用户加入群组认证或老用户退出群组认证时,所有老用户的认证密钥不必重新分发.与现有量子群组认证协议相比,所提出的协议更灵活、更适于实际场景.

关键词：量子密码群组认证星型簇态动态

来源：评论

学校读者我要写书评

暂无评论

基于多分支网络的深度图帧内编码单元快速划分算法

引用

电子与信息学报 2022年第12期44卷 4357-4366页

作者：刘畅贾克斌刘鹏宇北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU... 详细信息

3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU四叉树划分复杂度高的问题,该文提出一种基于深度学习的CU划分结构快速预测方案。首先,构建学习深度图CU划分结构信息的数据集;其次,搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型,并利用构建的数据集训练MB-CNN模型;最后,将MB-CNN模型嵌入3DHEVC的测试平台,通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比,编码复杂度平均降低了37.4%。实验结果表明,在不影响合成视点质量的前提下,该文所提算法有效地降低了3D-HEVC的编码复杂度。

关键词： 3维高效视频编码深度图帧内编码编码单元划分深度学习

来源：评论

学校读者我要写书评

暂无评论

一种可抵抗统计攻击的安全索引

引用

计算机研究与发展 2017年第2期54卷 295-304页

作者：惠榛冯登国张敏洪澄中国科学院软件研究所可信计算与信息保证实验室北京1000190 中国科学院大学北京100049 计算机科学国家重点实验室(中国科学院软件研究所) 北京100190

现有的大部分可检索加密方案建立的安全索引面临着统计攻击的威胁.为了抵抗统计攻击,部分方案设计出关键词?文档一一对应的陷门,以检索时多次的陷门计算为代价保证安全性,但是这样又导致检索速度过于慢而无法接受.为此,研究了针对密文... 详细信息

现有的大部分可检索加密方案建立的安全索引面临着统计攻击的威胁.为了抵抗统计攻击,部分方案设计出关键词?文档一一对应的陷门,以检索时多次的陷门计算为代价保证安全性,但是这样又导致检索速度过于慢而无法接受.为此,研究了针对密文的安全检索方案,在克服已有方案缺点的同时保证对于统计攻击的安全性.该方案使用Bloom过滤器为文档的关键词构造索引.为了确保检索效率,对于相同的关键词构造唯一对应的陷门.通过增加伪造的文档索引,并且在索引中进行插值来确保每个关键词在文档集合中出现的次数相似,从而达到语义安全并且能够抵抗统计攻击.在实现中,对索引进行倒排进一步提高检索效率.证明了本方案的安全性,且采用实验验证了其有效性和高效性.

关键词：可检索加密统计泄露倒排索引 Bloom过滤器访问模式

来源：评论

学校读者我要写书评

暂无评论

基于误差补偿的复杂场景下背景建模方法

引用

自动化学报 2016年第9期42卷 1356-1366页

作者：秦明陆耀邸慧军吕峰北京理工大学计算机学院北京100081 智能信息技术北京市重点实验室北京100081

在基于子空间学习的背景建模方法中,利用背景信息对前景误差进行补偿有助于建立准确的背景模型.然而,当动态背景(摇曳的树枝、波动的水面等)和复杂前景等干扰因素存在时,补偿过程的准确性和稳定性会受到一定的影响.针对这些问题,本文提... 详细信息

在基于子空间学习的背景建模方法中,利用背景信息对前景误差进行补偿有助于建立准确的背景模型.然而,当动态背景(摇曳的树枝、波动的水面等)和复杂前景等干扰因素存在时,补偿过程的准确性和稳定性会受到一定的影响.针对这些问题,本文提出了一种基于误差补偿的增量子空间背景建模方法.该方法可以实现复杂场景下的背景建模.首先,本文在误差补偿的过程中考虑了前景的空间连续性约束,在补偿前景信息的同时减少了动态背景的干扰,提高了背景建模的准确性.其次,本文将误差估计过程归结为一个凸优化问题,并根据不同的应用场合设计了相应的精确求解算法和快速求解方法.再次,本文设计了一种基于Alpha通道的误差补偿策略,提高了算法对复杂前景的抗干扰能力.最后,本文构建了不依赖于子空间模型的背景模板,减少了由前景信息反馈引起的背景更新失效,提高了算法的鲁棒性.多项对比实验表明,本文算法在干扰因素存在的情况下仍然可以实现对背景的准确建模,表现出较强的抗扰性和鲁棒性.

关键词：背景建模抗干扰的误差补偿空间连续性 Alpha通道中值模板

来源：评论

学校读者我要写书评

暂无评论

一种基于加权时空上下文的鲁棒视觉跟踪算法

引用

自动化学报 2015年第11期41卷 1901-1912页

作者：徐建强陆耀北京理工大学计算机学院北京100081 智能信息技术北京市重点实验室北京100081

由于光照及外观变化、复杂背景、目标旋转与遮挡等因素的影响,给实现鲁棒的视觉跟踪带来困难.有效利用上下文(Context)中包含的有用信息有助于提升上述条件下视觉跟踪的鲁棒性.时空上下文(Spatio-temporal context,STC)算法是新近提出... 详细信息

由于光照及外观变化、复杂背景、目标旋转与遮挡等因素的影响,给实现鲁棒的视觉跟踪带来困难.有效利用上下文(Context)中包含的有用信息有助于提升上述条件下视觉跟踪的鲁棒性.时空上下文(Spatio-temporal context,STC)算法是新近提出的一种基于时空上下文的目标跟踪算法,它利用目标周围的稠密上下文信息,取得了良好的跟踪效果.STC的不足是其同等对待整个上下文区域,没有对上下文做进一步的区分,减弱了上下文的作用.本文采用动态分区处理思想,根据上下文中不同区域与跟踪目标运动相似度大小,赋予不同权值,提出了基于加权时空上下文(Weighted spatio-temporal context,WSTC)的鲁棒视觉跟踪算法.最后在公共数据集上进行的对比实验表明,本文所提出的算法具有更好的跟踪效果和鲁棒性.

关键词：视觉跟踪上下文时空上下文加权时空上下文

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：