检索结果-内蒙古大学图书馆

天津理工大学学报 2025年第1期41卷 51-56页

作者：姜鑫王春东天津理工大学天津市智能计算及软件新技术重点实验室天津300384 天津理工大学计算机视觉与系统教育部重点实验室天津300384 天津理工大学计算机科学与工程学院天津300384

针对医疗数据的集中存储、共享效率低和隐私泄露等问题,提出一种基于区块链的医疗数据安全共享模型。首先,基于可验证延迟函数(verifiable dely function, VDF)对实用拜占庭容错(practical Byzuntine fault tolerance, PBFT)算法进行改... 详细信息

针对医疗数据的集中存储、共享效率低和隐私泄露等问题,提出一种基于区块链的医疗数据安全共享模型。首先,基于可验证延迟函数(verifiable dely function, VDF)对实用拜占庭容错(practical Byzuntine fault tolerance, PBFT)算法进行改进,实现了主节点的分布式选举,保证了主节点的可靠性;其次,使用闪电网络技术构建链下匿名通信交易通道,解决数据共享过程中匿名通信问题,提高了数据共享效率;最后,设计了一套完整的医疗数据共享方案,实现不同实体之间的数据安全共享。与现有数据共享方案相比,该方案在安全性和共识效率方面具有优势。

关键词：可验证延迟函数医疗数据共享闪电网络共识机制

来源：评论

学校读者我要写书评

暂无评论

一种新的图像压缩编码算法

引用

光电子．激光 2012年第6期23卷 1173-1180页

作者：张德干康学净王京辉天津理工大学智能计算及软件新技术天津市重点实验室计算机视觉与系统省部共建教育部重点实验室天津300384 天津理工大学智能计算及软件新技术天津市重点实验室计算机视觉与系统省部共建教育部重点实验室天津300384 天津理工大学智能计算及软件新技术天津市重点实验室计算机视觉与系统省部共建教育部重点实验室天津300384

对图像压缩编码算法进行了改进。首先,将小波分解后的3个高频系数进行预处理：将高频部分进行球坐标变换,降低了同一尺度内系数的相关性;基于小波域和球坐标域的两个前提,定义了多尺度模积的概念,用来控制收缩函数对小波高频部分进行收... 详细信息

对图像压缩编码算法进行了改进。首先,将小波分解后的3个高频系数进行预处理：将高频部分进行球坐标变换,降低了同一尺度内系数的相关性;基于小波域和球坐标域的两个前提,定义了多尺度模积的概念,用来控制收缩函数对小波高频部分进行收缩处理。这样,可以去除那些不影响视觉效果的小波系数以及噪声信息,达到较高的压缩比。然后,对小波变换的低频部分进行单独编码（DPCM）,对球坐标下的高频部分采用改进的多级树集合分裂（SPIHT）编码。针对SPIHT编码中重复扫描的问题,引入了最大值矩阵MMP（matrix of maximum pixel）,这种策略能够有效降低比较次数。仿真实验表明,本文提出的算法具有较好的编码效率。

关键词：图像压缩多级树集合分裂(SPIHT)编码球坐标变换小波变换

来源：评论

学校读者我要写书评

暂无评论

一种鲁棒的基于在线boosting目标跟踪算法研究

引用

光电子．激光 2013年第1期24卷 170-175页

作者：沈丁成薛彦兵张桦徐光平高赞天津理工大学计算机视觉与系统教育部省部共建重点实验室智能计算及软件新技术天津市重点实验室天津300038

在线boosting的优点在于将跟踪问题看做分类问题,并且根据目标的变化实时选择相应的目标特征来进行跟踪。但该方法存在的主要问题是由于遮挡等情形的存在,目标特征的每次变换可能引入少量错误,长时间执行后,错误的积累将导致跟踪位置的... 详细信息

在线boosting的优点在于将跟踪问题看做分类问题,并且根据目标的变化实时选择相应的目标特征来进行跟踪。但该方法存在的主要问题是由于遮挡等情形的存在,目标特征的每次变换可能引入少量错误,长时间执行后,错误的积累将导致跟踪位置的漂移。实验发现,在线boos-ting方法中选择器权重在全局中的传递导致了漂移的发生,而现实跟踪问题中遮挡时只影响局部区域,而不是全局区域。对于这个问题,本文提出了结合在线boosting和分块的方法来解决这个问题。此boosting算法中选择器权重的变化仅在本块中,而不是全局传递,从而避免了错误在全局的累积,进而避免了漂移问题的产生。本文的方法通过跟踪各种目标视频序列实验表明,即使对于严重遮挡也具有很强的鲁棒性,同时也能实时的跟踪目标,即每秒跟踪目标量超过10个。

关键词：在线(on-line boosting) 分块遮挡飘移

来源：评论

学校读者我要写书评

暂无评论

一种鲁棒的基于深度数据的行为识别算法

引用

光电子．激光 2013年第8期24卷 1613-1618页

作者：申晓霞张桦高赞薛彦兵徐光平天津理工大学计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

人体行为识别在视频监控和人机交互中具有重要应用,利用深度数据进行行为识别是近年兴起的技术,并取得了一定的进展,但还没有一个公认的、鲁棒性好的行为描述方法,且性能有待提高。针对以上问题,本文提出了3种鲁棒的、深度数据上的行为... 详细信息

人体行为识别在视频监控和人机交互中具有重要应用,利用深度数据进行行为识别是近年兴起的技术,并取得了一定的进展,但还没有一个公认的、鲁棒性好的行为描述方法,且性能有待提高。针对以上问题,本文提出了3种鲁棒的、深度数据上的行为描述方法,并结合支持向量机(SVM)分类器在两个公开的且具有挑战性的深度数据集上对它们进行评估。实验结果表明,本文提出的行为描述方法具有较好的区分性和鲁棒性,其性能比一些先进的且具有代表性的算法性能更好。

关键词：行为识别 Kinect 深度数据支持向量机(SVM)

来源：评论

学校读者我要写书评

暂无评论

基于多时空特征的人体动作识别算法

引用

光电子．激光 2014年第10期25卷 2009-2017页

作者：宋健明张桦高赞张燕薛彦兵徐光平天津理工大学计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

针对基于单时空特征的人体动作识算法的不足,提出了一种基于多时空特征的人体动作识别算法。通过在KTH与YouTube action公共动作数据集上的实验表明,本文提出的多时空特征的动作识别算法在较小码书的情况下,具有较好的区分性、鲁棒性以... 详细信息

针对基于单时空特征的人体动作识算法的不足,提出了一种基于多时空特征的人体动作识别算法。通过在KTH与YouTube action公共动作数据集上的实验表明,本文提出的多时空特征的动作识别算法在较小码书的情况下,具有较好的区分性、鲁棒性以及实时性,且比一些且具有代表性的算法性能更好。

关键词：多时空兴趣点支持向量机(SVM) 动作识别 STIP MoSIFT

来源：评论

学校读者我要写书评

暂无评论

结合均值漂移与最小生成树的图像分割算法

引用

光电子．激光 2012年第3期23卷 588-594页

作者：王倩张桦徐光平薛彦兵天津理工大学天津市智能计算及软件新技术重点实验室计算机视觉与系统省部共建教育部重点实验室天津300384

为了提高均值漂移(MS)分割算法的运行效率,提出了一种结合MS与最小生成树(MST)的图像分割方法,简称MS-MST方法。首先选取较小的空间带宽参数,以较快的速度对图像进行MS分割,得到过分割图像;然后,以过分割区域作为后续处理的基本单元,构... 详细信息

为了提高均值漂移(MS)分割算法的运行效率,提出了一种结合MS与最小生成树(MST)的图像分割方法,简称MS-MST方法。首先选取较小的空间带宽参数,以较快的速度对图像进行MS分割,得到过分割图像;然后,以过分割区域作为后续处理的基本单元,构造加权区域邻接图,运用MST算法对其进行合并,得到最终的分割结果。实验结果表明,本文算法在保证图像分割质量的前提下,大幅提高了经典MS算法的分割速度。

关键词：图像分割均值漂移(MS) 最小生成树(MST) 空间带宽

来源：评论

学校读者我要写书评

暂无评论

基于Kinect和金字塔特征的行为识别算法

引用

光电子．激光 2014年第2期25卷 357-363页

作者：申晓霞张桦高赞徐光平薛彦兵天津理工大学计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

提出了一种基于Kinect和金字塔特征的行为识别算法。在算法中,Kinect不仅能够获得RGB信息,还能获得与RGB信息对应的深度信息;而金字塔特征不仅描述了人体行为的全局形状和局部细节信息,而且还描述了人体行为的空间信息。通过不同核函数... 详细信息

提出了一种基于Kinect和金字塔特征的行为识别算法。在算法中,Kinect不仅能够获得RGB信息,还能获得与RGB信息对应的深度信息;而金字塔特征不仅描述了人体行为的全局形状和局部细节信息,而且还描述了人体行为的空间信息。通过不同核函数的支持向量机(SVM)分类器在具有挑战性的DHA数据集的试验结果表明,金字塔特征在RGB和深度图上都能获得令人满意的性能,且当深度特征和RGB特征融合时,其性能获得了进一步的提高,识别率达到96.2%,远高于一些具有代表性的行为描述子。

关键词：行为识别金字塔特征 Kinect 深度图支持向量机(SVM)

来源：评论

学校读者我要写书评

暂无评论

一种基于双重分割的立体匹配算法

引用

计算机辅助设计与图形学学报 2014年第10期26卷 1794-1800页

作者：刘少强张桦徐光平薛彦兵高赞宋健明天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384 天津市智能计算及软件新技术重点实验室天津300384

立体匹配通过计算同一场景不同视点下图像的匹配像素的视差,恢复场景的深度信息.文中对传统的基于分割的立体匹配算法进行改进,提出了一种基于双重分割的立体匹配算法.首先对参考图像进行颜色欠分割,使每个区域包含足够的信息进行平面拟... 详细信息

立体匹配通过计算同一场景不同视点下图像的匹配像素的视差,恢复场景的深度信息.文中对传统的基于分割的立体匹配算法进行改进,提出了一种基于双重分割的立体匹配算法.首先对参考图像进行颜色欠分割,使每个区域包含足够的信息进行平面拟合;然后对初始匹配视差图进行分割,检测颜色分割中的欠分割区域并进行再分割,进而对再分割后的区域进行平面拟合;最后利用合作算法对不可信区域优化,以提高匹配算法的运行效率.Middlebury标准图像测试集上的实验结果表明,相对于传统分割算法,该算法时间开销更少、匹配精度更高.

关键词：立体匹配视差双重分割合作算法能量最小化

来源：评论

学校读者我要写书评

暂无评论

基于多尺度贝叶斯网络的SAR图像分割

引用

系统工程与电子技术 2014年第6期36卷 1075-1080页

作者：徐海霞温显斌张建光天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384 天津市智能计算及软件新技术重点实验室天津300384

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达(synthetic aperture radar,SAR)图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播(belief propagation,BP)算法... 详细信息

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达(synthetic aperture radar,SAR)图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播(belief propagation,BP)算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率(maximum a posteriori probability,MAP),实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。

关键词：合成孔径雷达图像分割多尺度贝叶斯网络置信传播算法

来源：评论

学校读者我要写书评

暂无评论

基于链码和快速傅里叶变换的轮廓描绘方法

引用

光电子．激光 2011年第12期22卷 1857-1861页

作者：牛庆肖张桦徐光平薛彦兵天津理工大学智能计算及软件新技术天津市重点实验室计算机视觉与系统省-部共建教育部重点实验室天津300384

将八方向链码和快速傅里叶变换(FFT)相结合,提出一种新的形状轮廓描述方法。通过链码按顺序搜索物体边界,根据链码值的投影变换与轮廓的关系构造出轮廓的链码函数,对链码函数进行快速FFT,并对傅里叶描述符进行优化,提出了新的傅里叶不... 详细信息

将八方向链码和快速傅里叶变换(FFT)相结合,提出一种新的形状轮廓描述方法。通过链码按顺序搜索物体边界,根据链码值的投影变换与轮廓的关系构造出轮廓的链码函数,对链码函数进行快速FFT,并对傅里叶描述符进行优化,提出了新的傅里叶不变因子描述符(FCFD)。实验结果表明,本文提出FCFD具有旋转、尺度和平移(RSS)不变性和初始点无关性,并且降低了运算量,有效提高了数据处理速率。

关键词：链码轮廓快速傅里叶变换(FFT) 旋转尺度和平移(RSS) 傅里叶常数因子描述符(FCFD)

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：