Hash技术在消防产品信息检索中的应用

讨论了消防产品的身份证管理制度,针对跟踪管理系统中移动终端查询速度较慢的问题,将Hash技术应用到产品信息检索中,并对全国消防产品数据库中采集的数据进行了实验测试.实验结果表明,Hash技术用于移动终端大规模数据的检索具有简单高效的特点.     

广义模型的音频分析方法

目前网络数据中包含有大量的多媒体数据,音频作为多媒体信息的重要载体之一,蕴涵了丰富的语义,有效地丰富和补充了人们对信息的感知和获取。而目前的多媒体检索主要利用的是常规的信息检索技术诸如视觉信息,往往忽略了音频信息,这已不能满足需要。音频信息检索就逐渐成为多媒体信息检索的研究重点之一。基于此,针对音频信息检索问题展开讨论,提出一种利用广义模型进行音频分析的新方法。该方法可应用到音频检索中,实验证明了该方法的有效性。     

光栅型波前曲率传感器原理与相位恢复研究

对一种新型的基于扭曲衍射光栅的波前曲率传感器原理进行了数值模拟,应用基于Gesrchberg-Saxton(GS)算法的误差减少法对这种波前传感器进行了相位恢复数值模拟。当畸变波前幅度变大时,恢复残差变大;当迭代精度变大时,恢复残差也会变大。     

基于相位恢复技术的二维相位解包络算法

介绍一种新型的二维相位解包络算法。该算法的原理是将被解包络的相位作为输入光场,通过光学衍射计算得到其远场衍射光场的光强分布,然后使用相位恢复算法进行优化计算,得到一组用于表达连续波面的最佳Zernike多项式参数。此算法的特点在于,结合已成熟的相位恢复算法,波面解包络的唯一性和准确性可得到充分的保证;同时利用光场衍射计算,可方便地通过对衍射光强的滤波实现对相位噪声的抑制。实验验证了该算法的有效性。     

一种基于压缩Fisher向量的目标检索方法

当前,视觉词典法(Bo VW,Bag of Visual Words)是解决目标检索问题的主要方法,但传统的Bo VW方法具有词典生成时间效率低、检索内存消耗大等问题。针对这些问题,提出了基于压缩Fisher向量的目标检索方法,该方法首先将Fisher核机制用于目标检索,它能自动降低目标图像背景带来的不利影响,然后,采用位置敏感哈希(LSH,Locality Sensitive Hashing)对Fisher向量进行压缩编码以降低计算复杂度和内存开销,使之适用于大规模数据库。实验结果表明,新方法只用几百比特就能表征一幅图像内容,对大规模目标检索有很好的适用性,且较之当前主流的压缩视觉词典法具有更高的准确率。     

反辐射导弹识别与告警系统设计

为了提升某型炮瞄雷达识别反辐射导弹的能力,设计了一种面向炮瞄雷达的反辐射导弹识别与告警系统。系统由雷达信号采集终端和信号处理平台两部分构成。信号采集终端在雷达同步脉冲的同步下,负责采集I路视频信号并传送至信号处理平台,信号处理平台在频域实时处理I路视频信号,判断是否存在反辐射导弹,并发出报警提示。经试验验证,该系统可以识别出高速反辐射导弹。     

协同作战中信息分发算法研究

大规模协同作战中的高效通信问题为当前信息战的研究重点之一,但由于单独作战单元无法了解全局的信息内容及需求方,这给通信资源有限的参战兵力之间的态势共享带来了困难。为此提出了一个分布式协作信息分发算法,在理论上借鉴了复杂网络的小世界特性,即单元节点可以通过邻节点在较少跳数内完成信息的传输。在思路上利用了信息相关性概念,作战单元利用信息之间的关联性及信息与节点之间的收发关系建立控制信息发送的路由表。并通过仿真实验验证了不同网络拓扑下算法性能的变化情况,结果证明分发算法能较好地支持信息共享。     

基于标准化信息距离的彩色图像检索方法

针对标准化信息距离（Normalized Information Distance,NID）在图像检索（Image Retrieval,IR）应用中的优势和不足,结合图像的显著图,给出了一种改进的基于NID的IR算法,并进行了仿真实验。结果表明：改进算法的检索性能有了较好的改善。     

上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。     

基于相关度和注意力聚焦的图像内容检索

基于内容的检索中对图像和视频帧的处理是以色彩、形状和纹理等为基本特征,这些特征在图像背景比较单一的情况下容易获得。一旦图像背景为色彩和纹理均很复杂的图像时,图像中目标的颜色和形状等特征就很难获得。若将从计算机视觉中引出的相关度和注意力聚焦两个概念用于从复杂背景图像中定位和选取最有关的信息,则能够有效地检索到最匹配的图像。本文通过对相关度和注意力聚焦两个概念的讨论,介绍了计算机视觉对基于内容检索的作用,尤其是在可视示例查询ＱＶＥ（ＱｕｅｒｙｂｙＶｉｓｕａｌＥｘａｍｐｌｅ）的情况下从大图像数据库中检索图像的情况