基于拟Haar变换的模板匹配算法

基于正交Haar变换(orthogonal Haar transform,OHT)的模板匹配算法在处理二维图像时采用条形和来替代积分图,从而获得了较高的运行效率,但它要求模板必须是标准大小的,即模板的高和宽必须相等且为2的幂次.为解决OHT算法的这一问题,提出了另一种基于拟Haar变换(quasi Haar transform,QHT)的模板匹配算法,它使用树分解策略来加速非标准模板时的匹配处理.QHT算法不仅能处理非标准模板的情况,也同样能处理标准模板的情况.在标准模板情况下,实验结果表明,QHT算法在低噪声等级时比OHT算法拥有更快的运行速度.     

基于梯度模板匹配的眉毛识别方法

针对基于快速傅里叶变换的眉毛识别方法 (FFTER)识别速度较慢的问题,设计了一种新的基于梯度模板匹配的眉毛识别方法 (GTMER).该方法识别速度更快,更能够适合于实时应用.首先,利用图像梯度特征,快速匹配出纯眉毛模板的最相似区域;然后,通过小范围内的精准调整,得到一个准确的匹配位置;最后,利用傅里叶频谱距离,将待处理眉毛图像识别出来.实验表明:GTMER的识别速度最高比FFTER提升约38%,同时在BJUTED眉毛数据库上的识别正确率也达到98.12%.     

智能型手机数字取证标准作业程序研究

智能型手机已成为许多犯罪者所使用的高科技犯罪工具,而这也是司法机关破案关键之所在。然手机属于私人物品,并受隐私权保护,故此类的犯罪侦查与传统犯罪形态存在着极大的差异。鉴于此,本研究将探讨手机调查指导方针与数字取证标准作业程序,对智能型手机的数字证据取证方式与合法性,制订出有关智能型手机数字证据的处理程序及规则,让取证人员能够运用此取证程序与取证工具即可完成取证工作,并于法庭上,可补强数字证据能力及证明力,辅助法庭上证据的佐证能力。     

基于AdaBoost的眉毛检测与定位

文章利用Haar-Like小波及其扩展特征,把AdaBoost算法应用于眉毛的自动检测与定位。实验数据包括114人的228幅眉毛图像,每人闭眼和睁眼各一幅,分别用于训练和测试,大小均为768×586。通过把这些图像缩小1/10后进行AdaBoost训练,解决了其速度较慢和对内存需求较高的问题。实验结果表明,AdaBoost级联分类器的训练耗时约2.7s,测试耗时每幅图像约24ms,对眉毛检测和定位测试的精度达到了97.4%。     

近似最小树的哈希Dijkstra算法

为了解决Dijkstra(DK)算法对大规模数据构造最小树时效率不高的问题,结合局部敏感哈希映射(LSH),针对欧氏空间中的样本,提出了一种近似最小树的快速生成算法,即LSHDK算法.该算法通过减少查找近邻点的计算量提高运行速度.计算实验结果表明,当数据规模大于50 000个点时,LSHDK算法比DK算法速度更快且所计算的近似最小树在维数较低时误差非常小(0.00~0.05%),在维数较高时误差通常为0.1%~3.0%.     

日本茶庭中飞石动线的形态与构成特征

日本传统茶庭是日本传统茶道文化与传统建筑中的精华,通过设置在茶庭中的飞石连接茶室与外部空间.本文以日本传统茶庭中的飞石动线为对象,通过资料调查等手段,对其动线的布局形式、物理形态以及动线与景观要素的构成关系进行分析与研究,揭示了飞石动线通过"复杂化"的设计手法,实现了进入茶室过程中时间和空间上的过渡.     

SoundPLAN噪声预测在复杂地形条件下的工程应用

针对国内某750 kV变电站复杂地形条件,利用SoundPLAN噪声软件的三维建模功能建立变电站三维噪声模型,提出合理的降噪设计方案,开展数值计算,设计性价比最优的噪声治理方案,为类似条件工程创造良好的先例。