颜文
- 作品数:6 被引量:20H指数:3
- 供职机构:宁波大学信息科学与工程学院更多>>
- 发文基金:国家自然科学基金浙江省自然科学基金宁波市自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- Hash索引算法综述被引量:3
- 2019年
- 在这个数据量爆炸增长的时代,如何在海量数据中实现对所需数据快速精准的查找成为必须面对的难题。哈希索引(Hash Index)将数据相关值输入哈希函数中,通过哈希函数计算得到哈希码,从而找到数据对应的存储地址。这种方法大大提高了数据检索的速度和准确度并优化了存储空间结构,一定程度上解决了海量数据处理较慢的难题,因此被当今学者广为研究。本文将综述哈希索引的定义和特点,介绍哈希索引的传统算法和新兴算法,最后总结全文并展望未来的研究方向。
- 颜文陈征
- 关键词:哈希索引键值数据检索
- 长江三角洲FY卫星数据降水估算被引量:1
- 2015年
- 快速准确地掌握降水的时空分布,对于区域气候、水文和生态环境等至关重要。以长江三角洲为研究区域,获取FY卫星影像光谱特征,对其进行特征分析并结合地面实况降水观测数据,获得卫星降水模拟参数的特征集,利用SVM(Support Vector Machine)优越的非线性回归性能,提出一种自适应、自学习的降水估计方法。实验结果表明:卫星云图适用于阐释云的降水机理,将其与SVM结合,可以很好地表达长江三角洲区域降水与云图特征间的非线性关系。此方法得到的降水估计量与地面实测降水数据的相关系数为0.85,表明本文方法可对该地区的降水估计发挥作用。
- 贾长斌金炜符冉迪颜文
- 关键词:长江三角洲降水估算卫星遥感SVM
- 基于TV-L^1分解的红外云图超分辨率算法被引量:3
- 2016年
- 提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型,将低分辨率云图分解为结构部分和纹理部分:对结构部分采用软决策自适应插值(SAI)处理;对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性,构造非线性增益函数对其NSCT变换域系数进行处理,然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后,将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明,所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法,在实现两倍超分辨率时,其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9dB和0.007 1~0.020 6;实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征,故所提算法的超分辨率结果不但准确重建了云图中的结构部分,而且有效保持了红外云图纹理和边缘。
- 符冉迪周颖颜文尹曹谦
- 关键词:红外云图超分辨率
- 结合VLAD特征和稀疏表示的图像检索被引量:7
- 2016年
- 为了实现快速准确的图像检索目标,提出一种结合VLAD(局部聚合描述符)特征和稀疏表示的图像检索方法。首先,根据图像具有结构细节丰富、局部视觉特征差异明显的特点,提取图像的局部旋转不变SURF特征,并采用局部聚合描述符方法,构造具有旋转不变性的图像VLAD特征,然后将VLAD特征与稀疏表示相结合,设计基于稀疏表示的相似性检索度量准则,实现图像的查询检索。实验结果表明,提出方法在查准率(precision)及平均归一化修正检索排序等指标上,均优于其他几种典型方法 ,并具有较高的计算效率。
- 颜文金炜符冉迪
- 关键词:图像检索
- 基于结构组稀疏表示的红外云图超分辨率方法被引量:5
- 2016年
- 针对红外云图分辨率低、视觉效果较差的问题,提出一种图像结构组稀疏表示的超分辨率方法。该方法充分利用红外云图的结构自相似性,将结构组作为稀疏表示的基本单位,建立图像结构组稀疏表示模型。在训练字典过程中通过高斯混合模型学习图像结构组的先验信息,再对样本块进行聚类,利用主成分分析学习得到紧凑的分类字典。在重建阶段对每个结构组自适应选取最匹配的字典,使用改进了的加权l1范数优化方法求解稀疏系数。实验结果表明,与Sc SR、Zeyde、NARM等算法相比,所提算法在视觉效果以及图像质量评价指标上均有所提高,红外云图重构质量有较为明显的改善。
- 周颖符冉迪颜文周峰金炜
- 关键词:超分辨率红外云图自相似性
- 基于NSST与自适应PCNN相结合的卫星云图融合被引量:3
- 2016年
- 为了综合利用红外和可见光云图的天气信息,本文提出一种基于非下采样shearlet(NSST)与自适应脉冲耦合神经网络(PCNN)相结合的红外和可见光卫星云图融合方法。首先利用NSST对红外和可见光卫星云图进行多尺度、多方向分解,然后对分解得到的低频子带系数采用基于局部区域方差和局部区域能量的自适应加权方法进行融合,高频子带系数采用改进的自适应PCNN进行融合,其中脉冲耦合神经网络的连接强度依据高频系数区域特征的不同重要性,通过一个S型模糊隶属度函数自适应确定。最后对融合完成的低频和高频分量进行NSST逆变换得到最终的融合云图。实验结果表明,基于本文提出方法的融合图像无论是从主观视觉效果,还是客观评价指标都要优于文中对比的典型融合方法,能为后续的天气分析和处理提供具有更加丰富的气象资料。
- 颜文龚飞周颖周峰金炜符冉迪
- 关键词:卫星云图图像融合模糊隶属度函数