一个Perception-Driven Transcale显示方案空间图像序列

文摘

随着多媒体技术的迅速发展,获取高质量的运动方式繁殖空间目标近年来引起了人们广泛的关注。本文提出一种Perception-driven Transcale显示方案,大大提高了多媒体处理的意识。这个新计划包含两个重要模块,transcale描述基于视觉特点和perception-driven显示空间的图像序列。前集中于描述空间transcle特性的目标,包括三个算法,关注区域计算,帧速率转换,图像分辨率调整。在此基础上,后者侧重于高质量显示不同尺度下的空间运动,包括三个算法,即目标轨迹计算、空间transcale显示、显示和空间运动。广泛的定量和定性实验评估证明了该方案的有效性。

1。介绍

随着计算机技术的迅速发展,空间交会对接需要大量的图像信息之间的导航信息系统。作为一种重要的信息形式、空间图像序列中发挥重要作用,如对接控制、对接机制设计和跟踪交互控制,和他们需要传播这些导航信息系统来测量之间的相对位置,相对速度和相对宇宙飞船的态度(1- - - - - -4]。空间图像序列,transcale是其重要特征。因此,要求多媒体处理方法不同于那些传统的图像处理。目前,空间图像序列的研究仍处于初始阶段,进一步探索仍在路上。具体来说,主要有两个未解决的问题。第一个是如何实现高质量的监测空间目标的任务。例如,持续关注空间目标应加强由于缺少空间运动的细节。第二个是如何提高处理图片的能力,如平滑运动繁殖,精确的轨迹描述,和不同的显示效果;他们应该可以表现出增强多媒体处理。解决上述问题,transcale显示方法(5- - - - - -7)图像处理成为一个新的方向和挑战主要是如下所示。

(1)注意尺度的变化:只使用现有的图像处理方法的固有特征图像序列和缺乏注意力被观察者,需要从整个序列的描述转换的空间目标,以便更好的捕捉细节的空间图像序列。

(2)改变帧率的规模:现有帧插值方法插值帧的细节的问题还不清楚过程中改变帧率,从而影响空间的平滑图像序列。因此,需要研究新的方法来获得最优插值帧。

(3)分辨率的变化:由于有限的屏幕大小不同的设备,经常需要相同的图像序列中显示不同的大小。然而,重要的内容没有改变现有的尺度调整方法,所以新方法需要提出改善重要内容的定义下保证全球调整的影响。

面对上述挑战,我们提出一个Perception-driven Transcale显示方案(输配电)实现高质量的空间运动繁殖。的主要贡献有三个点。首先,我们构造一个transcale显示框架提供了一个不同的角度,这极大地提高了多媒体处理的意识。这个框架包含了两个重要的模块,transcale描述基于视觉特点和perception-driven显示空间的图像序列。其次,transcale描述的模块提出了解决transcale问题,这是输配电的核心。最后,提出了perception-driven显示模块实现空间目标运动轨迹描述和显示的情况下改变。总和,输配电为导航信息服务系统。

剩下的论文结构如下。部分2讨论了输配电的框架。部分3和4详细描述输配电的配方,即transcale描述和perception-driven显示。部分5提出了开展实验工作证明输配电的有效性。部分6总结了纸。

2。输配电的框架

图1显示了输配电的框架,它包含两个重要模块,transcale描述和perception-driven显示。第一个是提高重要内容的定义被观察者的条件下不同尺度的变化,包括注重规模、帧速率的规模,规模的决议。的方式来确定从观察者的角度关注地区自然成为一个关键问题。最近,视觉显著技术越来越广泛应用于多媒体领域(8- - - - - -11]。使用这种技术在图像处理的原因包含以下三个点。首先,它可以提供选择的图像描述的能力,加强移动目标的描述细节,以便优先分配来实现所需的图像分析和计算资源的综合。其次,它可以完成辅助建设灵活的描述方案的差别显著区域和non-saliency区域。最后,它可以提高认知能力和决策能力空间图像序列。因此,我们采用视觉显著技术解决上述关键问题。这个模块包含以下三个部分:

(1)注意区域计算:它关注的问题关注规模的变化,然后抓住了视觉注意力区域空间图像序列。计算过程主要包括两个方面:空间关注区域和时间关注区域。

(2)帧速率转换:它关注帧速率的变化问题的规模和提高运动平滑性的空间序列。的计算过程主要包括三个步骤:变换块,注意收购相邻块和预测未知像素。

(3)图像分辨率调整:它关注的问题规模和提高分辨率的变化在不同分辨率的空间序列的定义全球视觉效果的保证。计算过程主要包括两个步骤:分区插值计算和seam雕刻操作。

transcale描述的基础上,perception-driven显示的模块提出了实现高质量的空间运动的任务显示的情况下改变不同尺度。这个模块是一个应用程序的第一个模块,它可以为空间导航信息处理系统。这个模块还包含以下三个部分:

(1)目标轨迹计算:它可以自适应显示空间目标的运动轨迹根据规模参数的设置。计算过程主要包括五个步骤:关注区域计算,帧速率转换,边界计算轨迹坐标计算,和运动轨迹显示。

(2)空间transcale显示。获得清楚运动在不同时间尺度和空间尺度上的细节,以及计算过程主要包括五个步骤:关键帧计算,计算显示地图,缩略图计算,transcale显示,缩略图调整。

(3)空间运动显示。它实现了空间目标的运动概述叙事的方式。计算过程主要包括四个步骤:过渡地图设置,像素计算过渡,过渡区采集、计算和显示地图。

3所示。Transcale描述的模块

在本节中,我们将复习transcale描述空间的各个部分图像序列,包括关注地区计算、帧速率转换,图像分辨率调整。

3.1。关注区域计算

关注区域的方法计算了重要内容被观察者,即视觉注意力的区域,包括空间关注区域和时间关注区域,其流程图如图2。空间关注区域得到根据颜色和图像签名的特点。和时间关注区域计算采用视觉跟踪。具体地说,让 是一个空间上定义的图像序列三维空间,我们使用 代表地区的关注T表示时间戳和集合弗吉尼亚州表示注意力区域包含空间注意的区域弗吉尼亚州_年代和时间关注区域弗吉尼亚州_T。KT表示注意力的转移标志区域。的计算弗吉尼亚州所示

空间的关注区域的计算是基于生物视觉的研究;即。,hu米an’s visual system is very sensitive to the contrast of the visual signal [12,13]。我们采用最新的颜色直方图对比方法14)计算任何像素的空间显著价值我_t,如下所示: 在(2)和(3),和表示任何像素我_t,表示空间的卓越价值 , 表示颜色的距离函数,表示像素的总数 , 表示不同的像素颜色的数量我_t,ν_c表示的颜色值 ,和的概率表示在我_t。此外, 在这附近表示最近的邻居的颜色的数量 。

然后我们量化 ,具有更大的价值空间特点,把它变成一组吗 。因为可能是在一个非常小的,相对不重要的区域,所以有必要消除这样的一个像素。有三个消除规则,如下所示。

规则1。为 ,如果 和 ,然后被消除的 ,在哪里

规则2。为和 ,如果 和 ,然后被消除的 。

规则3。为和 ,如果 和 ,然后被消除的 。

作为 , ,和h_最初的最初的分辨率图像序列。在此基础上,边界值弗吉尼亚州_年代(我_t)可以通过使用技术的边界框。

时间显著区域的计算是基于人类关注的观察连续性[15,16]。根据获得的空间显著区域,颞凸起地区使用视觉跟踪计算。因为关注区域可以改变随着时间的推移,我们使用KT描述变化的关注程度地区,显示如下: 在哪里代表一个阈值。那么时间t满足上面的方程,先后投入节。在我们的实验中,我们确定的价值0.75。

我们利用贝叶斯目标跟踪计算弗吉尼亚州_T(我_t)。让 的状态弗吉尼亚州_T(我_t),(x_t,y_t]^T表示位置矢量和表示速度矢量。空间的显著区域 为观察组来标示吗弗吉尼亚州_T(我_t),j₁和j₂邻值吗节和< 。在贝叶斯推理框架,我们估计后验概率函数计算目标状态为弗吉尼亚州_T(我_t)。的计算包括预测和更新,显示如下: 在哪里和操作系统_k表示的状态和观测值kth框架,分别表示状态转换模型,该模型可以解决使用仿射变换,和表示状态的测量模型,可以计算使用外观结构局部稀疏方法,显示如下: 在哪里表示补丁除以32×32像素弗吉尼亚州_年代(我_米)(1≤≤k),N表示的数量划分补丁,表示的稀疏编码d,米表示归一化项,表示的加权和 ,设置设置 。和挖(∙)是对角元素计算的功能。

3.2。帧速率转换

加强运动图像平滑度的空间序列,帧速率转换执行,其核心是计算出高质量的中间帧,即。,如何计算中间帧的像素值。这里的分区法进行了分析计算。此外,non-attention地区,像素的值不变。关注地区,像素值的准确计算和主要计算步骤包含块变换的关注,收购邻近的街区,和预测未知的像素,在图所示3。具体来说,关注区域在任何两个连续帧,即,弗吉尼亚州(我_t),弗吉尼亚州(我_{t +1}),分为 重叠的图像块,每一块被定义为一个块,注意还有VAB为短。请注意,我们选择三个不同的值 ,8、16、32,我们发现适当的值是16根据获得的实验结果。的集合还有VAB表示为 和计算过程所包含的像素阐述如下。

首先,每个还有VAB预计使用Walsh-Hadamard内核(17),如下所示,结果存储在临时设置 :

然后转换后的结果是加速分配一个散列值还有VAB投影,设置在相应的哈希表 。

其次,我们建立时空扩张规则获取扩展块还有VAB。为 ,每个哈希表结核病_米需要根据扩张操作规则和相应的扩张 可以生产,投入匹配集。在此基础上,我们确定最近的阻塞从获得扩大使用自由搜索,显示如下:

在(9), ,α是一个定值,它的值是0.5,是一个搜索半径,然后呢是最好的吗 然后对于每一个哈希表,以下是用来比较和更新最近的块:

最后,关注区域的像素的预测价值可以通过平滑操作的计算获得最近的块(的详细算法,算法1)。

3.3。图像分辨率调整

图像调整取得了显著的重要性,因为快速增加显示设备的多样性和多功能性。然而,现有的方法不调整结果从观察者的角度。在本节中,我们提出一个新的调整方法改善调整重要内容被观察者的质量。为此,需要解决两个主要问题。第一个是需要确定的重要内容从观察者的角度。第二个是需要改善的定义在调整的重要内容。对于第一个问题,我们采用的方法关注区域计算(见部分3.1),第二个,我们引入一个分区插值方法与架构,如图4,包含两个步骤:分区插值计算和seam雕刻操作。具体来说,我们调整我_t从h_最初的×来h_新×和一个调整系数是

分区插值计算的想法是采用不同的计算方法对不同地区的原始图像序列。当然,对于任何像素 在 ,内插像素计算使用 在哪里弗吉尼亚州_t简化的象征吗弗吉尼亚州(我_t),这是计算部分3.1,表示一般的地区(即,nonattention地区), ,(2+ 1,2+ 1)和(2+ 1,2+ 1)表示的插值像素弗吉尼亚州_t和BR_t,分别。

的计算(2+ 1,2+ 1)包含两个步骤:初始估计和精力修改。初始值是计算使用

在(13),j₁和j₂确定函数,j₁=3+ ,j₂= 3++ ,和 计算如下:

对于任何像素一般地区,下面是用于计算(2+ 1,2+ 1):

然后我们使用seam雕刻方法保持关注的内容区域。也就是说,不同区域的像素计算通过能量函数,如下所示: 在哪里H(弗吉尼亚州_t(x,y)代表了面向像素的梯度直方图的地区和关注ζ_l,ζ_r,ζ_t,和ζ_b的边界值吗弗吉尼亚州_t。

4所示。Perception-Driven显示的模块

在本节中,我们详细描述我们提出的配方perception-driven显示的模块,包含三个算法,即目标轨迹计算、空间transcale显示、显示和空间运动。在某种程度上,都是一个应用程序模块的transcale描述,可以直接应用于导航信息系统。

(1)目标轨迹计算。显示不同尺度下的空间目标的运动轨迹,提出了目标轨迹计算的方法,它包含以下五个步骤:

步骤1。每一帧的我_t(1≤t≤n),弗吉尼亚州_t利用计算的方法,注意地区计算。

步骤2。使用帧速率转换的方法,我 是变成了嗨 ]= {嗨_t}(1≤t≤和> n)中,N改变帧的数量和吗弗吉尼亚州_t在更新嗨_t。

步骤3。四个边界值计算弗吉尼亚州_t,包括左边界BV_l,对边界BV_R,上边界BV_T,和底部边界BV_B:

步骤4。为每一个弗吉尼亚州_t轨迹坐标计算,包括水平的价值坐标弗吉尼亚州_行和垂直坐标的价值弗吉尼亚州_列:

第5步。运动轨迹在不同的规模υ使用下列公式计算:

(2)空间Transcale显示。transcale显示的目的不仅是给电影在不同的时间尺度也显示不同分辨率尺度。该算法主要包括以下五个步骤:

步骤1。为每一个我_t的关键帧 然后计算相应的关注区域VAK_j是获得。

步骤2。transcale显示地图公里是被合并的关注区域的情况下不同的关键帧。

步骤3。为每一个 ,相应的缩略图VU_j通过减少计算原始图像相同的决议。

步骤4。transcale显示地图为我_t计算:

第5步。使用图像分辨率的方法调整,VU_j也可以有高质量的显示不同的决议。

(3)显示空间运动。概述空间目标的运动过程,运动显示算法,其重点是空间运动的平稳过渡。具体地说,让K_p和K_问连续关键帧我_t其中的过渡区域基米-雷克南_p(u,v),基米-雷克南_问( ),分别为,u, [1,高度),v (重量- - - - - -r+ 1,重量), [1,r),r表示过渡半径高度和重量是当前解决关键帧。该算法的过程包括以下四个步骤:

步骤1。这两个基米-雷克南_p和基米-雷克南_问调整目标分辨率吗高度×2r,过渡区地图 得到了。

步骤2。像素的值基米-雷克南(u,v在过渡区计算):

在这c₁和c₂转换参数,c₁= 1 -c₂,c₂=v/ 2r,x和y是位置坐标。

步骤3。重复tep中的1和2,直到所有关键帧过渡区域计算,然后新的关键帧是记录。

步骤4。所有获得的关键帧合并形成显示地图医学博士: 在哪里关键帧的总数。

5。实验结果和讨论

在本节中,我们进行了定量和定性实验评估输配电的性能,包括transcale性能(见章节5.1,5.2,5.3)和显示性能(见章节5.4,5.5,5.6)。我们下载空间视频来自优酷网和它们分割视频剪辑。然后我们改变这些视频图像序列,形成我们的数据表所示1。在所有的实验中,我们使用了MATLAB平台与PC 2.60 GHz Intel (R)奔腾(R)双核CPU处理器1.96 GB的内存。

5.1。注意规模的评估

图5显示了获得关注区域使用我们的方法,其中每一行展览的结果不同的空间图像序列和每列展品样本每个序列的帧。此外,每个subfigure由三部分组成:purple-bordered地区在左边是关注地区,右上角blue-bordered地区标志着空间关注地区,和右下角的绿色框区域标志着时间的关注。具体地说,第一行显示帧的结果100年,128年和134年从S1,第二行显示帧的结果119年,121年和135年从S2。观察这些行,我们只可以看到空间的关注区域获取空间目标的一部分,例如,在第一行和第一列的结果。这意味着空间注意的计算区域和时间关注区域获取准确的关注区域是必要的,尤其是对于与大型运动图像序列振幅。此外,第三行显示帧的结果,从S3 24到30,和最后一行显示了帧的结果,从S4 45, 88。这些序列有一个相对复杂的背景下,造成很大的干扰注意力的检测区域。然而,该方法仍然取得了良好的结果,这些结果为transcale显示奠定基础。

图6其他方法显示了量化比较的结果,包括图像特征检测(ISD) [18)和全球对比检测(GCD) [14]。在这里我们采用重叠的分数(19作为一个量化指标,定义为下面的公式: 在哪里R_年代结果,表示了关注R_G表示相应的地面真理边界框。重叠分数越大,结果越准确。从这个图中,我们可以看到平均分数重叠使用三种方法。指出,我们的方法达到一个更大的分数比其他方法,和注意获得的结果表明,该地区使用我们的方法更接近真正的原始图像序列的重要地区。

5.2。帧率的评估

插值帧的质量评估是一个关键因素的改变帧率的规模,并在实验中,我们删除了一个在每个连续两帧原始图像序列和重建的删除一个采用不同的方法,包括三步搜索(TSS),自适应十字架模式搜索(ARPS),角和Schunck (H&S), CNF (20.],在[21和我们的方法。数据7和8显示帧插值结果序列S5和S6,从每个subfigure red-bordered地区,算法可以确定之间的视觉差异。TSS和ARPS展览一个贫穷的插值效果,H&S CNF引入悬浮作用,CSH产生令人失望的效果,和输配电展示了清晰的宇宙飞船的细节。从这些数据,很明显,该方法显示了相对更好的性能在视觉质量。

图9显示每个图像序列的平均量化值通过使用不同的方法。左边部分展示了平均PSNR值,这是传统的定量测量的准确性,这个词和部分演示了MSSIM结果,从而评估图像的可见性质量从图像形成的角度,在相关性的假设人类视觉感知和图像结构信息。在这个图中,很明显,我们的方法能达到最高的平均值。

5.3。评估解决规模

我们调整原始图像序列通过使用不同的方法,包括缩放、最好的种植,改善煤层雕刻(ISC) (22),和我们的方法,然后比较结果来评估性能的变化尺度分辨率。

图10显示了序列的比较结果从320 S7 145×500×230。图10 ()显示了原始帧,帧的数量是131,138,147,151,174,179,189,203,208。图10 (b)表明使用扩展方法,发射基地比以前变得模糊。图10 (c)显示,使用最好的种植方法,发射基地只是部分显示,导致原始信息成为失踪。图10 (d)显示,使用改进的seam雕刻方法,发射基地的突出部分变得比以前小,表明ISC不适合图像放大。图10 (e)表明,我们的方法清楚地显示了突出的对象的原始帧并确保全球视觉效果当分辨率尺度变化。同样,调整的结果序列S8如图11。

5.4。评估目标轨迹的计算

图12显示目标轨迹序列S2的鳞片 , , 。从这个图中,我们可以看到的价值υ增加,空间目标的运动幅度变得更大,轨迹的描述可以粗,清楚地描述运动的变化的自动导航。同样,目标轨迹序列S5如图13。

图14显示了目标轨迹对应图的详细位置12方法中描述的计算中心像素的位置在关注的地区。可以看到,规模越大υ是,描述越少点和粗糙中心点的位置轨迹,反之亦然。同样,图15显示目标轨迹对应图13。简而言之,pdt展品良好的性能显示空间目标轨迹在不同尺度下,可以为空间任务奠定基础,如状态监测和运动跟踪。

5.5。评价空间Transcale显示

图16给transcale显示序列S5和S9的关注区域左侧所示每个subfigure的一部分。图(16日)显示了检测的整个过程,从近及远的运动细节空间目标。同样,从远至近的运动过程图16 (b)。从这个图中,我们可以看到,该空间transcale显示算法可以清楚地展示在不同尺度空间目标的运动过程。和通过观察相应的关注区域,运动空间目标的细节,如目标构成和操作状态,显示在不同的距离和时间,这充分反映了transcale输配电方案的特点。

图17总结了客观评价的空间transcale显示值对应的图16,包括平均坡度、边缘强度、空间频率、形象的定义,和质量分数。与关键帧的数量的增加,上述评价指标的值也增加,表明空间transcale显示算法可以获得高质量的transcale显示地图。

5.6。评价的空间运动

图18显示了空间空间运动显示图像序列,,a, b, c,分别S3、S4, S6。采用叙述图,完整的运动空间的目标显然是展出。数据18 (b),18日(d),18 (f)相应的过渡区域的细节,描绘的比较结果使用直接融合方法在左边,我们正确的方法。左部,很明显看到一条直线两个关键帧之间的区分,而对于正确的部分,光滑和微妙的过渡区域显示实现运动过程的一个完美的表示。

6。结论

在本文中,我们关注的transcale问题空间图像序列,提出一种新颖的显示方案,提高了多媒体处理的意识。这个计划的贡献体现在两个方面。一方面,空间目标持续注意通过使用视觉卓越技术的细节增强的运动目标。另一方面,空间的运动图像可以顺利繁殖,有效地显示在显示设备上用不同的大小和屏幕分辨率。实验结果表明,该方法优于代表图像的可视化和定量措施的方法。在未来,我们将进一步研究transcale空间图像序列的特点,探索不同尺度之间的相互影响。在此基础上,我们还将建立一个健壮的transcale处理机制来更好地服务空间交会对接。

数据可用性

使用的数据来支持本研究的发现尚未提供,因为数据是保密的。

的利益冲突

作者宣称没有利益冲突有关这篇文章的出版。

确认

这项工作得到了国家自然科学基金(61702241,61602227),中国的基础教育部门辽宁省(LJYL019)和辽宁省科学博士启动基金项目(201601365)。

引用

1. w . Wang和y . n .胡”准确性北斗导航卫星系统的绩效评估,”Astronomica学报,卷。58岁的没有。2、2017。视图:谷歌学术搜索
2. c .施问:赵,m .李et al .,“北斗卫星的精密定轨和精确定位,“科学中国地球科学,55卷,不。7,1079 - 1086年,2012页。视图:出版商的网站|谷歌学术搜索
3. j .罗吴,徐,j .焦,张问:“深太空探索的跨层图像传输方案,”第86届车辆技术研讨会论文集(VTC-Fall 17)2017年9月,IEEE,页1 - 5。视图:谷歌学术搜索
4. e·p·奥德利Merenyi, r·格罗斯曼”使用空间的特点帮助SOM分割的自动化功能图像数据,”第12届国际研讨会学报》自组织映射和学习矢量量化、聚类和数据可视化(WSOM)2017年6月,页1 - 8,。视图:谷歌学术搜索
5. d·孟y贾、k Cai和j .杜”Transcale平均共识多车与固定和切换拓扑网络,”国际期刊的控制,卷90,不。10日,2098 - 2110年,2017页。视图:出版商的网站|谷歌学术搜索|MathSciNet
6. l .赵和y贾Transcale控制一类离散随机系统基于小波包分解,“信息科学,卷296,不。1,25-41,2015页。视图:出版商的网站|谷歌学术搜索
7. l .赵y, j . Yu和j·杜,”H_∞基于滑模扩大共识控制对于扰动的线性多代理系统,”应用数学和计算卷,292年,第389 - 375页,2017年。视图:出版商的网站|谷歌学术搜索|MathSciNet
8. b . j .白色,d . j . Berg j.y.菅直人r·a·马里诺l . Itti d·p·穆尼奥斯,“上丘神经元编码自然动态的视觉显著图在免费观看视频,”自然通讯第14263条,卷。8日,2017年。视图:谷歌学术搜索
9. j·杨和M.-H。杨”,自顶向下的视觉特点通过联合CRF和字典学习,”IEEE模式分析与机器智能,39卷,不。3、576 - 588年,2017页。视图:出版商的网站|谷歌学术搜索
10. k . s . s . Bhattacharya马纳,古普塔,“视觉显著检测使用时空分解,”IEEE图像处理,27卷,不。4、1665 - 1675年,2018页。视图:出版商的网站|谷歌学术搜索|MathSciNet
11. 诉Ramanishka Das, j·张,k . Saenko“自上而下的视觉特点遵循字幕,”学报30计算机视觉与模式识别、会议CVPR 17IEEE 2017。视图:谷歌学术搜索
12. s . i曹,S.-J。康,黄懿慧金,“人类基于知觉图像分割使用优化色彩量子化,”专业图像处理,8卷,不。12日,第770 - 761页,2014年。视图:出版商的网站|谷歌学术搜索
13. m . Eickenberg a Gramfort、g . Varoquaux和b·蒂里翁”看到这一切:卷积网络层映射人类视觉系统的功能”科学杂志卷,152年,第194 - 184页,2017年。视图:出版商的网站|谷歌学术搜索
14. g . m . m . Cheng x张:j . Mitra x,和美国,“全球对比显著区域检测,”《IEEE计算机视觉与模式识别会议(CVPR 11)普罗维登斯,页409 - 416年,RI,美国,2011年6月。视图:出版商的网站|谷歌学术搜索
15. x贾、h . Lu和m .杨“视觉跟踪通过自适应结构局部稀疏的外观模型,”《IEEE计算机视觉与模式识别会议(CVPR 12)2012年6月,页1822 - 1829。视图:出版商的网站|谷歌学术搜索
16. g . Mehraei b Shinn-Cunningham, t·道,“空间和非空间特性连续性对皮质的影响α振荡,”《美国声学学会杂志》上,卷141,不。5,3634 - 3635年,2017页。视图:出版商的网站|谷歌学术搜索
17. m . t . Hamood和s . Boussakta“快速Walsh-Hadamard-Fourier变换算法,”IEEE信号处理卷,59号11日,第5631 - 5627页,2011年。视图:出版商的网站|谷歌学术搜索|MathSciNet
18. Harel j . x侯,c .科赫”图像签名:突出稀疏的区域,IEEE模式分析与机器智能,34卷,不。1,第201 - 194页,2012。视图:出版商的网站|谷歌学术搜索
19. m . Everingham l . van干傻事,c·k·威廉姆斯,j·韦恩,和a . Zisserman“帕斯卡的视觉对象类(VOC)的挑战,”国际计算机视觉杂志》上,卷88,不。2、303 - 338年,2010页。视图:出版商的网站|谷歌学术搜索
20. d .太阳,罗斯,和m . j .黑色,“光流估计的秘密和他们的原则,”《IEEE计算机视觉与模式识别会议(CVPR 10)IEEE,页2432 - 2439年,加州,加州,美国,2010年6月。视图:出版商的网站|谷歌学术搜索
21. 科曼和s . Avidan“哈希一致性敏感,”学报2011年IEEE计算机视觉国际会议上,ICCV 2011西班牙,页1607 - 1614年,2011年11月。视图:谷歌学术搜索
22. d . d .康吉m·库马尔·r·l·米勒,j .罗和h·罗达,“改进的图像缩放,seam雕刻”学报2010年IEEE车间在信号处理系统中,口2010美国,页345 - 349,2010年10月。视图:谷歌学术搜索

版权

版权©2018玲玲子et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。