公共文化服务平台

共 6 条记录，以下是 1-6

全选清除导出

排序方式：

基于打包索引纹理的大规模数据体绘制算法: 2008年; 针对大规模数据体绘制效率低下的问题,提出一种算法:对体数据进行纹理分块打包,移除空数据块,并创建数据块的索引数据,绘制时通过索引访问打包后的纹理实现大规模数据完全载入显存,同时在索引中标记空数据及高密度数据块的位置,绘制前生成其有效的立方体数据表达,结合早期光线终止与空域跳过等加速技术,有效地实现了大规模的体数据的实时绘制,同时保证了结果图像的质量。; 苏超轼赵明昌张向文; 关键词：体绘制科学可视化纹理压缩

基于Gentleboost算法的人物检测被引量：4: 2008年; 传统的人物检测方法多是对于小样本,并且对于背景复杂的图片检测率很低,但是现实中的场景复杂,而且实时检测系统需要处理大量图片。针对传统检测方法在人体检测中的这些不足,提出了一种基于集成学习的方法——Gentleboost算法的人物检测方法,利用人物的身体碎片以及这些碎片相对于身体中心的相对位置作为特征,用Gentleboost算法训练的分类器来对人体进行分类。为了提高分类器的学习效率,解决复杂场景中人体检测的难题,提出了一种利用线性回归末端作为弱分类器的方法,从正、负两个方面对预测模型进行加权,改变了原来的仅从正预测进行加权的方法。将Gentleboost和基于YCbCr外表滤波加上身体部分特征的人物检测算法(简称为YCbCr算法)进行比较,并且对不同迭代次数的分类性能也进行了比较。实验结果表明,Gentle-boost的性能要优于YCbCr算法,而且随着迭代次数的增加,检测精度也随着增加,并且逐渐趋于稳定。该方法执行起来简单,数值上也比较稳定,正确率高,可以处理大量图片,解决了人体检测中的一些关键问题。; 程丽芳赵明昌张向文; 关键词：特征提取分类器

基于Boosting学习的靶子自动检测算法研究: 2008年; 提出了一种实弹射击演习中的靶子自动检测方法,适合于野外复杂背景下的靶子图像处理,所有图像由固定在枪柄上的摄像头统一采集。利用经典的Boosting学习算法,将图像中靶子的特征提取出来,对图片的训练集进行训练,并从训练中学习到一个强的分类器,从而实现了靶子所在区域的自动化检测。并将方法用于一个具体实例,实验结果证明了所提方法的有效性。; 肖潇赵明昌; 关键词：分类器

GPU加速的八叉树体绘制算法被引量：13: 2008年; 提出一种针对物体空间为序体绘制的空域跳过算法:采用双层次空间跳过,先以规则的数据分块作粗略地跳过,再以八叉树获得更高粒度的优化。该方法进一步解决了超过可用纹理内存容量的大规模体数据实时绘制问题,允许实时改变传递函数。针对该算法引入的CPU高负载瓶颈,提出一种新算法,在图形处理器(GPU)内快速计算采样面片,平衡了CPU与GPU间的运算负载。结合上述两种算法,实现高效的大规模体数据绘制并无损图像质量。; 苏超轼赵明昌张向文; 关键词：体绘制图形处理器

基于八叉树的体绘制早期射线终止算法: 2007年; 早期射线终止是实时体绘制重要的加速算法之一。针对现有的算法中体数据逼近困难,需要大量的预运算时间等缺点,提出一种改进算法,基于八叉树的体数据表达,按视线方向从前向后的次序遍历八叉树,获得射线终止信息,再以深度缓冲剔取实现早期射线终止。算法对体数据逼近精确,无需预运算,加速绘制效果明显,且无损最终图像质量。; 苏超轼赵明昌张向文; 关键词：体绘制八叉树图形处理器

基于人体碎片的特征提取算法研究: 2008年; 特征提取一直是模式分类问题中的关键步骤,对基于身体碎片外形轮廓及其和人物中心相对位置特征的提取算法进行研究。此算法操作简单,这些特征是在所有位置和所有大小上提取的,使制作的分类器满足平移和缩放不变性,并且他还是基于有标注数据库的。此算法可用于基于物体碎片特征的人脸识别系统、车辆和人体的自动视频监测系统以及其他的监控系统和图像检索中。; 程丽芳赵明昌张向文何英; 关键词：特征提取滤波器边缘检测

全选清除导出

共1页<1>

广西壮族自治区科学研究与技术开发计划(0632007-1G)