位置:成果数据库 > 期刊 > 期刊详情页
基于DRNAMC表示的快速矩计算算法
  • ISSN号:1671-4512
  • 期刊名称:Huazhong Keji Daxue Xuebao (ziran Kexue Ban)/journ
  • 时间:0
  • 页码:69-72
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]华南理工大学计算机科学与工程学院,广东广州510006
  • 相关基金:国家自然科学基金资助项目(60973085);教育部博士点基金资助项目(20120172120036);广东省自然科学基金资助项目($2011040005815);广东省高校优秀青年创新人才培养计划资助项目(LYMll015);中央高校基本科研业务费专项资金资助项目(2011ZM0074);国家级大学生创新训练项目(111056154).
  • 相关项目:基于NAM的动态视觉信息认知理解方法研究
中文摘要:

为了进一步提高低阶矩的计算速度,分析了基于对角优先的矩形非对称逆布局模型编码(DRNAMc)表示的同类块的矩计算的复杂度,给出了基于DRNAMC表示的矩计算的2个重要定理,提出了一种DR—NAMC基于表示的快速矩计算算法.实验结果表明:以Peppers,Boat和Goldhill等灰度图像作为典型测试对象,与流行的基于S树编码(STC)表示和传统表示的矩计算算法相比,基于DRNAMC表示方法的矩计算平均执行速度比基于STC表示方法的矩计算平均执行速度提高了32.92%,比传统表示方法的平均执行速度提高了91.07%,是一种良好的矩计算方法.

英文摘要:

To improve the speed of computing lower order moments, the time complexity of the moment computation of a homogeneous block was analyzed, based on the diagonal-first rectangular nonsymmetry and anti-packing model coding (D1RNAMC). Two important theorems of the moment computation based on the DRNAMC were presented. A fast algorithm for computing the lower order moments based on the DRNAMC representation was proposed. By taking three gray images Peppers, Boat, and Goldhill as typical test objects, and by comparing our proposed algorithm for computing lower order moments based on DRNAMC representation with those based on the conventional representation and the popular S-tree coding (STC) representation for computing the lower order moments, the experimental results presented in this paper show that the average executing time improvement ratio of the former over the latter is 32.92 % and 91.07 %, respectively whereas remaining the image quality, and therefore it is an effective algorithm for computing the lower order moments.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《华中科技大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:中华人民共和国教育部
  • 主办单位:华中科技大学
  • 主编:丁烈云
  • 地址:武汉珞喻路1037号
  • 邮编:430074
  • 邮箱:hgxbs@mail.hust.edu.cn
  • 电话:027-87543916 87544294
  • 国际标准刊号:ISSN:1671-4512
  • 国内统一刊号:ISSN:42-1658/N
  • 邮发代号:38-9
  • 获奖情况:
  • 全国优秀科技期刊,首届国家期刊奖,第二届全国优秀科技期刊评比一等奖,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版)
  • 被引量:21013