1. 计算机组成原理中的局部性原理是什么
时间局部性就是,最近被访问的存储单元,在之后很有可能会被再次访问到;
空间局部性就是,对于正在被访问的存储单元附近的位置,在之后很有可能会被访问到。
这个很容易理解,以一段常见的代码为例:
for(i = 0; i <= 100; i++) {
sum += array[i];
}
其中i、sum 这些元素现在正被访问,在之后也一定会被重复访问,这就是时间局部性;
而array这个数组,现在访问了array[0]的位置,那之后紧接着就会访问它附近的位置,比如array[1]、array[2]等等,这就是空间局部性。
根据局部性原理,可以做一些相关设计。比如cache就是利用局部性原理设计出来的。
2. 人脸识别技术利用的是什么原理
人脸识别,特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域,人脸追踪侦测,自动调整影像放大,夜间红外侦测,自动调整曝光强度;它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。
人脸识别技术包含三个部分:(1)人脸检测面貌检测是指在动态的场景与复杂的背景中判断是否存在面像,并分离出这种面像。一般有下列几种方法:①参考模板法首先设计一个或数个标准人脸的模板,然后计算测试采集的样品与标准模板之间的匹配程度,并通过阈值来判断是否存在人脸;②人脸规则法由于人脸具有一定的结构分布特征,所谓人脸规则的方法即提取这些特征生成相应的规则以判断测试样品是否包含人脸③样品学习这种方法即采用模式识别中人工神经网络的方法,即通过对面像样品集和非面像样品集的学习产生分类器④肤色模型法这种方法是依据面貌肤色在色彩空间中分布相对集中的规律来进行检测。⑤特征子脸法这种方法是将所有面像集合视为一个面像子空间,并基于检测样品与其在子孔间的投影之间的距离判断是否存在面像。值得提出的是,上述5种方法在实际检测系统中也可综合采用。(2)人脸跟踪面貌跟踪是指对被检测到的面貌进行动态目标跟踪。具体采用基于模型的方法或基于运动与模型相结合的方法。此外,利用肤色模型跟踪也不失为一种简单而有效的手段。(3)人脸比对面貌比对是对被检测到的面貌像进行身份确认或在面像库中进行目标搜索。这实际上就是说,将采样到的面像与库存的面像依次进行比对,并找出最佳的匹配对象。所以,面像的描述决定了面像识别的具体方法与性能。目前主要采用特征向量与面纹模板两种描述方法:①特征向量法该方法是先确定眼虹膜、鼻翼、嘴角等面像五官轮廓的大小、位置、距离等属性,然后再计算出它们的几何特征量,而这些特征量形成一描述该面像的特征向量。②面纹模板法该方法是在库中存贮若干标准面像模板或面像器官模板,在进行比对时,将采样面像所有象素与库中所有模板采用归一化相关量度量进行匹配。此外,还有采用模式识别的自相关网络或特征与模板相结合的方法。人脸识别技术的核心实际为“局部人体特征分析”和“图形/神经识别算法。”这种算法是利用人体面部各器官及特征部位的方法。如对应几何关系多数据形成识别参数与数据库中所有的原始参数进行比较、判断与确认。一般要求判断时间低于1秒。
3. 什么是局部图像特征
遥感影像目视解译原理
遥感影像目视解译原理
在遥感影像上,不同的地物有不同的特征,这些影像特征是判读识别各种地物的依据,这些都称为判读或解译标志。解译标志包括直接和间接解译标志:
1 直接判读标志
(1)形状
影像的形状是指物体的一般形式或在轮廓上的反映。各种物体都具有一定的形状和特有的辐射特性。同种物体在图象上有相同的灰度特征,这些同灰度的像素在图象上的分布就构成与物体相似的形状。随着图像比例尺的变化,“形状”的含义也不相同,一般情况下,大比例尺图像上所代表的是物体本身的几何形状,而小比例尺图象上则表示同类物体的分布形状。有些物体的形状非常特殊,其平面图形是该物体的结构、组成和功能的生要标志,有时甚至是关键,所以“形状”是判读的重要工具。
(2)大小
物体在图像上的大小也是判读标志之一。“大小”的含义随图像比例尺的变化而不同:大比例尺图像上,量测的是单个物体的大小,而小比例尺图像上,只能量测同类物体分布范围的大小。
(3)颜色和色调
颜色一般指彩色图像而言,当彩色摄影和假彩色合成技术发展起来之后,颜色的差别可以进一步反映了地物间的细小差别,为判读人员提供更多的信息。人眼对彩色的分辨能力远比对黑白色调差的分辨率能力强,因而颜色可作为彩色图像判读的标志。对多波段彩色合成图像的判读,往往可依据颜色的差别来确定地物与地物间或地物与背景间的边缘线,从而区分出各类物体。
色调是人眼对图像灰度大小的生理感受。人眼不能确切地分辨出灰度值,但能感受到灰度大小的变化,灰度大者色调深,灰度小者色调浅。
图像色调的深与浅,与物体的辐射特性是紧密相关的。一般情况下,反射率高的物体,接收的能量大,图像的色调就浅;反之则深。因此同一环境条件下的图像上色调的差异即是不同物体在图像上的反映。
(4)阴影
阴影的形式与物体辐射能量的方向有关,对反射辐射能来说与方向反射因子有关。在导出辐射传输方程式时,是把地表当作朗伯反射体看;而实际上地表的坡向和坡度都严重影响传感器方向的反射能量大小,以及物体之间的相互遮挡,都使图像上产生阴影。阴影有本影和落影之分。本影是象片上地物未被阳光直接照射到的阴暗部分;落影是在地物背光方向地物投射到地面的阴影在象片上的构象。
阴影会对目视判读产生相互矛盾的影响。一方面,人们可以利用阴影的立体感,判读地形地貌特征,大比例尺图像上,还可利用阴影判读物体的侧视图形,按落影的长和成像时间的太阳高度角量测物体的高度、单株树木的干粗等。另一方面,阴影区中的物体不易判读甚至根本无法判读。
(5)位置
自然界的物体之间往往存在一定的联系,有时甚至是相互依存的。例如桥梁与道路和水系,居民地与道路,土质与植被,地貌与地质等。因此物体所处的位置也是帮助判读人员确定物体属性的重要标志之一。
(6)结构(图案)
指自然界与人文特征重复出现的排列格式,如农业复合体(农田与果园),地形特征,建筑物布局等组成一定的格式。
(7)纹理
纹理指微色调的变化,纹理特征有光滑的、波纹形的、斑纹形的、线性的和不规则的等多种形态。利用纹理特征可以区分色调总体相同的两类物体,纹理也可以作为分类图像再细分的基本准则。
(8)分辨率
分辩率比其他许多图像特征(标志),更取决于遥感系统本身,而与物体的特性关系则小些。传感器本身因素包括性能、设计要求和遥感过程中的环境条件、以及获取数据以后的处理等。当图像上的物体小于图像分辨率时,则不能进行判读。
(9)立体外貌
对有一定重叠度图像,可以进行立体观察。各物体的立体外貌,在立体模型中的显示与真实情况相似。当其他标志都相同或相近时,立体外貌则是很好的判读标志。
以上这些直接判读标志,虽然在图像上都可以直接判读出来,即能直接确定物体的属性。但对于不同的图像类型,不同的图像比例尺和不同的分析研究目的,各直接判读标志的重要性也有所不同。例如,假彩色图像比其他图像更强调色调(颜色)的差别,因为同一幅图像上颜色的微小差别,即代表不同的物体特征;细微分类比粗略分类更强调纹理特征;进行高差判读时则以阴影为主要标志等。
2 间接判读标志
各判读标志都随图像比例尺缩小而逐渐失去其直接性。有许多判读目的不能根据图像的直接判读标志判读出来,例如城市人口数判读,某一社会阶层的经济状况等。这些专题的判读,可以按下述间接标志为依据:
(1)水系
水系的类型和结构受地形和基岩类型的控制,基岩的岩性、走向决定了地形地貌的结构和走向,因而也就决定了水系类型和结构。反言之,水系的类型结构也就指示出基岩岩性和地貌特征。
水系密度大,表示地表径流发育、支流多,土壤和岩石的透水性差,颗粒细,易于被流水侵蚀。密度小,表示地表径流不发育,土壤的透水性能好,水系稀疏,水土流失少。
水系分布均匀时,表示岩性均匀一致。岩性复杂地区水系的流水方向常急转弯,河流纵断面高差突变多形成瀑布、跌水等河段。
各种水系结构、类型都表示基岩的不同特性及地质构造,气候条件、地貌类型、植被覆盖密度和人工活动等。
水系在遥感图像上反映最明显,最易判读。在水系判读的基础上,可以根据水系的特征分析推断出其它地表特征。
(2)地貌
各种地貌形态由不同的岩性、造山运动、风蚀和水蚀作用形成。岩性不同抵抗风、水等外等侵蚀的能力也不同,一般抗外力能力强的岩石形成陡峻山地地貌,抗外力弱的岩石则形成平缓的丘陵或平地。
地貌形态特征决定了水系的类型,植被子的分布、土壤的特性等。因此,在图像上判读出了地貌形态后,可按其他要素与地貌的关系,推断出图像上无直接标志的特征。如植被子类型、土壤类型甚至植物种类等。
遥感图像上地貌类型的显示和水系一样明显,由于遥感图像一般是低太阳高度角成像,地形起伏产生的阴影十分明显,按阴影的长度和色调的深浅,能确定坡度和比高、进而确定地貌类型——山地、丘陵、平地等。
(3)土质
土质包括各类土壤、裸露岩石、戈壁、沙漠等,各种土质所处的自然环境不同其水分、盐分、碱分和腐殖质含量亦不相同。土壤的成因不同,又有不同的颜色——黑土、褐土、黄土、红壤等,这些区别都造成不同的辐射特性。
另外,土质和植被是紧密相关的,一定类型的土质,生长一定类型的植被。反之,植被的生长发育又影响到土质的组成成分。
土质在遥感图像上的表征除大片沙漠、戈壁和裸露岩石外,不是很明显的,要判断出土壤类型需根据土壤与其他易判读要素之间的联系来分析判断。
(4)植被
植被的种类、生长状况、分布规律,在一定程度上受岩性、地貌、土质、气候等因素的控制。不同种类的植物要在一定的自然环境中才能生长,一般而言,受气候条件的影响最大,但由于基岩的分布以及沉积物的成分、粒度、含水性、矿化度、盐碱度及有害元素等的影响,使植物群落的外貌、种属、生长状态等都发生了一些生态变化。
植物在遥感图像上的反映也是相当明显的,用植物的特征来分析判断与之有关的其他要素,效果很好。反之,也可以按其他影响植物发育的自然地理因素的分布规律,来判断植物群落的分布、类型和种类等。
大比例尺图像判读,植被往往是一种有害因素,茂密的森林往往掩盖大量地形特征,尤其对立体观测的影响较大。
(5)气候
地球上气候变化很有规律性,人们按其变化规律分成各类气候带:由赤道向两极,由沿海向内陆分成水平气候带;由山下向山头分成垂直气候带。
气候条件控制植物生长特征,水系发育特征,地貌土质发育特征等。这些要素反过来又影响气候条件,形成区域气候。
气候条件在遥感图像上毫无特征标志,但人们根据自然地理位置可以了解其气候变化情况,进而分析判断受气候条件控制的各要素的特征,诸如植物种属、密度;地貌特征;土壤性质;水第结构等。
(6)人文活动
人文活动往往局部地改变自然环境,使其有利于人类社会的发展。但计划的开发自然资源,往往又会造成生态平衡严重破坏,使自然地理要素的内在联系遭到破坏。
遥感图像反映人文活动的痕迹,大部分能在大比例尺图像上判读出来,小比例尺图像上只能反映大型人文活动的痕迹,如铁路建筑、堤坝工程、围湖造田、防护林带、城市发展、工矿设施及农业活动等。
人类活动对环境生态的破坏,用多时相图像对比分析,也是显而易见的。
上述各类判读标志中,在航空遥感图像判读时,直接判读中起主导作用;但在航天遥感图像判读中,间接判读标志与直接判读标志起着同等重要的作用。
四 遥感影像目视解译的原则和方法
1 遥感影像目视解译原则
遥感影像目视解译的原则是先“宏观”后“微观”;先“整体”后“局部”;先“已知”后“未知”;先“易”后“难”等。一般判读顺序为,在中小比例尺象片上通常首先判读水系,确定水系的位置和流向,再根据水系确定分水岭的位置,区分流域范围,然后再判读大片农田的位置、居民点的分布和交通道路。在此基础上,再进行地质、地貌等专门要素的判读。
2 遥感影像目视解译方法
(1)总体观察
观察图像特征,分析图像对判读目的任务的可判读性和各判读目标间的内在联系。观察各种直接判读标志在图像上的反映,从而可以把图像分成大类别以及其他易于识别的地面特征。
(2)对比分析
对比分析包括多波段、多时域图像、多类型图像的对比分析和各判读标志的对比分析。多波段图像对比有利于识别在某一波段图像上灰度相近但在其它波段图像上灰度差别较大的物体;多时域图像对比分析主要用于物体的变化繁衍情况监测;而多各个类型图像对比分析则包括不同成像方式、不同光源成像、不同比例尺图像等之间的对比。
各种直接判读标志之间的对比分析,可以识别标志相同(如色调、形状),而另一些标识不同(纹理、结构)的物体。对比分析可以增加不同物体在图像上的差别,以达到识别目的。
(3)综合分析
综合分析主要应用间接判读标志、已有的判读资料、统计资料,对图像上表现得很不明显,或毫无表现的物体、现象进行判读。间接判读标志之间相互制约、相互依存。根据这一特点,可作更加深入细致的判读。如对已知判读为农作物的影像范围,按农作物与气候、地貌、土质的依赖关系,可以进一步区别出作物的种属;河口泥沙沉积的速度、数量与河流汇水区域的土质、地貌、植被等因素有关,长江、黄河河口泥沙沉积情况不同,正是因为流域内的自然环境不同所至。
地图资料和统计资料是前人劳动的可靠结果,在判读中起着重要的参考作用,但必须结合现有图像进行综合分析,才能取得满意的结果。实地调查资料,限于某些地区或某些类别的抽样,不一定完全代表整个判读范围的全部特征。只有在综合分析的基础上,才能恰当应用、正确判读。
(4)参数分析
参数分析是在空间遥感的同时,测定遥感区域内一些典型物体(样本)的辐射特性数据、大气透过率和遥感器响应率等数据,然后对这些数据进行分析,达到区分物体的目的。
大气透过率的测定可同时在空间和地面测定太阳辐射照度,按简单比值确定。仪器响应率由实验室或飞行定标获取。
利用这些数据判定未知物体属性可从两个方面进行。其一,用样本在图像上的灰度与其他影像块比较,凡灰度与某样本灰度值相同者,则与该样本同属性;其二,由地面大量测定各种物体的反射特性或发射特性,然后把它们转化成灰度。然后根据遥感区域内各种物体的灰度,比较图像上的灰度,即可确定各类物体的分布范围。
第二部分
:
图象纹理分析已在许多学科得到广泛的应用。如细胞图象、金相图象等均具有明显的纹理特征,分析它们的纹理结构,可以得到鉴别细胞性质的信息及反映金相结构的物理信息〔1〕。气象卫星云图大多也是纹理型的。由于生成云的大气环流、云内气流、水汽含量等的差异,导致云的形态、密度、云顶高度的不同,在云图上反映出色调、分布及纹理的多样性。正确判别卫星云图中的云类特征可为人类提供丰富的天气信息,应用于天气分析、降水预报等领域,因而十分重要。郁凡等〔2〕曾作过这方面的工作。本文根据数字化卫星云图的灰度分布,抽取纹理特征量…
分辨率是用于记录数据的最小度量单位,一般用来描述在显示设备上所能够显示的点的数量(行、列),或在影像中一个像元点所表示的面积。
因为遥感拍摄的像片是由位于不同高度,装在不同载体(如飞机、卫星等)上的不同清晰度(分辨率)照相设备,以不同的照相(采集)方式,获取的遥感像片(图像、数据、影像等),这些遥感图像是具有不同清晰度、不同分辨率的照片。类似我们在生活中用135 照相机拍摄一棵树,从汽车上拍一张,然后再从飞机上拍一张,两张135底片在放大同一棵树时,其放大效果是不一样的。肯定是高度低的135照片放大后的效果最清晰,也就是说分辨率最高。
遥感卫星的飞行高度一般在4000km~600 km之间,图像分辨率一般从1 km~1m之间。图像分辨率是什么意思呢?可以这样理解,一个像元,代表地面的面积是多少。像元是什么意思呢?像元相当于电视屏幕上的一个点(电视是由若干个点组成的图像画面),相当于计算机显示屏幕上的一个象素,相当于一群举着不同色板拼成画图的人中的一个。合肥市五里飞虹卫星遥感影像.jpg
当分辨率为1km时,一个像元代表地面1kmX1km的面积,即1km2;当分辨率为30m时,一个像元代表地面30m×30m的面积;当分辨率为1m时,也就是说,图像上的一个像元相当于地面1m x 1m的面积,即1m2。
在您使用遥感图像数据时,请您千万注意,您所要解决的工作问题,应选择相应分辨率的遥感数据资料。有关遥感数据样板,请您查看本网站卫星遥感影像栏目。
4. 什么是局部性原理什么是抖动有什么办法减少传统的抖动现象
程序的局部性原理:是指程序在执行时呈现出局部性规律,即在一段时间内,整个程序的执行仅限于程序中的某一部分。相应地,执行所访问的存储空间也局限于某个内存区域。局部性原理又表现为:时间局部性和空间局部性。时间局部性是指如果程序中的某条指令一旦执行,则不久之后该指令可能再次被执行;如果某数据被访问,则不久之后该数据可能再次被访问。空间局部性是指一旦程序访问了某个存储单元,则不久之后。其附近的存储单元也将被访问。
5. 想问一下有没有比较方便的人脸识别算法,求推荐
特征脸方法
步骤一:获取包含M张人脸图像的集合S。在我们的例子里有25张人脸图像(虽然是25个不同人的人脸的图像,但是看着怎么不像呢,难道我有脸盲症么),如下图所示哦。每张图像可以转换成一个N维的向量(是的,没错,一个像素一个像素的排成一行就好了,至于是横着还是竖着获取原图像的像素,随你自己,只要前后统一就可以),然后把这M个向量放到一个集合S里,如下式所示。
其中Ω代表要判别的人脸,Ωk代表训练集内的某个人脸,两者都是通过特征脸的权重来表示的。式子是对两者求欧式距离,当距离小于阈值时说明要判别的脸和训练集内的第k个脸是同一个人的。当遍历所有训练集都大于阈值时,根据距离值的大小又可分为是新的人脸或者不是人脸的两种情况。根据训练集的不同,阈值设定并不是固定的。
后续会有对PCA理论的补充^_^.已补充理论:特征脸(Eigenface)理论基础-PCA(主成分分析法)
6. 基于局部特征的图像匹配与识别有哪些方法
从图像中提取的特征可以组成一个向量,两个图像之间可以通过定义一个距离或者相似性的测量度来计算相似程度。
特征匹配是图像检索的一个关键环节,具有特征依赖的特点,不同的特征应该采用不同的度量方法。在检索的过程中,根据系统相似性度量的算法计算查询特征与特征库中对应的每组特征的相似程度,把所得结果由大到小排序后得到一个匹配图像序列返回给用户。其间可以通过人机交互,对检索的结果逐步求精,不断缩小匹配集合的范围,从而定位到目标。匹配过程常利用特征向量之间的距离函数来进行相似性度量,模仿人类的认知过程,近似得到数据库的认知排序。常用的距离度量公式有:Minkkowsky距离,Manhattan距离,Euclidean距离,加权Euclidean距离,Chebyshev距离,Mahalanobis距离等。
其中,Manhattan 距离计算简单,效果也较好,被广泛采用;加权Euclidean 距离考虑了不同分量的重要性,也较为常用;Mahalanobis 距离考虑了样品的统计特性和样品之间的相关性,在聚类分析中经常用到。当采用综合特征进行检索时,需要对各特征向量进行归一化,以使得综合特征的各特征向量在相似距离计算中地位相同。
7. 程序的局部性特征有哪些有什么应用意义
程序局部性原理:虚拟存储管理的效率与程序局部性程序有很大关系。根据统计,进程运行时,在一段时间内,其程序的执行往往呈现出高度的局限性,包括时间局部性和空间局部性。 1、时间局部性:是指若一条指令被执行,则在不久的将来,它可能再被执行。 2、空间局部性:是指一旦一个存储单元被访问,那它附近的单元也将很快被访问。
8. 面部识别的原理是什么
面部识别软件可归入名为生物识别的一大类技术。生物识别技术使用生物信息来验证身份。生物识别背后的理论是:我们的身体包含一些独一无二的特征,可以使用它们将我们与他人区分开。除了面部识别之外,生物识别身份验证方法还包括:
指纹扫描
视网膜扫描
语音识别
面部识别方法有多种,但是通常涉及捕获、分析和对比等一系列步骤,将你的面孔与数据库中存储的图像进行对比。以下是FaceIt 系统用于捕获和对比图像的基本过程:
为了确定某人的身份,面部识别软件将新近捕获的图像与数据库中存储的图像进行对比。
检测——当系统连接到视频监视系统后,识别软件会在摄影机的视野中搜寻面部信息。如果在视野中存在一张面孔,它会在几分之一秒的时间内检测到它。它使用多尺度算法以低分辨率搜索面部图像。(算法是提供一组指令以完成特定任务的一个程序)。系统只有在检测到类似头部的形状后,才切换到高分辨率搜索。
对齐——一旦检测到面部图像,系统会确定头部的位置、大小和姿态。只有在面部与摄像机至少成35度角的情况下,系统才会记录它。
标准化——头部图像经过缩放和旋转,以便能记录和映射到相应的大小和姿态。无论头部的位置如何以及相距摄像机的距离有多远,都可以执行标准化过程。光线不会对标准化过程产生影响。
表示——系统将面部数据转换成一个唯一的代码。通过编码,可以更加容易地将新近捕获的面部数据与存储的面部数据进行比较。
匹配——将新捕获的面部数据与存储的数据进行对比,并(在理想情况下)链接到至少一个已存储的面部图像。
FaceIt 面部识别系统的核心是局部特征分析(LFA)算法。这是系统在对面孔进行编码时使用的数学技术。系统对面孔进行测量,并生成一个面纹,即面部的唯一数字代码。在存储了面纹之后,系统会将它与数据库中存储的成千或成百万的面纹数据进行对比。每个面纹都存储为一个84字节的文件。
面部识别系统通过使用面部识别软件,警察可以缩放摄像机画面并拍摄某个面孔。
系统可以用每分钟6000万张面孔的速度对内存中的面纹数据进行匹配,对于硬盘中的面纹数据,每分钟可以匹配1500万张面孔。在进行对比时,系统会用介于1到10之间的一个值来表示对比结果。如果该值大于预先定义的阈值,则宣布找到一个匹配结果。然后,操作人员可以查看被宣布为匹配项的两张照片,确定计算机的工作是否准确。
与其他生物识别技术一样,面部识别被认为是一种会在不远的将来得到广泛使用的技术。在下一节中,我们将介绍它现在的使用情况。FaceIt这样的面部识别软件的主要用户一直是一些执法机构,它们使用这些系统在拥挤的人群中捕获随机出现的面孔。然后,将这些面孔与数据库中犯罪分子的照片进行对比。除了进行执法和安全监视之外,面部识别软件还有其他几个用途,包括:
消除投票欺诈
取款身份验证
计算机安全
9. 经济学什么叫局部分析法
局部分析至少有两种意思,这两种意思都导源于先看和每一个质数p有关部份的问题,再试着将由每个质数所得到的资料整合成一“整体”图像的概念。
在局部均衡分析法的基础上,利用消费者剩余和生产者剩余来说明消费者与生产者在封闭与开放条件下如何进行最优选择,进而说明市场交易利益的产生、范围与分解。