一种基于形状矩阵的傅里叶描述子_张瑜慧

一种基于图形处理器运用FFT算法生成海洋表面的方法共3篇一种基于图形处理器运用FFT算法生成海洋表面的方法1基于图形处理器运用FFT算法生成海洋表面的方法海洋表面呈现出一种起伏不定、波涛汹涌的特征。

对于游戏、电影等虚拟现实应用而言，需要进行高效而真实的海洋表面渲染。

其中，FFT（Fast Fourier Transform）算法被广泛应用在海洋表面合成中，它可以在较短的时间内合成出细腻流畅的海洋表面效果。

本文基于图形处理器（GPU）运用FFT算法生成海洋表面，以提高算法的效率和可扩展性。

1. FFT算法介绍FFT算法是一种快速傅里叶变换算法，它能将离散信号转换为频域信号。

在海洋表面生成中，离散信号可以理解为某个坐标的高程值序列，频域信号则表示每个高程值对应的频率。

通过改变不同的频率和振幅，即可生成不同的海浪效果。

在FFT算法求解中，需要构造海浪高度场，即将每个坐标的高程值进行离散化（discritization）。

在海洋表面生成中，通常使用正弦函数和随机噪声来模拟海浪起伏的形态。

具体地，可以使用如下的公式：$$h(x,y,t)=\sum_{i=1}^nh_if_i(x,y,t)$$其中，$h(x,y,t)$为海浪高度场，$i$表示第$i$个波的频率和振幅，$f_i(x,y,t)$为第$i$个波的高程值。

2. 基于GPU并行计算原理GPU作为图形加速器，具有并行性强、计算能力高等优点。

在海洋表面生成中，GPU可以高效地并行计算每一个坐标的高程值，从而提高整个算法的效率。

在GPU中，可以使用纹理映射（Texture Mapping）的方式对海洋表面进行渲染，从而提高渲染效果。

具体而言，可以将FFT算法作为纹理采样函数（Texture Sampling Function），这样的处理方式可以减少数据传输和访问时间，同时提高渲染效率。

此外，GPU还支持基于线程块（Thread Block）的并行计算方式。

循环矩阵傅里叶循环矩阵与傅里叶变换循环矩阵和傅里叶变换是现代数学的两个重要领域。

从表面上看，似乎它们没有任何关系，但是实际上它们之间有着深刻的联系。

本文将探讨循环矩阵和傅里叶变换之间的关系，并且讲解它们的定义、性质、应用等方面的内容。

一、循环矩阵的定义和性质1. 定义一个$n\times n$的循环矩阵$C=[c_{ij}]$，是这样一个矩阵：$$ C= \begin{bmatrix} c_{1,1} & c_{1,2} &\cdots & c_{1,n-1} & c_{1,n}\\ c_{2,1} & c_{2,2} & \cdots & c_{2,n-1} & c_{2,n}\\ \vdots & \vdots &\ddots & \vdots & \vdots\\ c_{n-1,1} & c_{n-1,2} & \cdots & c_{n-1,n-1} & c_{n-1,n}\\ c_{n,1} &c_{n,2} & \cdots & c_{n,n-1} & c_{n,n}\end{bmatrix} $$其中，$c_{i,j}$表示矩阵的第$i$行，第$j$列的元素。

并且，$c_{i,j}=c_{i,j+n}$，以及$c_{i,j}=c_{i+n,j}$。

也就是说，循环矩阵是由一列数据重复构成的矩阵。

2. 性质（1）循环矩阵$C$的每一行都是由第一行循环移位得到的。

也就是说，对于循环矩阵$C$的任意一行$i(1\leq i\leq n)$，都有：$$ \begin{bmatrix}c_{i,1},c_{i,2},\cdots,c_{i,n} \end{bmatrix} =\begin{bmatrix} c_{1,1},c_{1,2},\cdots,c_{1,n}\end{bmatrix} \circledast \begin{bmatrix}0,0,\cdots,0,1 \end{bmatrix}^{i-1} $$其中，$\circledast$表示循环卷积运算，也就是说：$$ \begin{bmatrix}c_{1,1},c_{1,2},\cdots,c_{1,n} \end{bmatrix}\circledast \begin{bmatrix} 0,0,\cdots,0,1\end{bmatrix}^{i-1} = \begin{bmatrix}c_{i,1},c_{i,2},\cdots,c_{i,n} \end{bmatrix} $$（2）循环矩阵$C$的特征多项式为：$$ f(\lambda)=\lambda^n-\sum_{k=1}^{n-1}c_{1,k}\lambda^{n-k}-c_{1,n} $$证明：由于循环矩阵$C$是由一列数据重复构成的，因此，它的每一行都是由第一行循环移位得到的。

基于快速傅里叶变换的局部分块视觉跟踪算法侯志强;张浪;余旺盛;许婉君【摘要】In order to solve the problems of appearance change, local occlusion and background distraction in the visual tracking, a local patch tracking algorithm based on Fast Fourier Transform(FFT)is proposed. The tracking precision can be improved by establishing object’s patch kernel ridge regression model and using patch exhaustive search based on circular structure matrix, and the efficiency can be improved by transforming time domains operation into frequency domains based on FFT. Firstly, patch kernel ridge regression model is constructed according to the initialized tracking area. Secondly, a patch exhaustive search method based on circular structure matrix is proposed, then the position model is constructed in adjoining frame. Finally, the position of the object is estimated accurately using the position model and the local patch model is updated.Experimental results indicate that the proposed algorithm not only can obtain a distinct improvement in coping with appearance change, local occlusion and background distraction, but also have high tracking efficiency.%针对视觉跟踪中目标表观变化、局部遮挡、背景干扰等问题，该文提出一种基于快速傅里叶变换的局部分块视觉跟踪算法。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202010648900.2(22)申请日 2020.07.07(71)申请人 章越新地址 350011 福建省福州市晋安区茶园街道铁六小区86栋106室申请人 张盛(72)发明人 张盛　章越新　(51)Int.Cl.G16H 50/50(2018.01)G16H 50/70(2018.01)G06F 17/18(2006.01)G06F 17/14(2006.01)(54)发明名称一种基于傅里叶变换的疾病预测方案(57)摘要本发明提出了一种基于傅里叶变换的疾病预测方案，该方案的特征包括：采集用户历史患病数据和健康关联数据，并对数据进行预处理；采用非线性回归的方法，以预处理数据为样本集合，求解出三角函数型回归曲线；利用傅里叶变换原理，将回归曲线变换为疾病预测曲线；利用疾病预测曲线的最优近似解对用户在未来一段时期内的患病风险进行预测。

权利要求书2页 说明书10页 附图2页CN 111798984 A 2020.10.20C N 111798984A1.一种基于傅里叶变换的疾病预测方案，其特征在于，包括以下步骤：步骤1：采集用户历史患病数据和健康关联数据，并对数据进行预处理；步骤2：采用非线性回归的方法，以预处理数据为样本集合，求解出三角函数型回归曲线；步骤3：利用傅里叶变换原理，将回归曲线变换为疾病预测曲线；步骤4：利用疾病预测曲线的最优近似解对用户在未来一段时期内的患病风险进行预测。

2.根据权利要求1所述的一种基于傅里叶变换的疾病预测方案，其中，所述步骤1中采集用户历史患病数据和健康关联数据，并对数据进行预处理，其特征在于：用户历史患病数据是指在过去一段时期内用户患某种疾病的程度关于时间变化的函数；用户健康关联数据是指与人体健康有关联的各类因素随时间变化的函数，其包括但不限于外界环境数据、生理指标数据等。

优先出版 计 算 机 应 用 研 究 第32卷--------------------------------基金项目：中央高校基本科研业务费(ZYGX2013J071)；四川省科技厅资助项目(2013JQ0005)作者简介：王新建(1979-)，男，内蒙古集宁人，博士研究生，主要研究方向为图像检索、模式识别、云计算(wangxinjian202@)；罗光春(1974-)，男，教授，博导，主要研究方向为中间件技术、计算机网络和信息安全；秦科，男，博士，主要研究方向为模式识别、信息安全、神经网络；田玲，女，博士，主要研究方向为数字媒体、网络音视频；彭凝多，男，博士研究生，主要研究方向为云存储、云安全；赖云一，博士研究生，主要研究方向为数据挖掘．一种基于目标轮廓形状矩阵傅氏描述子的特殊标志识别方法王新建，罗光春，秦 科，田 玲，彭凝多，赖云一(电子科技大学 计算机科学与工程学院，成都 611731)摘 要：为了快速的从互联网上的海量图像中检索出含有某种特殊标志的图像，提出了一种基于形状矩阵傅氏描述子（Shape Matrix Fourier Descriptor ，SMFD ）的图像标识检索算法。

该算法通过对图像内容进行分割得到目标对象的边界信息，并在光栅系统中进行目标轮廓边界点统计获得形状矩阵，然后分析其周期性变化规律和特点，对形状矩阵按列展开为一维向量并进行傅立叶变换，取傅立叶变换系数中模值大于模值平均值的部分来构建特征向量，最后用欧式距离进行图像间相似性度量。

实验结果表明，SMFD 具有尺度、旋转、平移不变性，与其它方法进行检索对比，提高了图像的查准率和查全率，可以有效的应用于实际项目。

关键词：特殊标志；形状矩阵傅氏描述子；特征向量 中图分类号：TP391.4 文献标志码：AMethod for special label retrieval based on shape matrix Fourier descriptor of object contourWANG Xin-jian , LUO Guang-chun , QIN Ke , TIAN Ling , PENG Ning-duo , LAI Yun-yi(School of Computer Science ＆ Engineering, University of Electronics Science ＆ Technology of China, Chengdu 611731, China)Abstract: In order to quickly retrieve the images that contains some special label from massive images over the internet, this paper proposed a method of shape image retrieval based on shape matrix Fourier descriptor(SMFD), it extracts the corner information of the object by dividing the object contours, counts the corner points in raster coordination system to obtain the shape matrix, then analyses the periodic variation and its characteristics, expands it by column as a vector and performs Fourier transform, constructs the shape of a matrix Fourier descriptors by taking the part where the Fourier transform modulus is greater than the average value, and finally measures the similarity among the images with Euclidean distance. Experimental results show that the SMFD is content to transfer, rotation and scale invariant, it is efficient and reliable compared to other methods with the images intercepted on the internet . therefore it could be applied in the real project efficiently. Key Words: special label; shape matrix fourier descriptor(SMFD); feature vector0 引言随着互联网技术的发展和普及，互联网已成为国内恐怖组织进行宣传和联系的主要手段。

基于序列剖视图的机械类网格模型搜索方法(Ⅱ)莫蓉;石源;常智勇;张欣;汪伟【摘要】为支持机械类网格模型的搜索,提出了两种基于模型主轴序列剖视图的形状描述子,分别是侧重表示视图区域的主轴剖视图傅里叶矩描述子和侧重表示视图边界的线段分布直方图.将面向场景搜索的时间相似度度量框架引入到模型搜索领域,给出了一种基于主轴序列剖视图相似性的模型距离计算方法.通过模型搜索的实验验证了上述两种形状描述子及模型距离度量方法的实用性和有效性.【期刊名称】《计算机集成制造系统》【年(卷),期】2010(016)006【总页数】10页(P1158-1167)【关键词】序列剖视图;网格模型;搜索;傅里叶矩描述子;线段分布直方图;相似性;特征提取【作者】莫蓉;石源;常智勇;张欣;汪伟【作者单位】西北工业大学现代设计与集成制造技术教育部重点实验室,陕西,西安,710072;西北工业大学现代设计与集成制造技术教育部重点实验室,陕西,西安,710072;西北工业大学现代设计与集成制造技术教育部重点实验室,陕西,西安,710072;西北工业大学现代设计与集成制造技术教育部重点实验室,陕西,西安,710072;西北工业大学现代设计与集成制造技术教育部重点实验室,陕西,西安,710072【正文语种】中文【中图分类】TP391.710 引言3维模型的视图特征大致可以分为基于边界的特征和基于区域的特征两类。

目前,已有很多学者提出了各种基于视图特征的3维模型搜索算法,其中侧重表示视图边界的典型方法是由文献[1]提出的,具体过程是将3维模型的2维轮廓图用距离变换(Distance T ransform,DT)的方法转换成二进制的灰度图像,并将它们离散到一组同心圆上,则原图可看成定义在一组同心圆上的函数,对函数进行傅立叶变换得到最终的特征描述。

考虑到视图中区域特征的因素,文献[2]给出了一种称为光场描述子(LightField Descriptor,LFD)的视图特征,该特征集成了2维Zernike矩特征(侧重描述视图区域)和二维Fourier特征(侧重描述视图边界)。

傅里叶谱和矩不变法结合的图像阈值分割张新明;李双;郑延斌;张慧云【摘要】针对矩不变法图像分割算法中存在的问题,提出了一种基于傅里叶谱和矩不变法相结合的图像分割方法.首先依据矩不变原理计算待分割图像的累计灰度分布函数值获取初始阈值,然后对图像直方图进行傅里叶变换,并得到傅里叶谱系数,最后利用该系数和累计灰度分布函数值对初始阚值进行调整,由于傅里叶谱能很好地"匹配"矩不变法获取的阈值,从而能自动调整初始阈值,使分割效果达到最佳.分割实验结果表明,该方法不仅运算速度快,而且有较好的分割效果和普适性.【期刊名称】《计算机应用》【年(卷),期】2010(030)008【总页数】5页(P2094-2097,2153)【关键词】图像分割;离散傅里叶变换;矩不变法;阈值化;傅里叶谱【作者】张新明;李双;郑延斌;张慧云【作者单位】河南师范大学,计算机与信息技术学院,河南,新乡,453007;河南师范大学,计算机与信息技术学院,河南,新乡,453007;河南师范大学,计算机与信息技术学院,河南,新乡,453007;河南师范大学,计算机与信息技术学院,河南,新乡,453007【正文语种】中文【中图分类】TP391.410 引言图像分割是计算机视觉中的一个关键问题，它是一种重要的图像分析技术，其目的是将图像中有意义的特征或者需要应用的特征提取出来，图像分割所遵循的基本原则是:使区域内部所考虑的特征或属性是相同或相似的，而这些特征或属性在不同的区域中则不同，存在差异。

图像分割是计算机视觉领域的一个经典难题由于图像分割的不确定性及分割任务的重要性，人们至今仍在不断地研究探索新的分割理论与算法。

在众多的分割方法中，阈值化方法因其简单、计算量小、性能较稳定而成为图像分割中应用最广泛的分割技术。

图像阈值分割是根据一定的阈值将目标从视场背景分离出来的过程。

在实际系统中，图像目标和背景之间并不具备截然不同的灰度，随着可见光照射角度的不同，目标的亮度和背景的亮度均要变化。