一、一种快速字符串匹配搜索算法（论文文献综述）
金海[1]（2021）在《基于否定关键词和语义处理的空间关键词查询研究》文中研究指明随着多媒体网络和GPS全球定位服务系统的发展和相关应用普及,海量且多维度的数据呈现爆发式的增长,包括大量带有关键词属性的空间文本对象数据。目前主要通过空间数据库查询处理技术对这些数据进行分析处理,其中最重要的核心问题就是空间关键词查询技术,它能够利用兴趣点本身的空间属性与文本属性并综合考虑他们与查询之间的相关性,快速返回给用户满足查询需求的兴趣点。现有的空间关键词查询技术主要集中在经纬度坐标之间的距离计算以及精确的文本匹配,忽略了用户在查询当中排斥的关键词属性,且在此查询过程中仅仅依赖于文本之间的精确匹配,对于查询中文本信息与兴趣点信息不能完全匹配的查询,极有可能造成在一定区域内没有返回结果的情况。对此,本文的具体工作如下:（1）针对查询中忽略了用户排斥属性的问题,本文提出了一种新的带否定关键词约束的查询模式。首先,采用Geohash字符串表示兴趣点对象,对字符串排序后插入B+树作为二叉树的叶节点,通过二叉树过滤带否定关键词的对象,构建了基于Geohash的混合索引结构BGIB-Tree。在此索引基础上,基于Geohash编码的递归性,设计了前缀匹配搜索算法,采用区域编码和对象编码前缀匹配的剪枝策略,使得无需进行距离计算通过字符串比对即可快速找到满足空间约束的对象,通过这些对象的id在倒排索引中双向搜索即可完成查询,从而能够有效处理用户在查询当中输入的否定关键词信息。将此算法与R树法相比,准确率提高了29%。（2）针对一词多义现象或者用户输入错误易导致不能返回给用户最精确的查询结果的问题。本文提出了结合空间、语义、文本三层结构的聚类混合索引树（GB2-Tree,Geohash Binary BC-IDistance Tree）。首先在空间维度使用降维算法使得剪枝效果达到最优,并且在语义层运用BC-i Distance索引将高维语义向量进行聚类,按照其主题分布距离即可快速准确地找到与查询语义相近的对象。将此算法与NIQ算法相比,平均查询效率提高了19.6%。
李菲[2]（2021）在《基于图同构的数学推理引擎的设计与实现》文中指出近些年,人工智能已经由传统的感知智能逐渐向认知智能过渡,认知智能与自动推理成为研究的重点。如何将深度学习应用于逻辑推理,从而让机器具备思考和推理能力将是人工智能的重大突破口。本文的研究内容是基于图同构的初等数学推理引擎的设计和构建,推理引擎的系统设计理念基于产生式系统,并涉及到知识表示和实例化规则库的构建两部分。具体研究内容如下:（1）初等数学的知识表示知识表示是类人解答系统求解问题的第一步,只有先将人类的语义转换成计算机的知识结构,才能进行后续的推理和问题求解工作。本文最终选用知识图谱来表示数学中概念实体和它们之间的关系,在实际代码中使用Java中的类结构来构建初等数学的实体类和关系类,通过类的继承思想实现了知识图谱的可扩展性和开闭性原则,即所有的实体类都继承于抽象实体类,所有的关系类都继承于抽象关系类。（2）构建实例化定理库在基于产生式系统的推理引擎中,规则库是重要的外部驱动和产生知识的依据。本文构建的规则库也是用知识图谱的存储。实例化定理库的构建分为三个步骤:定理收集、定理标准化以及定理实例化。定理的来源是教材和教辅中的公式定理、标准答案的解答过程以及解题技巧。定理标准化是将收集的定理转换成推理引擎标准的格式,是推理引擎简单统一的条件之一。最后将标准化的定理生成知识图谱从而完成实例化。（3）图同构的推理引擎的设计和构建本文的推理引擎在设计上,融合了常规解题思路中的正推法与逆推法,形成”先逆后正“的逻辑推理方式,并与计算推理方式相结合。在架构上,采用分层结构,每个逻辑层之间保持相对独立性。核心算法为图匹配方法,是一种混合匹配算法,在知识图谱上通过类型匹配构建实体和关系的映射,然后再对字符串做模式匹配,生成符号轮换集。本文完成了基于图同构的数学推理引擎的整个算法设计和所有模块的构建工作,并进行了非应用题的随机批量测试,综合解题率为71.2%,平均求解时间不超过5分钟。
刘纳[3]（2020）在《基于后缀树和后缀数组的带有通配符多模式匹配研究》文中研究说明模式匹配问题在大数据时代下的信息检索、文本挖掘、网络安全以及生物信息学等很多领域都具有重要的应用价值,尤其是带有通配符的多模式近似匹配,相比正则表达式、单模式匹配和精确模式匹配,可以解决更加复杂的模式匹配问题,如从海量异构数据的碎片化知识中提取有价值的信息等。因此,根据带有通配符的模式特性,借助后缀树、后缀数组等高效的数据结构及其相应特性,对带有通配符的多模式近似匹配问题研究具有重要的研究意义和应用价值。目前对于带有通配符的模式匹配多是针对单模式匹配,而对于多模式匹配的研究更多的是针对精确匹配,对于带有通配符的多模式近似匹配问题的研究相对较少。而后缀树、后缀数组在精确字符串匹配中非常高效,常用于查找字符串中的频繁子串、最长重复子串、最长公共前缀及回文串等问题,而在近似匹配中多是理论分析,缺少实验分析及论证。因此,采用后缀树、后缀数组的方法进行带有通配符的多模式近似匹配研究具有重要的研究意义。本文在对国内外有关带有通配符的模式匹配、多模式近似匹配、后缀树和后缀数组在近似匹配中的理论研究以及其相关数据结构特性,进行分析总结的基础上,提出了基于后缀树和后缀数组的新算法,用于解决带有通配符的多模式近似匹配问题。本文的主要研究内容和创新之处,总结如下:（1）实现后缀树在近似模式匹配中的应用研究。给定一个由精确字符和通配符组成的模式P,在目标序列S中,查找该模式出现的次数或位置,即带有通配符的模式匹配。这一问题属于近似模式匹配,而后缀树常被用于精确模式匹配中,在近似模式匹配中多是理论分析。为此,本文结合后缀树的特性,采用两种方法实现了其在带有通配符的单模式近似匹配中的应用研究,然后通过算法设计及对比实验分析,总结出后缀树可以应用于带有通配符的近似模式匹配,但由于其建树需要一定的时间,对于带有通配符的单模式匹配问题,应用后缀树的方法存在局限性。（2）提出了基于后缀树的带有通配符多模式匹配算法MMST。通过上一个研究结果发现,后缀树可以应用于带有通配符的近似模式匹配中,但是因为建树耗时,不适用于单模式近似匹配。由于后缀树具有一次建树,多次使用的特性,为此,采用动态规划和编辑距离方法,设计实现了基于后缀树的带有通配符的多模式近似匹配算法MMST-S和MMST-L。根据模式中精确字符的长度选用不同的算法,通过算法设计以及在真实的生物信息学数据中进行对比实验论证。实验结果表明,后缀树可以应用于多模式近似匹配中,当目标序列不变时,匹配模式数量越多,MMST算法相比其他对照算法,算法效率越高。（3）提出了基于后缀数组的带有通配符的多模式匹配算法MMSA。后缀数组是一种在后缀树的基础上进行优化的、更加高效一种的数据结构。相比后缀树,后缀数组将所有后缀按照字典顺序进行排序,并存储在数组中。尽管排序会耗用一定的时间,但是排序后的后缀,结合后缀数组的其他特性,可以更加高效地排除更多不可能存在匹配结果的位置。因此,后缀数组也可应用于带有通配符的多模式匹配问题。通过在DNA序列和蛋白质序列中的实验论证,验证了基于后缀数组的带有通配符的多模式近似模式匹配算法MMSA,在目标序列不改变时,MMSA算法相比其他对照算法,随着模式数量增多,算法效率越好,在某些条件下优于基于后缀树带有通配符的多模式匹配算法。
张展[4]（2019）在《基于双目视觉的三维重建关键技术研究》文中进行了进一步梳理随着我国国民经济迅速发展,人们生活质量的提高,国家对智能制造,智能城市,智能园区等一系列智能技术越来越重视,体现人工智能的双目立体视觉越显重要,它在智能生产,交通监控,机器导航,航空航天,医学建模,视觉仿真,文物复原,非接触高精度测量等方面,提供包括虚拟视觉仿真,视觉识别与定位等技术,能够有效地提高生产效率和产品质量,降低运营成本和资源能源消耗。基于双目视觉的三维重建,是图形图像处理与机器视觉的重要组成部分。因为单目相机拍摄的单幅图像是二维的,没有第三维信息,所以采用双目摄像机仿真人类视觉系统,拍摄两张二维图像,并根据这两张图像匹配点对的视差,利用相似三角形原理计算出目标物体表面点到两镜头光心连线的距离,以及物体表面点云三维坐标。三维重建,是根据物体表面全部或部分点云的三维坐标,对目标物体全部或者部分表面进行重建。三维重建可以恢复场景的3D信息,协助机器人完成目标的识别、定位、测量、导航、抓取与跟踪等特定任务。基于双目视觉的三维重建,模仿人类的两只眼睛同时观察场景的方法,更加经济实用。本课题目的是通过双目视觉图像匹配,计算视差,根据视差计算物体表面点云并建立目标物体的三维模型,辅助机器人进行工件等物体的识别、定位与抓取。意义在于能够加快生产的速度,提高产品的质量,使工业制造智能化。本课题依托国家项目:国家重点研发计划“基于工业物联网的智能产线实时故障诊断关键技术研究及应用”（YS2017YFGH001945）。论文的主要贡献是提出以下几个方法:1.圆周二进制特征提取算法现有梯度特征与二进制特征提取方法,存在计算量大和入围率低的问题,针对这些问题,提出一种图像关键点局部区域的圆周二进制特征提取的方法。提取特征时,使用高斯金字塔仿真人眼小孔成像模型:近处目标成像大,远处目标成像小,近目标成像清晰,远处目标成像模糊,确保特征的光照、尺度、模糊不变性;使用FAST算子检测关键点;使用图像特征点邻域灰度重心法,计算关键点特征方向,确保特征的旋转不变性;提出镜像不变性规律和圆周二进制特征提取算法,提升二进制特征的镜像不变性。提取的圆周二进制特征适应性强,对比速率快。2.位图局部敏感哈希的匹配二进制特征搜索算法针对现有的匹配二进制特征搜索算法存在效率低和入围点少的问题,提出快速计算位图算法以及位图局部敏感哈希算法,搜索图像的匹配二进制特征。首先,计算左图特征位向量的关键字;然后,使用快速计算位图算法计算位向量的位图,将位图按照掩码提取出关键字,并与二进制特征的标识作为映射构建局部敏感哈希表,同时将关键字存入位集;最后,根据右图提取的二进制特征对应关键字,使用位图快速判断特征ID是否存在于哈希表中,以优化查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,位图局部敏感哈希算法提高了二进制特征近邻搜索的效率、增加了入围点数。3.圆周二进制特征提取与匹配搜索方法二进制特征在图像匹配识别与定位中,具有计算简单快速、匹配效率高和存储简单的优点。现有二进制特征提取算法镜像不变性较差,匹配二进制特征搜索算法入围率低,针对这两个问题,结合圆周二进制特征提取算法和位图局部敏感哈希算法,提出圆周二进制特征提取与匹配搜索方法。4.内外相似度聚集的立体匹配算法针对现有立体匹配方法提取视差图像的非闭塞区域错误率高和效率低的问题,提出内外相似度聚集的立体匹配算法:首先,给出参考彩色图像近邻像素的内部相似度;然后,在图像彩色与亚像素空间,给出左图像与右图像之间候选匹配像素的外部相似度;接着,提出内外相似度聚集方法,聚集左右图像匹配点的相似度,使用赢者通吃算法计算视差图;最后,提出盒图滤波算法,提纯和平滑视差图像,并给出八方向内外相似度聚集的立体匹配算法,实验结果证明,内外相似度聚集的立体匹配算法提取视差图的非闭塞区域错误率低,效率高。5.基于视差图像的物体表面的三维重建方法根据双目相机获取的两幅图,提取视差图像,提出基于视差直方图的图像分割算法,在视差图像中分割出目标区域,将目标区域图像分成5*5的方块,将每个方块按其角点划分成两个三角形。根据相似三角形,计算目标物体或者情景的图像的每块的角点的三维坐标,得到目标物体或者情景表面的点云,将目标区域每块的角点对应的三维点,按照顺序连线构成三维的三角形,这样目标区域就被分割成了三角形网格,对目标物体进行建模。该方法对目标物体三维重建的精度高,计算量小。6.估计目标物体姿态的方法建立目标物体表面的三维模型后,分割出视差图的参考图像的目标区域,以参考图像目标区域作为匹配模板,提供目标自身相对形状;在模板图像上检测关键点并提取特征,且在待姿态估计的图像提取点特征,使用匹配特征搜索算法,查询两张图像的匹配特征,根据特征标签找到特征点坐标;根据模板图像匹配点像素坐标及模板视差图像,获取目标区域点的三维坐标,这样得到了3D到2D坐标的映射,使用PNP算法,对目标物体进行姿态估计。
史伟[5]（2019）在《基于参考的基因组序列数据压缩算法研究》文中研究表明随着下一代测序技术（Next Generation Sequencing,NGS）的发展和逐步普及,基因测序变得越来越快速,费用也越来越亲民。基因组序列数据正以爆炸性的速度扩增,因而产生了海量基因组序列数据。传输,存储,处理和分析这些数据的时耗和费用日渐成为制约基因组学和生物医学发展的瓶颈。虽然现有许多通用的数据压缩算法和软件,但由于不能考虑和处理基因组序列数据的固有特性,它们不能高效地压缩基因组序列数据。因此研发有针对性的,快速有效的基因组序列数据压缩技术已经成为了一项重要而紧迫的课题。本文提出了一种高压缩率的基于参考的无损基因组序列数据压缩算法。利用相同物种间基因组的高度相似性,将待压缩目标基因组序列匹配到参考基因组序列中,以匹配结果（即两序列相同子序列的位置及长度）和目标序列的不匹配部分,代替目标基因组序列。本文创新性地设计了匹配策略选择机制,有效地结合了以有无匹配位置的限制为区分的两种主流匹配策略,即基于分段的局部匹配和全局匹配。根据参考基因组和目标基因组序列的相似程度而应用不同的匹配策略,借助哈希方法搜索两序列间相同的子序列,并评估子序列的匹配位置和匹配长度对匹配效率的影响,以确定相同子序列的匹配位置。有效地处理了基因组序列数据中的各类字符,以进一步提高匹配效率。最后借助高效的熵编码压缩器对保存匹配结果的中间文件完成压缩。实验结果表明,本文压缩算法可在至多18分钟内对FASTA格式的约3GB大小的人类完整基因组序列数据完成压缩,56组人类基因组序列测试数据压缩后的大小为4.45MB至40.67MB。本文压缩算法的平均压缩率优于现有同类型先进的基因组序列数据压缩算法,具有更好的鲁棒性,且时空复杂度与现有先进的算法处于同一数量级,具有较强的实际应用价值。本文还设计了对应的高效解压缩算法,可由已压缩文件和参考基因组序列数据快速,无损的复原目标基因组数据。完整人类基因组数据解压缩的耗时被控制在2分钟以内。
郑鹏珍[6]（2019）在《复合运动下的电子稳像算法研究》文中提出电子稳像EIS（Electronic Image Stabilization）技术是图像处理技术和视频处理技术的热门研究之一,它能够有效解决由于摄像机载体随机运动导致的图像抖动问题,得到稳定、清晰、平滑的视频图像,同时也能提高目标检测、目标识别、目标跟踪的精度和人眼观赏的稳定性和舒适性,因此在军事领域和民用领域皆有很高的应用价值。本文以复合运动下的电子稳像算法研究为主线,深入分析了电子稳像的三大关键技术模块:运动估计模块、运动滤波模块和运动补偿模块。考虑到摄像机载体的复合运动带来图像抖动的复合性和图像场景的多变性,导致稳像算法的稳像精度低、处理速度慢的问题,本文主要从以下几点进行深入研究:（1）针对复合运动下运动状态的多样性和场景的多变性,造成传统特征点提取算法速度慢、分布不均匀的问题,本文采用了一种自适应阈值的ORB特征点算法。抖动图像有用信息多集中在图像中央区域,本文通过对图像进行感兴趣区域划分,能够有效地提升特征点提取速度。此外,针对不同场景下,图像信息存在一定程度的差异,若采用同一阈值进行特征点提取,往往会造成特征点数量不合适和分布不均匀的问题,因此本文对感兴趣区域分块处理并利用自适应阈值算法进行特征点提取,实现不同场景下均能获得合适数量且均匀分布的特征点。（2）为了提升运动估计的精度和速度,本文提出了最佳搜索区域的方法,将参考帧特征点作为中心,利用上一帧运动矢量的模来构建最佳搜索区域,能够有效地减小基于汉明距离的LSH特征点搜索匹配算法的搜索区域,从而提高特征点搜索匹配速度;另外,针对RANSAC算法精度不高的问题,采用PROSAC算法剔除误匹配的特征点对,提高特征点匹配精度,进而提升运动估计的精度。（3）为了提升稳像显示效果,本文利用卡尔曼滤波算法获得随机抖动分量,保留摄像机的有意扫描运动,使得运动补偿后的图像不但去除抖动还保留了真实场景变换,同时对最佳显示区域进行双线性插值,达到去除黑色区域的目的。另外,针对传统参考帧更新策略带来的帧间跳变问题,本文提出了一种自适应参考帧更新策略,使得帧间过度自然,显示稳定。（4）对本文算法进行实验,从主观和客观上分析实验结果可知,本文算法能够有效解决复合运动下的视频抖动问题,速度较对比算法提升1.26倍,实现了稳像精度和实时性的良性结合。
罗玉川[7]（2019）在《位置服务中的安全查询和匹配机制研究》文中研究表明随着智能移动设备和移动通信技术的发展,诸如Uber、滴滴打车等基于位置的服务广泛应用在人们工作生活的各个方面,给人们提供了巨大的便利。但是在使用基于位置的服务过程中,位置服务提供商也获取了大量来自用户的隐私位置数据,使得用户隐私面临严重威胁。一方面,位置服务提供商可能在经济利益的驱使下,对用户位置数据进行非授权的分析建模,提取并挖掘用户的行动模式、家庭住址、工作单位、收入水平、消费倾向等隐私信息。另一方面,位置服务器可能在外部攻击或者强力约束下泄露或者对外提供用户的位置数据,给用户隐私造成损害。因此,用户隐私保护成为当前位置服务持续健康发展亟待解决的关键安全问题。然而,传统的基于泛化和模糊技术的位置隐私保护方法由于在安全性和精度方面存在缺陷,难以适应新型位置服务模式对用户隐私保护强度和服务质量的要求。为此,本文从位置服务中用户查询隐私保护的角度出发,深入分析位置数据不同状态（明文和密文）下用户查询条件所面临的隐私威胁,针对空间位置范围查询、乘车匹配两种基础的位置服务,从加密位置数据和公开位置数据两个方面对位置服务中的安全查询和匹配机制关键技术进行研究。本文的主要研究工作和贡献如下:针对现有密文查询方案无法有效支持复杂数据数据范围查询的问题,提出了一种面向加密空间位置数据的通用几何范围安全查询机制。该机制支持在加密位置数据集上查找属于用户所查询的加密几何范围内的数据。为了保护查询隐私,该机制利用动态几何变换扩展了安全非对称内积加密算法,在查询计算过程中对加密空间位置数据和查询几何范围进行动态变换,从而实现强隐私保护。在此基础上,该机制进一步实现了加密空间位置数据索引,将查询效率从线性提高到亚线性。形式化安全分析和实验测试表明该机制在已知背景攻击模型下是安全的,并且具有较高的查询精度和查询效率。针对在线叫车服务中乘客和司机的位置隐私保护问题,提出了一种支持路网距离的隐私保护乘车匹配查询机制pRide。该机制首次在加密位置数据上实现了基于道路网络距离的乘客、司机匹配功能,并且在匹配过程中保护乘客和司机的位置隐私。与现有隐私保护乘车匹配机制相比,pRide由于采用路网距离作为匹配判断依据,具有更高的匹配精确度。同时,得益于路网嵌入技术的创新应用,pRide也实现了较高的匹配效率。此外,pRide方案的核心是一种基于路网距离的邻近对象隐私保护匹配机制,可以独立地应用在其它位置服务中,比如移动众包中的用户、任务匹配。考虑到在线叫车服务实际应用过程中,存在司机位置信息不需要受到保护的情况,本文提出了一种面向公开司机位置信息的乘车匹配隐私查询机制PrivateRide。该机制利用可信执行环境构建技术的最新进展,首次在公开司机位置数据上实现了基于路网最短路径距离的乘客、司机匹配功能,并且保护乘客乘车查询条件的隐私。进一步地,针对硬件可信计算技术存在的安全限制,PrivateRide设计了标签盲访问和数据无关距离计算两个算法组件,消除了匹配查询计算过程的隐私数据依赖,避免了测信道信息泄露。与现有公开位置数据隐私查询方案相比,PrivateRide在保证查询效率的情况下,实现了更高的查询精度和查询隐私安全性。与在线叫车服务不同,共享乘车服务中司机事先有自己的出行计划,并与行程相近的乘客共享旅程、分担费用。针对共享乘车匹配过程中乘客和司机的位置隐私保护问题,本文提出了一种面向共享乘车服务的安全乘车匹配机制P2Ride。该机制支持共享乘车服务平台根据司机的加密出行计划和乘客的加密搭车请求匹配司机和顺路的乘客。为此,P2Ride首先提出了一种基于重叠划分技术的匹配判断方法,将复杂的匹配计算转化为相等测试。接着,P2Ride设计了一种非交互式隐私保护相等测试方法,以保护匹配计算过程的隐私。与现有隐私保护共享乘车匹配方案相比,P2Ride减少了匹配查询过程中乘客和司机与服务平台的迭代交互次数,显着降低了用户端的开销。
王东宏[8]（2018）在《基于云端的可验证模式串匹配研究》文中研究指明可验证模式串匹配,即用户能通过不可信云服务器上的外包文本数据获得可验证的模式串匹配结果。对应的验证问题是很多以安全性为主的大数据应用的基本问题,特别是外包到云服务器的以模式串匹配为基础服务的应用,如大数据库查询,人类基因数据搜索和文本检索等,验证问题尤为重要。但是,当前已有的可验证方案在性能方面仍有优化空间,同时也不支持高效的数据更新。为此,我们展开研究,设计方案以优化性能并解决数据更新的效率问题。以下两点是我们研究工作的主要贡献。首先,我们提出了一种基于哈希函数的可验证模式串匹配方案,相比当前最优方案,该方案的性能提高显着。我们基于有序集合累加器和后缀数组为模式串匹配设计了一种新的可验证数据结构,只涉及简单高效的哈希计算,使得性能提高显着。另外,该方案支持模式串多匹配验证,更加适应实际应用需求。同时该方案也支持公开验证,无须用户存储密钥数据。最后,仿真实验结果证实了该方案的实际性能优于当前最优方案。其次,我们提出了一种动态可验证模式串匹配方案,以支持高效的数据更新。我们通过随机数绑定字符机制切断文本字符间的位置联系,将连续型文本数据转换为离散型集合数据,以实现高效的数据更新,并将验证问题转换为集合成员关系验证问题,最后采用RSA累加器实现我们的动态可验证模式串匹配方案。该方案是第一个支持数据高效更新的可验证方案,方案的部分性能也较已有方案有所提升,降低了数据拥有者和用户的计算存储开销。最后的实验结果也体现了部分性能的优势以及数据更新的实用性。
杜斯亮[9]（2018）在《卫星凝视成像快速可靠稳像匹配算法研究》文中研究指明凝视卫星是近年来重点发展的一种新型对地观测卫星,通过对某一地区进行凝视成像,获取一定时间间隔的序列图像,适于对动态目标进行分析,获得目标的瞬时特性,这些重要的动态信息难以从传统的对地观测卫星中获得。卫星凝视成像时,序列影像间存在像素偏移,影像上运动目标对相对几何关系估计精度的干扰,影像的绝对定位存在一定的误差,这些都不利于运动目标的检测、提取、识别和分析等功能。同时较快的稳像速度,能够促进凝视卫星时序影像应用的实时性。影像匹配是消除凝视卫星影像的相对绝对位置偏移较好的方法,本文研究如何快速、可靠的通过匹配手段来消除凝视卫星时序影像相对与绝对位置的偏移,是目前遥感对地观测若干科学问题中的关键问题之一。针对凝视卫星序列影像存在相对、绝对位置偏移,本文展开了卫星凝视成像稳像匹配算法研究,其中包括序列影像匹配算法研究、顾及运动目标的误匹配点剔除算法、相对和绝对位置偏移的运动补偿算法以及嵌入式GPU稳像系统开发。论文具体研究内容和主要创新归纳如下:（1）提出了多线程临近区域ORB特征的序列影像匹配算法在降采样的影像上进行SR-SIFT匹配,获取影像的粗几何关系;根据影像间的粗几何关系,在ORB特征匹配搜索时仅仅搜索同名点可能存在的区域,减少了误匹配,提高了 ORB特征匹配的可靠性。对影像进行分块,建立同名匹配块,块内采用临近区域ORB特征匹配算法,匹配结果采用最小二乘匹配进行点位精化,整个算法采用OpenMP进行并行化设计。（2）针对运动目标同名点对稳像精度的干扰,提出了顾及运动目标的误匹配点剔除算法首先依据运动方向一致性,提出了基于方向一致性的误匹配点剔除算法,剔除了部分动目标同名点;依据云边缘漫反射特性,提出了非参数统计秩的云边缘误匹配点剔除算法,将位于云边缘的误匹配点剔除;最后,讨论了 RANSAC剔除模型,采用了由粗到精的RANSAC误匹配点剔除算法,即采用刚体变换模型进行粗剔除,然后采用透射变换模型进行精剔除。（3）针对卫星凝视影像存在相对、绝对位置偏移需要补偿,提出了基于控制点匹配的运动补偿算法对参考帧进行控制点匹配,获取参考帧的绝对偏移,依据序列帧相对于参考帧的运动几何关系和参考帧的绝对偏移,建立每一帧影像的运动补偿参数,进行统一补偿,从而消除卫星凝视影像的相对和绝对偏移。为了鲁棒的进行控制点匹配,本文采用了影像粗配准、金字塔松弛法、位置偏移聚类误匹配点剔除法等策略来提高本文控制点匹配的可靠性。（4）进行了嵌入式GPU稳像系统开发将本文的稳像算法迁移到嵌入式GPU中,分析了算法步骤中的可并行度和荷载,依据嵌入式GPU平台的特性,对稳像算法进行了嵌入式GPU迁移和优化。针对上述研究内容,本文选取高分四号、吉林一号凝视序列影像对上述的稳像匹配算法进行了实验验证,实验结果表明本文的多线程临近区域ORB序列影像匹配算法内存占有低、速度较快,对辐射差异、视角差异有较好的鲁棒性;顾及动目标的误匹配剔除算法,能够将序列影像间位于动目标上难以剔除的误匹配点进行了剔除,提高了稳像的精度;基于控制点匹配的运动补偿算法,补偿了卫星凝视影像的相对、绝对偏移;最后,本文的稳像算法进行了嵌入式GPU开发,根据计算负载分配了计算资源,并进行了优化,提高了稳像效率。本文的稳像匹配算法解决了凝视卫星相对与绝对的位置偏移,生成的序列影像间连贯性好,具有较好的地理精度,能够直接与道路、地名等属性信息进行叠加,能够对观测目标进行较好的智能分析,促进了凝视卫星时序影像的应用,具有一定的实际意义。
王海江[10]（2018）在《属性基可搜索加密：多值属性与安全令牌》文中指出近年来互联网技术得到了飞速发展,随着用户数据量的陡增,数据存储系统也出现了数据冗余、存储空间不足的问题。由于云存储的空间扩展能力和低廉的运营成本,越来越多的用户将自己的私有数据转移到云服务器端。为了保护敏感信息的隐私,用户通常会将私人数据进行加密。安全加密是实现数据安全的一种有效手段,但是加密的数据阻碍了用户的高效操作。遗憾的是,面对数据密文,我们很难用现有的在明文数据上使用的方法进行操作。那么我们如何获取包含特定关键字的文件数据呢?为了缓解这种担忧,一种常见的解决方法是采用可搜索的加密（searchable encryption）方案。在可搜索加密方案中,数据拥有者将关键字进行加密作为索引,并与数据密文一起上传到云端服务器。当用户希望获得包含某个特定的关键字的加密数据时,用户可以用自己的密钥生成一个搜索令牌,并将搜索令牌提交给云服务器。云服务器可以利用搜索令牌对加密数据进行关键字搜索。可搜索加密机制使得云服务器在不需要知道关键字或明文信息的前提下,帮助用户搜索加密数据。因此,可搜索加密成为近年来安全存储领域的研究热点之一。在本论文中,我们主要对属性基可搜索加密的多值属性和安全搜索令牌的构造问题展开了研究,主要的研究成果如下:（1）支持用户自主关键字搜索的多值无关属性基加密。传统的对称可搜索加密技术适用于单用户场景,这一条件极大地限制了可搜索加密技术在多用户场景中的拓展。为达到在共享数据上进行关键字搜索的目的,一些学者采用分享密钥的方式,而另一些学者采用数据拥有者实时在线授权搜索令牌的方式。但是,这样的做法存在极大的安全隐患。属性基加密技术提供了对加密数据的细粒度访问控制的功能。韩斐[1]在其博士论文中提出了一种从属性基加密方案到可搜索加密方案的通用转换方法,但其方法是将解密密钥直接作为搜索令牌提交给云服务器,显然这种方法是不可取的。我们分析了现有的属性基可搜索加密方案中的安全模型,针对其中的强限制问题,提出了新的安全模型。在新的安全模型中,挑战者可以询问关于挑战策略和非挑战关键字的搜索令牌。在这一加强的安全模型下,我们提出了两个支持用户自主关键字查询的密文策略属性基加密方案。与已有的方案相比,我们的方案采用了“聚合”技术,有效的减少了搜索密钥的大小,从而减小了搜索令牌的长度,进而提高了搜索效率,这使得我们的系统更加适用于轻量化的具体应用。（2）抵抗搜索令牌伪造攻击的属性基可搜索加密。近年来属性基可搜索加密主要集中在高效性研究上,然而,在提高系统效率的同时,往往需要泄露一定的信息。尽管传统的安全模型INDCKA保证了可搜索密文没有泄露有关关键字的信息,但搜索令牌的安全并不能得到保证。我们针对目前现有的方案提出了trapdoor malleability attack和secret key recovery attack攻击方法,即恶意用户可以从获得的搜索令牌中伪造其它有效搜索令牌并计算出其相对应的私钥。为了解决上述难题,我们提出了一个全新的密文策略的属性基可搜索加密方案,我们的方案保留了ABE方案中的细粒度访问控制,同时支持策略隐藏和关键字快速搜索。在系统开销方面,我们采用了“聚合”技术,使得系统公开参数和密文长度都是常数级的。我们的方案给出了属性基可搜索加密机制中巨大系统开销问题的一个解决方案。（3）支持条件隐藏的属性基代理可搜索重加密。属性基代理重加密机制结合了属性基加密和代理重加密的特点,因其有效的密文访问控制和密文转换的特点,广泛地应用于云存储和社交网络等实际应用场景中。条件代理重加密机制限制了代理服务器的能力,实现了细粒度的密文转换。遗憾的是,在现有的方案中,代理条件需要以明文的形式发送给代理服务器,从而帮助代理服务器完成密文转换。另外,大多数属性基代理重加密方案不支持在密文上进行关键字搜索。为了解决上述难题,我们首先提出一个属性基可搜索加密方案。并在其基础上,利用可搜索加密机制中搜索令牌隐藏关键字的功能,提出了一个支持条件隐藏的属性基代理可搜索重加密方案,该方案不仅实现了密文的细粒度访问控制,而且实现了密文的细粒度代理重加密。另外,代理条件的隐藏使得我们的方案具有更高的安全性。（4）支持授权聚合密钥的可搜索加密。可搜索加密机制的普及使得越来越多的用户将自己加密的文件上传到云服务器端保存。安全起见,用户使用不同的密钥加密不同的文件。这也就意味着,为了共享数据,数据拥有者需要将全体密钥发送给共享用户。大量密钥的分发工作给整个系统带来了巨大的通信开销。密钥聚合的关键字搜索加密机制的提出有效地解决了上述问题,在密钥聚合的关键字搜索加密系统中,数据拥有者只需要分发1个聚合搜索密钥就可以实现对一个文件子集的搜索权限的授权操作。因此,密钥聚合的关键字搜索加密机制的提出有效地减少了授权密钥的长度,从而有效地降低了系统的计算开销和通信开销。我们首先分析文献[2]在安全性上的缺陷,针对这一缺陷提出了相应的攻击方法,并指出该方案不能满足作者声称的安全级别。其次,我们提出了一个更加安全高效的密钥聚合的关键字搜索加密方案。我们的方案相比现有的方案具有安全高效的特点。
二、一种快速字符串匹配搜索算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种快速字符串匹配搜索算法（论文提纲范文）
（1）基于否定关键词和语义处理的空间关键词查询研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 文章主要工作 |
| 1.4 文章组织结构 |
| 第2章 空间关键词查询相关理论与技术 |
| 2.1 空间关键词查询概述 |
| 2.1.1 空间数据建模类型 |
| 2.1.2 SKQ问题定义 |
| 2.1.3 SKQ查询问题分类 |
| 2.2 空间索引关键技术 |
| 2.2.1 基于数据划分类型的索引R-Tree |
| 2.2.2 基于R树与倒排文件结合的索引结构IR-Tree |
| 2.2.3 基于R树与签名文件结合的索引结构IR2-Tree |
| 2.3 文本索引关键技术 |
| 2.3.1 倒排索引 |
| 2.3.2 签名文件 |
| 2.4 二维经纬度坐标处理方式对比 |
| 2.4.1 空间填充曲线对比分析 |
| 2.4.2 Geohash算法原理分析 |
| 2.4.3 Geohash与传统索引对比分析 |
| 2.5 本章小结 |
| 第3章 结合否定关键词的空间关键词查询 |
| 3.1 基于否定关键词的一维混合空间结构设计 |
| 3.1.1 问题及解决思路 |
| 3.1.2 问题的形式化描述 |
| 3.1.3 混合索引结构设计 |
| 3.2 前缀匹配查询算法 |
| 3.2.1 算法详述 |
| 3.2.2 算法分析 |
| 3.3 实验结果与分析 |
| 3.3.1 实验环境设置 |
| 3.3.2 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 基于语义聚类的空间关键词查询 |
| 4.1 问题及解决思路 |
| 4.2 BC-IDISTANCE |
| 4.3 问题的相关定义 |
| 4.4 GB~2-TREE混合语义索引结构设计 |
| 4.5 基于GB~2-TREE的模糊语义查询算法 |
| 4.5.1 主题概率模型 |
| 4.5.2 结合语义的查询算法 |
| 4.6 实验结果与分析 |
| 4.6.1 实验相关设定 |
| 4.6.2 实验结果与分析 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）基于图同构的数学推理引擎的设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 研究现状 |
| 1.2.1 知识图谱研究现状 |
| 1.2.2 推理引擎研究现状 |
| 1.3 研究内容 |
| 1.4 本论文的组织结构 |
| 第二章 相关技术和理论 |
| 2.1 知识图谱 |
| 2.1.1 知识图谱概念 |
| 2.1.2 知识图谱模型 |
| 2.1.3 知识图谱构建 |
| 2.2 图数据库 |
| 2.2.1 图数据库概述 |
| 2.2.2 图数据库Neo4J |
| 2.3 自动推理 |
| 2.3.1 产生式系统 |
| 2.3.2 逻辑推理 |
| 2.4 图同构 |
| 2.4.1 图同构问题 |
| 2.4.2 图同构算法 |
| 2.4.2.1 VF2 算法 |
| 2.4.2.2 匹配算法 |
| 2.5 符号计算平台 |
| 2.6 本章小结 |
| 第三章 复杂图推理中的知识表示 |
| 3.1 概况 |
| 3.2 初等数学概念知识图谱 |
| 3.2.1 初等数学知识图谱构成 |
| 3.2.2 初等数学知识图谱存储 |
| 3.2.3 初等数学知识图谱应用 |
| 3.3 实例化定理库 |
| 3.3.1 定理来源 |
| 3.3.2 定理库创建 |
| 3.3.3 定理标准化 |
| 3.3.4 定理的应用 |
| 3.4 本章小结 |
| 第四章 图同构的数学推理引擎的设计和构建 |
| 4.1 系统概述 |
| 4.2 复杂逻辑推理研究 |
| 4.2.1 正向推理 |
| 4.2.2 逆向推理 |
| 4.2.3 正逆结合 |
| 4.3 图匹配推理引擎的构建与设计 |
| 4.3.1 引擎设计思想 |
| 4.3.2 逻辑架构 |
| 4.3.3 图匹配算法 |
| 4.3.4 匹配原则 |
| 4.3.4.1 子集匹配 |
| 4.3.4.2 无方向匹配 |
| 4.3.4.3 组合匹配 |
| 4.3.4.4 自环匹配 |
| 4.3.4.5 点映射 |
| 4.3.5 置换等价 |
| 4.4 知识更新 |
| 4.5 类人解答过程的构建 |
| 4.5.1 构建规则树 |
| 4.5.2 重构类人解答 |
| 4.6 本章小结 |
| 第五章 系统测试与分析 |
| 5.1 系统测试 |
| 5.1.1 单例测试 |
| 5.1.2 批量测试 |
| 5.2 测试结果分析 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（3）基于后缀树和后缀数组的带有通配符多模式匹配研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多模式匹配研究现状 |
| 1.2.2 带有通配符的模式匹配问题研究现状 |
| 1.3 研究内容和组织结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 内容组织 |
| 1.4 本章小结 |
| 第二章 相关研究工作 |
| 2.1 模式匹配 |
| 2.1.1 单模式匹配 |
| 2.1.2 多模式匹配 |
| 2.1.3 带有通配符的模式匹配 |
| 2.2 后缀树 |
| 2.2.1 字典树 |
| 2.2.2 后缀树 |
| 2.2.3 后缀树特性 |
| 2.3 后缀数组 |
| 2.3.1 后缀数组 |
| 2.3.2 后缀数组特性 |
| 2.4 本章小结 |
| 第三章 基于后缀树的带有通配符的单模式匹配 |
| 3.1 引言 |
| 3.2 问题定义 |
| 3.3 算法设计与分析 |
| 3.3.1 算法描述 |
| 3.3.2 算法复杂度分析 |
| 3.4 实验结果及分析 |
| 3.4.1 算法的完备性 |
| 3.4.2 算法的时间性能 |
| 3.4.3 算法的其他性能 |
| 3.5 本章小结 |
| 第四章 基于后缀树的带有通配符的多模式匹配 |
| 4.1 引言 |
| 4.2 问题定义 |
| 4.3 算法设计与分析 |
| 4.3.1 算法描述 |
| 4.3.2 算法复杂度分析 |
| 4.4 实验结果及分析 |
| 4.4.1 实验环境及数据集 |
| 4.4.2 实验结果 |
| 4.5 本章小结 |
| 第五章 基于后缀数组的带有通配符的多模式匹配 |
| 5.1 引言 |
| 5.2 问题定义 |
| 5.3 算法设计与分析 |
| 5.3.1 算法描述 |
| 5.3.2 算法复杂度分析 |
| 5.4 实验结果及分析 |
| 5.4.1 基于DNA序列的实验结果及分析 |
| 5.4.2 基于蛋白质序列的实验结果及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究工作 |
| 6.2 下一步工作 |
| 参考文献 |
| 攻读博士学位期间的学术活动及成果情况 |
（4）基于双目视觉的三维重建关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景与意义 |
| 1.2 国内外相关研究 |
| 1.2.1 点特征提取与匹配相关研究 |
| 1.2.2 立体匹配相关研究 |
| 1.2.3 三维重建相关研究 |
| 1.3 国内外发展现状与趋势 |
| 1.3.1 国内外发展现状 |
| 1.3.2 发展趋势预测 |
| 1.4 主要针对问题与研究内容 |
| 1.5 论文的总体结构和研究内容的关系 |
| 1.5.1 论文的总体结构 |
| 1.5.2 主要研究内容的关系 |
| 第2章 双目视觉成像基础研究 |
| 2.1 相机成像模型 |
| 2.1.1 针孔成像模型 |
| 2.1.2 坐标关系与外部参数 |
| 2.1.3 三类相机畸变 |
| 2.2 摄像机标定 |
| 2.2.1 线性摄像机标定 |
| 2.2.2 非线性摄像机标定 |
| 2.3 双目立体成像模型 |
| 2.3.1 三角测量模型 |
| 2.3.2 立体匹配极线限制 |
| 2.3.3 点匹配与立体匹配 |
| 2.4 本章小结 |
| 第3章 圆周二进制特征提取与匹配搜索 |
| 3.1 圆周二进制特征提取 |
| 3.1.1 图像金字塔 |
| 3.1.2 特征点检测与圆周点计算 |
| 3.1.3 描述符计算 |
| 3.2 位图局部敏感哈希算法 |
| 3.2.1 bmLSH算法基础 |
| 3.2.2 位图局部敏感哈希 |
| 3.3 算法的适应性与实验结果 |
| 3.3.1 圆周二进制特征的效果 |
| 3.3.2 位图局部敏感哈希的性能 |
| 3.4 圆周二进制特征提取与匹配搜索 |
| 3.4.1 特征提取与匹配搜索的步骤 |
| 3.4.2 匹配圆周二进制特征搜索效果 |
| 3.5 本章小结 |
| 第4章 内外相似度聚集的立体匹配算法 |
| 4.1 内外相似度聚集的立体匹配 |
| 4.1.1 内外相似度 |
| 4.1.2 内外相似度聚集 |
| 4.1.3 盒图滤波算法 |
| 4.2 适应性与实验结果 |
| 4.2.1 明德学院数据库实验 |
| 4.2.2 扩展图库实验 |
| 4.3 多方向内外相似度聚集 |
| 4.3.1 聚集方向 |
| 4.3.2 实验效果与对比 |
| 4.4 本章小结 |
| 第5章 物体表面三维重建 |
| 5.1 稠密点云获取 |
| 5.1.1 左右一致性检测 |
| 5.1.2 视差图像转化为三维坐标 |
| 5.1.3 目标区域点云分割与筛选算法 |
| 5.2 表面网格化三维重建 |
| 5.2.1 三角网格化 |
| 5.2.2 四边形网格化 |
| 5.2.3 重网格化 |
| 5.3 三维重建与纹理贴图 |
| 5.3.1 投影与三维重建方案 |
| 5.3.2 Delaunay剖分重建 |
| 5.3.3 纹理贴图的渲染 |
| 5.4 误差分析 |
| 5.4.1 双目视觉测量理论精度 |
| 5.4.2 深度测量理论与实际误差 |
| 5.5 本章小结 |
| 第6章 目标物体姿态估计 |
| 6.1 姿态估计 |
| 6.1.1 姿态估计应用 |
| 6.1.2 相关工作 |
| 6.2 POSIT姿态估计 |
| 6.2.1 理论基础 |
| 6.2.2 标注目标物体 |
| 6.2.3 几何形状模型 |
| 6.3 PNP姿态估计 |
| 6.3.1 理论基础 |
| 6.3.2 姿态估计设计方案 |
| 6.3.3 PnP计算姿态 |
| 6.4 实验与分析 |
| 6.4.1 二维位置与旋转姿态 |
| 6.4.2 三维姿态估计 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文工作总结 |
| 7.2 进一步的研究 |
| 7.3 结束语 |
| 参考文献 |
| 附录 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）基于参考的基因组序列数据压缩算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 基因组序列数据压缩研究背景及意义 |
| 1.2 基因组序列压缩相关研究现状 |
| 1.3 本文主要创新点和章节安排 |
| 1.3.1 主要创新点 |
| 1.3.2 章节安排 |
| 第二章 基因组序列数据压缩基础 |
| 2.1 基因组序列数据特点 |
| 2.1.1 数据量巨大 |
| 2.1.2 数据字符集规模小 |
| 2.1.3 基因组内的重复性和基因组间的相似性 |
| 2.2 序列比对 |
| 2.3 基因组序列中的k-mer |
| 2.4 基因组装配与FASTA数据格式 |
| 2.5 压缩算法评判标准 |
| 2.5.1 压缩率 |
| 2.5.2 时空复杂度 |
| 2.5.3 鲁棒性 |
| 2.6 本章小结 |
| 第三章 基于参考的基因组数据压缩算法设计 |
| 3.1 本文算法总体框架 |
| 3.2 预处理模块 |
| 3.3 基于分段的局部匹配模块 |
| 3.4 全局匹配模块 |
| 3.5 匹配策略选择机制 |
| 3.6 后处理及熵编码模块 |
| 3.7 解压缩模块 |
| 3.8 本章小结 |
| 第四章 算法的具体实现与分析 |
| 4.1 哈希表数据结构的实现 |
| 4.2 搜索匹配操作的实现 |
| 4.3 后处理及熵编码模块的实现 |
| 4.4 算法整体的实现 |
| 4.5 时空复杂度分析 |
| 4.6 本章小结 |
| 第五章 实验结果及数据分析 |
| 5.1 实验环境与测试数据 |
| 5.2 预设参数设置实验 |
| 5.2.1 k-mer的长度 |
| 5.2.2 序列片段的长度 |
| 5.2.3 全局匹配搜索限制范围 |
| 5.2.4 匹配策略选择的阈值 |
| 5.3 实验结果及分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间完成的科研成果 |
| 致谢 |
（6）复合运动下的电子稳像算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 电子稳像技术原理 |
| 2.1 相机成像模型和图像变换模型 |
| 2.1.1 针孔相机成像模型 |
| 2.1.2 图像变换的数学模型 |
| 2.2 视频图像抖动状态分析 |
| 2.2.1 视频图像模糊分析 |
| 2.2.2 视频图像抖动原因 |
| 2.3 电子稳像的关键技术 |
| 2.3.1 运动估计 |
| 2.3.2 运动滤波 |
| 2.3.3 运动补偿 |
| 2.4 本章小结 |
| 第三章 基于特征点匹配的运动估计算法 |
| 3.1 特征点检测算法 |
| 3.1.1 特征点检测算法原理 |
| 3.1.2 特征点检测结果与分析 |
| 3.2 基于ORB算法的特征点检测与描述 |
| 3.2.1 自适应阈值的FAST特征点检测算法 |
| 3.2.2 基于旋转不变性的BRIEF特征描述算法 |
| 3.2.3 感兴趣区域及分块提取 |
| 3.3 基于动态局部搜索的特征点匹配算法 |
| 3.3.1 动态局部搜索匹配方法 |
| 3.3.2 PROSAC算法剔除误匹配 |
| 3.4 计算全局运动参数 |
| 3.5 本章小结 |
| 第四章 基于卡尔曼滤波的运动补偿算法 |
| 4.1 运动滤波的抖动分量获取 |
| 4.1.1 卡尔曼滤波算法 |
| 4.1.2 获取抖动分量 |
| 4.2 基于显示区域提取的图像补偿 |
| 4.3 参考帧更新策略 |
| 4.4 本章小结 |
| 第五章 实验结果与分析 |
| 5.1 电子稳像质量评价方法 |
| 5.2 实验结果分析 |
| 5.2.1 实验条件介绍 |
| 5.2.2 实验结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）位置服务中的安全查询和匹配机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 位置服务隐私保护问题概述 |
| 1.2.1 位置服务及典型应用场景 |
| 1.2.2 位置服务隐私保护面临的安全威胁 |
| 1.2.3 位置服务隐私保护的主要研究内容 |
| 1.3 本文工作 |
| 1.3.1 面向加密位置数据的通用几何范围安全查询 |
| 1.3.2 面向在线叫车服务的隐私保护匹配机制 |
| 1.3.3 面向公开司机位置的乘车匹配隐私查询机制 |
| 1.3.4 面向共享乘车服务的安全匹配机制 |
| 1.4 论文结构 |
| 第二章 相关工作 |
| 2.1 面向加密位置数据安全查询方案 |
| 2.1.1 加密位置数据安全范围查询方案 |
| 2.1.2 加密位置数据安全邻近对象查询方案 |
| 2.2 面向公开位置数据的隐私查询方案 |
| 2.2.1 位置泛化和模糊技术 |
| 2.2.2 安全多方计算 |
| 2.2.3 隐私信息检索技术 |
| 2.2.4 内存隐藏访问技术 |
| 2.3 本章小结 |
| 第三章 面向加密位置数据的通用几何范围安全查询 |
| 3.1 引言 |
| 3.2 问题描述 |
| 3.2.1 系统模型 |
| 3.2.2 安全威胁模型 |
| 3.2.3 预备知识 |
| 3.3 基于向量运算的通用几何范围统一查询算法 |
| 3.3.1 基于向量运算的Halfspace范围查询 |
| 3.3.2 基于向量运算的多边形范围查询 |
| 3.3.3 基于向量运算的圆形范围查询 |
| 3.3.4 基于向量运算的通用几何范围查询 |
| 3.4 加密空间位置数据通用几何范围安全查询机制 |
| 3.4.1 系统初始化 |
| 3.4.2 查询陷门构造 |
| 3.4.3 密文搜索 |
| 3.5 基于R树的高效加密空间位置数据索引 |
| 3.5.1 加密空间位置数据索引设计思路 |
| 3.5.2 基于加密空间位置数据索引的扩展方案 |
| 3.6 安全性分析 |
| 3.7 实验测试与评估 |
| 3.7.1 基础方案测试 |
| 3.7.2 扩展方案测试 |
| 3.8 本章小结 |
| 第四章 面向在线叫车服务的隐私保护匹配机制 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.2.1 系统威胁模型 |
| 4.2.2 设计目标 |
| 4.2.3 预备知识 |
| 4.3 基于路网络嵌入技术的邻近对象匹配方法 |
| 4.4 基于路网距离的隐私保护乘车匹配机制 |
| 4.4.1 方案概述 |
| 4.4.2 基础方案 |
| 4.4.3 优化方案 |
| 4.5 安全性分析 |
| 4.6 实验性能测试 |
| 4.6.1 数据集 |
| 4.6.2 匹配精度测试 |
| 4.6.3 匹配效率测试 |
| 4.7 本章小结 |
| 第五章 面向公开司机位置的乘车匹配隐私查询机制 |
| 5.1 引言 |
| 5.2 问题描述 |
| 5.2.1 系统和威胁模型 |
| 5.2.2 安全要求 |
| 5.2.3 设计目标 |
| 5.3 基于Enclave的高效乘车匹配查询算法 |
| 5.3.1 基于标签技术的移动对象路网距离计算方法 |
| 5.3.2 基于安全硬件Enclave的高效乘车匹配查询算法框架 |
| 5.3.3 讨论 |
| 5.4 数据无关的乘车匹配查询算法 |
| 5.4.1 节点标签一致性 |
| 5.4.2 标签盲访问算法 |
| 5.4.3 数据无关路网距离计算算法 |
| 5.5 复杂度和安全性分析 |
| 5.5.1 复杂性分析 |
| 5.5.2 安全性分析 |
| 5.6 实验测试与评估 |
| 5.6.1 系统设计与实现 |
| 5.6.2 数据集 |
| 5.6.3 实验设置 |
| 5.6.4 性能测试 |
| 5.6.5 相关方案对比 |
| 5.7 本章小结 |
| 第六章 面向共享乘车服务的安全匹配机制 |
| 6.1 引言 |
| 6.2 问题描述 |
| 6.2.1 系统模型 |
| 6.2.2 威胁模型 |
| 6.2.3 预备知识 |
| 6.3 基于相等测试的共享乘车匹配机制 |
| 6.3.1 基于相等测试的位置约束 |
| 6.3.2 基于相等测试的时间约束 |
| 6.4 非交互式隐私保护相等测试协议 |
| 6.4.1 协议设计 |
| 6.4.2 安全性分析 |
| 6.5 基于相等测试的隐私保护乘车匹配机制 |
| 6.6 实验测试 |
| 6.6.1 数据集 |
| 6.6.2 匹配准确性测试 |
| 6.6.3 匹配性能测试 |
| 6.7 本章小结 |
| 第七章 工作总结与研究展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（8）基于云端的可验证模式串匹配研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 可验证模式串匹配研究 |
| 1.2.2 可验证数据库研究 |
| 1.2.3 当前研究的主要问题 |
| 1.3 研究内容和论文结构 |
| 1.3.1 论文主要内容 |
| 1.3.2 论文组织结构 |
| 第2章 算法基础知识 |
| 2.1 基于后缀数组的模式串匹配算法 |
| 2.2 最长公共前缀数组 |
| 2.3 有序集合累加器 |
| 2.4 Merkle哈希树 |
| 2.5 RSA累加器 |
| 2.6 模式串匹配外包模型 |
| 2.7 本章小结 |
| 第3章 基于哈希函数的可验证模式串匹配方案 |
| 3.1 模型设计 |
| 3.1.1 系统模型 |
| 3.1.2 安全模型 |
| 3.2 方案设计 |
| 3.2.1 基本思想 |
| 3.2.2 详细方案 |
| 3.2.3 方案例子 |
| 3.3 方案优化 |
| 3.3.1 性能优化 |
| 3.3.2 高效的模式串多匹配验证 |
| 3.4 理论分析 |
| 3.4.1 安全性分析 |
| 3.4.2 性能复杂度分析 |
| 3.5 性能分析 |
| 3.5.1 实验方法与实验环境 |
| 3.5.2 与当前方案的性能对比 |
| 3.5.3 方案可扩展性 |
| 3.5.4 实验总结 |
| 3.6 本章小结 |
| 第4章 支持数据动态更新的可验证模式串匹配方案 |
| 4.1 模型设计 |
| 4.1.1 系统模型 |
| 4.1.2 安全模型 |
| 4.2 方案设计 |
| 4.2.1 基本思想 |
| 4.2.2 详细方案 |
| 4.2.3 方案例子 |
| 4.3 理论分析 |
| 4.3.1 安全性分析 |
| 4.3.2 性能复杂度分析 |
| 4.4 性能分析 |
| 4.4.1 实验方法和实验环境 |
| 4.4.2 与当前方案的性能对比 |
| 4.4.3 方案的更新性能 |
| 4.4.4 实验总结 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的研究成果 |
（9）卫星凝视成像快速可靠稳像匹配算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 卫星凝视成像模式的发展现状 |
| 1.2.2 稳像研究现状 |
| 1.2.3 卫星影像匹配研究现状 |
| 1.3 论文研究目的和内容 |
| 1.4 论文组织结构 |
| 第二章 多线程临近区域ORB特征的序列影像匹配算法 |
| 2.1 问题分析 |
| 2.2 匹配参考帧选择 |
| 2.3 基于多线程临近区域ORB的匹配算法 |
| 2.3.1 影像粗匹配 |
| 2.3.2 同名匹配块建立 |
| 2.3.3 基于临近区域的ORB匹配算法 |
| 2.3.4 最小二乘匹配点位精化 |
| 2.3.5 多线程并行设计 |
| 2.4 实验与分析 |
| 2.4.1 实验数据与平台 |
| 2.4.2 实验结果与分析 |
| 2.5 本章小结 |
| 第三章 顾及运动目标的序列影像误匹配点剔除算法 |
| 3.1 问题分析 |
| 3.2 基于方向一致性的误匹配点剔除算法 |
| 3.3 基于非参数统计秩的云边缘误匹配点剔除算法 |
| 3.4 由粗到精的RANSAC误匹配点剔除算法 |
| 3.5 实验与分析 |
| 3.6 本章小结 |
| 第四章 基于控制点匹配的凝视影像运动补偿算法 |
| 4.1 问题分析 |
| 4.2 多策略控制点匹配算法 |
| 4.2.1 基于地理坐标的影像粗配准 |
| 4.2.2 匹配预处理 |
| 4.2.3 匹配策略 |
| 4.2.4 实验与分析 |
| 4.3 相对绝对补偿系数估计 |
| 4.4 几何投影校正 |
| 4.5 本章小结 |
| 第五章 嵌入式GPU稳像系统 |
| 5.1 引言 |
| 5.2 稳像系统流程设计 |
| 5.3 嵌入式GPU算法迁移与优化 |
| 5.4 实验与分析 |
| 5.4.1 实验平台与数据 |
| 5.4.2 实验结果与分析 |
| 5.5 稳像产品智能应用分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文研究总结 |
| 6.2 进一步工作及展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文和科研情况 |
| 攻读博士学位期间发表的论文 |
| 攻读博士学位期间申请的专利 |
| 攻读博士学位期间发表的计算机软件着作权 |
| 致谢 |
（10）属性基可搜索加密：多值属性与安全令牌（论文提纲范文）
| 摘要 |
| ABSTRACT(英文摘要) |
| 注释表 |
| 第一章 绪论 |
| 1.1 研究意义 |
| 1.2 可搜索加密的研究进展 |
| 1.2.1 效率方面的进展 |
| 1.2.2 安全方面的进展 |
| 1.2.3 搜索表达能力方面的进展 |
| 1.2.3.1“一对一”模型 |
| 1.2.3.2“一对多”模型 |
| 1.2.3.3“多对一”模型 |
| 1.2.3.4“多对多”模型 |
| 1.3 属性基可搜索加密体制的研究进展 |
| 1.4 研究内容 |
| 1.5 创新点和工作成果 |
| 1.6 论文组织结构 |
| 第二章 背景知识 |
| 2.1 可搜索加密的简介 |
| 2.1.1 起源 |
| 2.1.2 应用模型分类 |
| 2.1.3 构造技术分类 |
| 2.2 可搜索加密的相关概念 |
| 2.2.1 可搜索加密的系统框架 |
| 2.2.2 对称可搜索加密系统模型和安全模型 |
| 2.2.3 非对称可搜索加密系统模型和安全模型 |
| 2.3 线性配对 |
| 2.4 属性基加密简介 |
| 2.4.1 基于密文策略的属性基加密系统模型和安全模型 |
| 2.4.2 基于密钥策略的属性基加密系统模型和安全模型 |
| 2.5 本章小结 |
| 第三章 支持用户自主关键字搜索的多值无关属性基加密 |
| 3.1 引言 |
| 3.2 本章贡献 |
| 3.3 技术概述 |
| 3.4 背景知识 |
| 3.4.1 访问结构 |
| 3.4.2 通用群模型 |
| 3.5 支持用户自主关键字搜索的属性基加密系统定义 |
| 3.5.1 系统模型 |
| 3.5.2 安全模型 (IND-CKA) |
| 3.5.3 安全模型 (IND-CPA) |
| 3.6 支持用户自主关键字搜索的属性基加密系统 |
| 3.6.1 方案构造方案 1 |
| 3.6.2 方案构造方案 2 |
| 3.6.3 适应性安全证明IND-CKA |
| 3.6.4 适应性安全证明IND-CPA |
| 3.7 系统比较 |
| 3.8 本章小结 |
| 第四章 常数密文和常数密钥支持策略隐藏的属性基加密 |
| 4.1 引言 |
| 4.2 本章贡献 |
| 4.3 技术概述 |
| 4.4 背景知识 |
| 4.4.1 难题假设 |
| 4.4.2 访问结构 |
| 4.5 支持策略隐藏的属性基加密系统定义 |
| 4.5.1 系统模型 |
| 4.5.2 安全模型 |
| 4.6 常数密文、常数密钥支持策略隐藏的属性基加密系统 |
| 4.6.1 方案构造 |
| 4.6.2 适应性安全证明 |
| 4.7 系统比较 |
| 4.8 本章小结 |
| 第五章 抵抗搜索令牌伪造攻击的属性基可搜索加密 |
| 5.1 引言 |
| 5.1.1 背景 |
| 5.1.2 动机 |
| 5.2 本章贡献 |
| 5.3 技术概述 |
| 5.4 背景知识 |
| 5.4.1 难题假设 |
| 5.4.2 访问结构 |
| 5.5 抵抗搜索令牌伪造攻击的属性基可搜索加密系统定义 |
| 5.5.1 系统模型 |
| 5.5.2 安全模型 (IND-CKA-CPA) |
| 5.6 抵抗搜索令牌伪造攻击的属性基可搜索加密系统 |
| 5.6.1 方案构造 |
| 5.6.2 适应性安全证明IND-CKA-CPA |
| 5.7 系统比较 |
| 5.7.1 功能分析 |
| 5.7.2 实验分析 |
| 5.8 本章小结 |
| 第六章 支持条件隐藏的属性基代理可搜索重加密 |
| 6.1 引言 |
| 6.2 本章贡献 |
| 6.3 技术概述 |
| 6.4 背景知识 |
| 6.4.1 难题假设 |
| 6.4.2 访问结构 |
| 6.5 高效的属性基可搜索加密定义 |
| 6.5.1 系统模型 |
| 6.5.2 安全模型 (IND-CKA) |
| 6.5.3 安全模型 (IND-CPA) |
| 6.6 高效的属性基可搜索加密系统 |
| 6.6.1 方案构造 |
| 6.6.2 适应性安全证明IND-CKA |
| 6.6.3 适应性安全证明IND-CPA |
| 6.7 系统比较 |
| 6.7.1 功能分析 |
| 6.7.2 实验分析 |
| 6.8 支持条件隐藏的属性基代理可搜索重加密定义 |
| 6.8.1 系统模型 |
| 6.8.2 支持条件隐藏的属性基代理可搜索重加密系统 |
| 6.8.3 功能分析 |
| 6.9 本章小结 |
| 第七章 支持密钥聚合的授权可搜索加密 |
| 7.1 引言 |
| 7.1.1 相关工作 |
| 7.1.2 文献 [2] 中的缺陷 |
| 7.2 本章贡献 |
| 7.3 技术概述 |
| 7.4 背景知识 |
| 7.4.1 难题假设 |
| 7.4.2 访问结构 |
| 7.5 支持密钥聚合的授权可搜索加密系统定义 |
| 7.5.1 系统模型 |
| 7.5.2 系统定义 |
| 7.5.3 安全模型 (IND-CKA) |
| 7.6 支持密钥聚合的授权关键字搜索加密系统 |
| 7.6.1 方案构造 |
| 7.6.2 安全性证明 |
| 7.7 系统比较 |
| 7.7.1 功能分析 |
| 7.7.2 实验分析 |
| 7.8 本章小结 |
| 第八章 总结与展望 |
| 8.1 总结 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的论文 |
四、一种快速字符串匹配搜索算法（论文参考文献）
- [1]基于否定关键词和语义处理的空间关键词查询研究[D]. 金海. 太原理工大学, 2021(01)
- [2]基于图同构的数学推理引擎的设计与实现[D]. 李菲. 电子科技大学, 2021(01)
- [3]基于后缀树和后缀数组的带有通配符多模式匹配研究[D]. 刘纳. 合肥工业大学, 2020
- [4]基于双目视觉的三维重建关键技术研究[D]. 张展. 中国科学院大学(中国科学院沈阳计算技术研究所), 2019(09)
- [5]基于参考的基因组序列数据压缩算法研究[D]. 史伟. 云南大学, 2019(03)
- [6]复合运动下的电子稳像算法研究[D]. 郑鹏珍. 西安电子科技大学, 2019(02)
- [7]位置服务中的安全查询和匹配机制研究[D]. 罗玉川. 国防科技大学, 2019(01)
- [8]基于云端的可验证模式串匹配研究[D]. 王东宏. 深圳大学, 2018(07)
- [9]卫星凝视成像快速可靠稳像匹配算法研究[D]. 杜斯亮. 武汉大学, 2018(06)
- [10]属性基可搜索加密：多值属性与安全令牌[D]. 王海江. 上海交通大学, 2018(01)