一种人工模糊的伪造图像盲检测方法

针对模糊操作常常用来掩饰伪造拼接合成图像的拼接边缘但使边缘宽度增大的特点,提出了一种基于边缘宽度的伪造图像检测方法,该方法通过确定图像的边缘像素,计算边缘的宽度,去除较细边缘保留宽边缘等手段确定伪造数字图像的篡改区域。经实验验证,文中方法能有效地检测出伪造图像中经过模糊操作的边缘,从而确定伪造区域。

人工模糊图像边缘的盲检测算法

为检测并定位数字图像篡改中常采用的人工模糊边缘操作,提出一种基于模糊集合、局部清晰度与数学形态学的人工模糊边缘检测算法。利用模糊集合对图像边缘进行提取,得到被增强的经过人工模糊的图像边缘与被弱化的非人工模糊边缘;引入局部清晰度来区分人工模糊与离焦模糊边缘点;利用数学形态学中的腐蚀运算细化掉被弱化的非人工模糊边缘,保留被增强的人工模糊边缘,实现对人工模糊图像边缘的像素级定位。通过实例验证了该算法的有效性与正确性。

基于动态模糊人工势场法的移动机器人路径规划分析

移动机器人的路径规划是机器人导航中的重要问题。本研究介绍了动态模糊人工势场法的原理和基本思想,并讨论了该方法在移动机器人路径规划中的应用。通过引入动态模糊人工势场法,有效避免了机器人陷入局部最小值,并能够快速、高效地找到最优路径。在实验中,使用了一台移动机器人进行了路径规划的仿真实验,并与其他常用的路径规划方法进行了比较。实验结果表明,基于动态模糊人工势场法的移动机器人路径规划具有良好效果,具有较好的性能和适用性,为移动机器人路径规划提供了新的思路,具有良好的应用前景。

一种基于人工模糊边缘的图像盲取证方法

提出一种基于人工模糊边缘检测的盲取证方法,首先基于彩色图像梯度方向特征和边缘邻域斜率特征计算出类似度筛选出疑似模糊边缘点;然后结合图像局部灰度标准差和局部灰度偏导期望值来过滤相机失焦模糊边缘;最后基于线性回归设定阈值过滤掉伪人工模糊边缘。实验结果表明:在减少误判点和区分人工模糊和失焦模糊两方面,本方法在一定程度上具有减少失焦模糊和误判点干扰的优势。

基于模糊人工势场的移动机器人路径规划

针对在传统的人工势场法中对机器人进行路径规划时,容易产生局部极小点问题,提出了一种模糊人工势场方法.对排斥力函数作了改进,引入了障碍物对机器人影响大小的斥力增益系数,通过构建的模糊系统,动态地调节斥力增益系数,从而有效地克服了局部极小点问题.仿真结果表明,该方法具有较强的环境适应能力,能够快速有效地规划出一条光滑的路径.

模糊人工蜂群算法的旅行商问题求解

针对传统人工智能算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法,将模糊输入/输出机制引入到算法中来保持蜜源访问概率的动态更新。根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值。通过对旅行商问题的仿真实验和与其他算法的比较来验证算法的性能。计算结果表明,该算法有良好的鲁棒性和有效性。

模糊人工蜂群算法的多选择多维背包问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法。将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新。根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值。通过对多选择多维背包问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性。

模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理,分析了一般BP神经网络在研究复杂性问题时存在的局限性,根据模糊人工神经网络模型的构建方法,探讨了该模型在矿井构造定量评价中的应用,结合鲍店煤矿的实际资料,对建立的模糊人工神经网络模型进行了学习训练,对未采区的构造复杂程度进行了预测,结果表明:模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果.

模糊人工神经网络技术在含缺陷压力管道可靠性计算中的应用

在用模糊人工神经网络技术预测含缺陷压力管道失效载荷的基础上 ,进行了压力管道的可靠性计算 。

运用模糊排序研究露天矿区人工植被土壤主要化学成分的变化

该文应用模糊数学排序方法,对矿区样地土壤中主要化学成分和植被数据进行直接梯度分析,探讨矿区土壤环境与植被分布格局及植被动态的相互关系.结果表明通过FSO多因子排序分析,在时间梯度上,土壤中有机质、N、P、K和Zn的含量随着演替时间的增加而逐渐增高,结合双因子排序分析结果得出,土壤中有机质含量与植物的分布格局重要相关,N、P、K和Zn在土壤中的含量也随着复垦时间而发生变化.而土壤pH值、电导率及Cu、Mn的含量随时间的变化规律不十分明显,说明这几种化学成分不是影响植物分布与发展演变的主要因子.模糊数学排序与DCA、DCCA结合使用,可以直观地得出多个环境因子与植物群落之间的关系.

评估危机信息传播有效性的模糊人工神经网络方法

如何评估危机信息传播有效性是危机管理研究中一项重要内容,但至今尚缺乏科学的定量评估方法,为弥补此项空白,引入模糊人工神经网络方法.通过对危机信息特征、危机信息传播特征、危机信息传播方式的分析,构建了危机信息传播有效性的评估指标体系.依据评估指标模糊性的特点,应用模糊人工神经网络理论,利用人工神经网络的自学习、非线性动态处理等特征进行危机信息传播有效性的评估,建立了危机信息传播有效性的模糊评估模型,为研究危机信息传播评估中的不确定性、模糊性和动态性提供了一条新的途径,同时也避免了建立复杂的数学模型描述非线性关系所遇到的困难.该文是对危机信息传播有效性评估理论与方法的拓展,为危机信息传播有效性的定量研究提供了思路.

基于模糊人工蜂群算法的排课系统选择研究

针对排课系统选择问题,笔者提出以优化蜂群算法花蜜访问的概率为基础的新型算法——模糊人工蜂群算法。本算法通过对花蜜接入概率有效调整过程中不同阶段的计算,避免了算法陷入局部最优解。通过排课系统选择研究仿真实验证明了该算法的可行性和有效性。

模糊人工神经网络在工程建设项目后评价中的运用

一、引言从工程项目决策、设计、施工到验收使用的全过程出发，依据科学发展观的要求，统筹结合历史和未来对项目的交互影响，将模糊理论与神经网络结合起来建立工程建设项目后评价模型。选取江西省内的10项己建成工程建设项目为研究对象，探索工程建设项目科学的后评价方法，为政府部门制定政策与方案实施提供参考。

基于模糊人工免疫网络的智能处理研究

分析了人工免疫网络聚类基本原理,论证了模糊计算方法在聚类中的准确性及高效性,提出了将模糊计算应用于免疫网络的智能动态聚类算法。通过引入"对阈值的自动确定"和"对抗体群的自动进化机制",避免了外部参数对聚类结果的人为影响,使聚类结果根据期望的聚类数目自动调整,记录调整依据,增强了实用性和移植性。实验结果表明,算法能有效地发现指定数目的聚类结果,在抗体群的进化过程中,提供了发展趋势和决策依据。

模糊人工神经网络识别模型在柴河水库水质分析中的应用

将人工神经网络技术和模糊模式识别理论相结合,对柴河水库水环境进行综合评价,结果表明模糊人工神经网络综合评价模型在柴河水库水质分析中有很好的应用效果。

基于非抽样Contourlet变换的图像模糊取证

数字图像被动盲取证技术是对图像的完整性和真实性进行鉴别.图像遭受篡改操作后,为了消除图像伪造在拼接边缘产生畸变,伪造者通常会采用后处理消除伪造痕迹,其中,模糊操作是最常用的手法之一.因此提出了一种针对人工模糊的取证方法.首先,利用非抽样Contourlet变换分析图像边缘点特征进行边缘点分类;然后通过统计正常边缘点与模糊边缘点之间的差异鉴别模糊边缘;最后引入局部清晰度来区分人工模糊与离焦模糊,从而最终标定人工篡改边缘痕迹.实验表明该方法能够有效地检测出图像人工模糊篡改操作,较为准确地定位图像篡改边界.伪造图像边缘模糊越严重方法的检测效果越好.与其他模糊检测方法相比所提方法具有像素级别定位能力.

图像模糊篡改盲取证

为了提高模糊润饰篡改取证技术的准确率和召回率,提出新的盲取证技术。采用能量比和信息熵构建模糊边缘属性约简规则来检测源图像自然强边缘;设计保持边缘平滑的滤波结构增强源图像模糊区域,对滤波图像进行全边缘检测;设计人工模糊隶属度函数,计算源图像人工模糊隶属度集合;对所得边缘图像进行融合,利用人工模糊隶属度集合对融合图像进行处理,得到准确清晰的人工模糊边缘。实验结果显示,本文算法盲取证准确率和召回率较高,能较好区别人工模糊和自然模糊,篡改区域定位效果较好。

基于后验概率的图像模糊检测方法

数字图像被动盲取证是指在不依赖任何预签名提取或预嵌入信息的前提下,对图像的真伪和来源进行鉴别和取证。图像在经篡改操作时,为了消除图像在拼接边缘产生的畸变,篡改者通常会采用后处理消除伪造痕迹,其中,模糊操作是最常用的手法之一。提出一种人工模糊痕迹检测方法。将经过模糊操作后图像像素之间存在的高度相关性进行模型化表示;采用EM算法估算出图像中每个像素属于上述模型的后验概率;根据所得后验概率的大小进行模糊操作检测。实验结果表明,该算法能够有效地检测出篡改图像中的人工模糊痕迹,并对不同模糊类型、有损JPEG压缩以及全局缩放操作均具有较好的鲁棒性。

基于模糊神经网络的配电网无线通信系统性能评估方法

针对配电网通信系统建设过程中通信技术选型不明确的问题,提出一种基于模糊人工神经网络的配电网无线通信网络性能评估方法。定义适应配电业务传输的通信性能评估指标体系,针对各个指标定义模糊处理函数,对指标进行模糊归一化处理。以配电业务需求训练配电业务神经网络模型,将各类无线通信方式的指标数据输入训练后的模糊神经网络模型中,获得各类无线通信方式在该配电业务需求下的通信性能。根据评估结果,选择最合适该配电业务的无线通信技术。最后以苏州工业园区配电通信网络为评估对象验证了该方法的有效性和合理性。

基于模糊神经网络的A^2/O工艺出水氨氮在线预测模型

采用厌氧/缺氧/好氧污水处理系统(A2/O)对人工合成污水进行处理,并利用人工神经网络(ANN)模型和自适应模糊人工神经网络(ANFIS)模型对A2/O处理污水的过程进行仿真模拟.在MATLAB环境下,选取可在线监测的水力停留时间(HRT)、进水pH值(pH)、好氧池溶解氧(DO)和混合液回流比(r)作为输入参量,系统出水氨氮浓度(NH4+eff)为输出量,建立在线预测模型.结合自适应模糊C均值聚类算法,确定ANFIS模型的模糊规则数及最优运行参数,对实验数据进行仿真预测.结果表明,与ANN模型相比,ANFIS模型的仿真输出值与实际值的拟合程度更高,相对误差在6.45%之内,平均绝对百分比误差(MAPE)为2.8%,均方根误差(RMSE)为0.1209,相关系数(R)达0.9956.模型训练过程中所得到的三维曲面图,可直观的反映各因素与出水氨氮浓度之间的非线性函数关系,为A2/O系统的高效稳定运行提供指导.