HMM特征提取结合感知哈希匹配的网络时间隐蔽信道检测

针对传统网络隐蔽信道检测识别率低和鲁棒性差的问题,利用正常信道和隐蔽信道在网络流量时间序列特性的差异,提出一种隐马尔科夫链(HMM)和感知哈希匹配的网络隐蔽信道检测方法。实验表明:所提方法能准确检测隐蔽信道的网络流量,且整体区分水平在70%~85%之间;在信号噪声干扰下能够保持较高的识别率,具有较好的鲁棒性;所提方法在感知特征提取花费的时间要明显少于传统的频谱域感知特征提取,且复杂度低。

基于一致性敏感哈希的高精确度图像匹配算法

针对基于特征点的图像匹配方式在复杂纹理场景中匹配效果不理想的问题,提出一种将加速稳健特征算法(SURF)与一致性敏感哈希匹配结合的图像匹配算法(CSH)。使用SURF算法对图像进行特征点提取,再以特征点为圆心构建特征区域,最后对特征区域使用CSH进行匹配,从而实现高精确匹配。为了进一步加快算法运行速度,对现有的SURF算法进行修改,在提取SURF特征点时去除了对于特征点方向的计算。仿真实验证明,算法较一般的特征算法在复杂纹理图像匹配中效果更佳,且较CSH算法效率提升了10%~15%。

基于CIDR表的哈希地址二分查找算法的改进

为了解决核心交换机中路由表的爆炸式容量问题,业界引入了一种无类域间路由CIDR结构,它有效地减少了路由表容量,但是IP地址查找算法却不能令人满意。通过对基于哈希地址前缀长度的二分查找匹配算法的分析,得出由于CIDR表的存储容量有限,因而二分查找算法的优点没有体现出来。针对此问题,利用几个定点地址前缀长度扩展方法,对该算法进行改进,得到了一种满足CIDR表要求的快速查找匹配算法。经过仿真实验,改进后算法更好地满足了快速转发IP分组的需求。

基于深度中心匹配哈希网络的足迹压力图像检索

以赤足足迹压力图像为研究对象,采集了40人的5230幅赤足足迹压力图像,在具有较低存储消耗的哈希算法基础上,结合深度学习方法设计了一种深度中心匹配哈希(DCMH)网络实现足迹的检索.该网络首先根据足迹压力图像的特点构建深度特征融合模块,提取反映足迹形态结构的全局特征和压力分布的局部特征,并将两种特征进行融合;然后在哈希编码模块通过全连接层将融合后的特征映射为1024维特征向量,并通过哈希层生成哈希码;在网络优化过程中通过构建深度中心匹配损失函数从而减小哈希码与对应哈希中心之间的距离.深度中心匹配损失函数通过伯努利分布生成哈希中心,设计对数中心损失函数减小同类足迹压力图像数据哈希码与哈希中心的距离,并设计相似性损失函数作为正则化项约束每个批次数据间的相似性关系.通过在40人的赤足足迹压力图像数据上进行图像检索实验,本文算法检索结果的mAP可以达到0.99,优于传统的哈希算法及常用的深度哈希算法,为足迹的进一步的现场应用提供技术支撑.

无人机序列图像快速三维重建系统设计与实现

设计并实现了一种适用于高分辨无人机序列图像的快速三维重建系统(FDroneMap)。通过两个方面的改进提高系统运行的效率:一方面对重建算法进行优化,使用了一种新的基于哈希表的图像匹配方法,并根据无人机图像的时空序列特性对匹配策略进行调整,加快图像匹配速度;另一方面对重建算法各个模块进行并行化设计,提高系统对硬件的性能使用率。对比实验表明,在处理高分辨率无人机序列图像时,FDroneMap能显著提升三维重建的效率,并且能保证重建精度。

一种快速精准的核相关滤波器跟踪算法

针对核相关滤波器跟踪算法在目标尺度变化、快速运动及光照变化情况下跟踪性能降低的问题,提出一种基于前瞻性更新及快速异判技术的核相关滤波器跟踪算法。算法对目标历史状态以逐渐遗忘的方式加以更新,同时引入状态差分来提前应对环境变化,并且利用哈希编码匹配来控制分类器更新:首先对先前正确的目标进行哈希编码,新来一帧分类得到的最终目标同样进行哈希编码来计算相似度;然后依据相似度决定是否更新分类器或者重检测目标。实验结果表明,该算法不仅对尺度变化、快速运动有很强的鲁棒性.对其他属性如光照变化、遮挡等也有较强的鲁棒性。同时跟踪仍然保存很高的速度,平均的处理速度可达100帧/s,能实现快速精准的目标跟踪。

机器视觉在钢琴制造企业中的应用研究

针对钢琴企业钢琴面板人工装配和检测效率低、质量差等问题,开发了基于机器视觉的钢琴面板装配过程在线检测系统。利用Hough变换算法实现了对面板兴趣区域的精准识别,采用差异哈希算法提高匹配精度,实现钢琴面板生产的在线检测,保证生产效率和产品质量。

网络拓扑快速发现方法分析与实现

基于因特网控制报文协议(ICMP)的网络拓扑结构发现方法是互联网网络拓扑结构发现的主要方法。针对目前网络测量项目和工具中存在注入网络流量大和时间效率低的问题,提出了双向探测的网络拓扑结构发现方法,定义了前缀匹配哈希表的结构和更新,并对中国教育网中活跃主机进行了扫描和探测。试验分析表明,该方法有效。