基于感知哈希算法的特征融合玻璃瓶缺陷检测

特征提取作为玻璃瓶缺陷检测任务中至关重要的一环,特征集中丰富的特征信息将直接影响缺陷检测的准确率。传统的单一特征提取算法提取的特征信息往往过于单一,使得最终的检测准确率偏低。针对上述问题,提出了方向梯度直方图(Histogram of Oriented Gradients,HOG)特征与尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征融合的特征提取算法。针对不同缺陷边缘提取轮廓不够准确的问题,提出了基于感知哈希算法(Perceptual Hash Algorithm,PHA)的边缘检测算子选择方法。通过支持向量机(Support Vector Machine,SVM)进行训练和验证。实验结果表明,提出的边缘检测算子选择方法可以针对不同缺陷选择最适合的边缘检测算子,特征融合算法的瓶身缺陷检测平均准确率可达88.7%。较单一的HOG特征提取算法提升了7.99%,较单一的SIFT特征提取算法提升了2.97%。

基于感知哈希的能源数据安全访问控制方法研究

作为保证能源数据安全的重要步骤,访问控制过程易受数据差异性、不均衡性、冗余性等问题的干扰,导致安全访问控制时间增加、交互成功率下降以及计算开销增加。为了有效解决这一问题,提出基于感知哈希的能源数据安全访问控制方法。采用监督判别投影算法对能源数据做降维处理,以降低信息之间的冗余性。利用感知哈希算法,得到分布式存储数据。结合二元一次函数诱导算法,在分布式存储数据中生成密钥。通过内层加密与外层加密相结合的控制策略,实现数据授权访问的动态变化,完成能源数据的安全访问控制。试验结果表明,该方法的能源数据安全访问控制时间短、交互成功率高、计算开销小。该方法可为能源数据安全领域的进一步发展提供重要参考。

基于感知哈希与连通域分析算法的粮面异常状态识别方法

为了降低粮食在仓储环节因多种原因产生的损耗,需要及时准确地获取粮仓内的粮面状态,以便实时对异常的状态进行处理。提出一种基于感知哈希与连通域分析算法的粮面异常状态识别方法,定时或实时地采集粮仓内的粮面图像,存储为视频流并进行对比。通过感知哈希算法将采集的粮面状态图像与原始状态图像进行比对得到相似度,将相似度与事先设定的阈值进行比对,来判断粮面状态是否存在异常。若存在异常时,通过连通域算法进行异常区域的识别计算,该识别方法能够及时发现粮仓内粮面是否存在异常,并且能够精准定位异常区域,能够及时预防粮食仓储环节的损耗。

基于感知哈希算法的Android恶意软件入侵检测仿真

为保护智能终端用户隐私信息安全、避免恶意软件入侵破坏终端功能,提出一种基于感知哈希算法的Android恶意软件入侵检测方法。令Watson感知模型和哈希算法结合,将恶意软件代码可视化变换为灰度图像,经离散余弦变换,得出代码特征对比度掩蔽表达矩阵,使用明科斯基法获得感知哈希序列距离误差。考虑到同家族软件代码相似度高,为避免恶意开发人员通过伪装或者混淆代码方式使检测方法失效,计算代码局部特征的权重值,明确不同特征对哈希序列相似度检测结果的影响,最后与历史数据库内已知的恶意软件代码对比感知哈希序列,输出检测结果。经过仿真证明,所提方法能够精准检测出入侵的恶意软件,且误报率低,检测耗时短,具有极高的应用价值。

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。

基于人类视觉系统的图像感知哈希算法

图像感知哈希(Perceptual Hashing)是一门新兴技术,它通过对图像感知信息的简短摘要和基于摘要的匹配,来支持图像的认证和识别,具有广泛的应用前景.目前关于图像感知哈希的研究主要集中在图像特征的提取上,但是特征的选择缺乏对人眼视觉特性的考虑.本文从不同的侧面提出几种基于人类视觉系统的图像感知哈希算法.通过这几种算法之间和已有传统算法之间的测试比较,结果表明考虑了人眼视觉特性的图像感知哈希算法在鲁棒性和区分性上能够得到提高,算法给出的感知距离度量更符合人的主观感受.

融合时空域变化信息的视频感知哈希算法研究

感知哈希(Perceptual Hashing)是多媒体数据集到摘要集的单向映射,为多媒体数字内容的标识、检索、认证等应用提供了安全可靠的技术支撑.本文提出一种融合视觉感知及时空域特征的视频感知哈希算法.算法首先对视频序列每一帧进行随机可重叠分块,并计算每个分块以像素为单位的亮度均值,在某一步长下,以同一帧的分块亮度差作为视频帧空域特征,以不同视频帧相同位置的分块亮度差作为时域特征,通过哈希量化得到时空域感知哈希,通过时空域感知哈希融合,最后得到简洁的视频唯一标识——摘要哈希.实验结果表明,该算法表现出较好的鲁棒性与区分性,通过相似度拟合图算法分析,可以实现视频篡改的准确检测及定位.

感知哈希综述

感知哈希(Perceptual Hashing),是多媒体数据集到感知摘要集的一类单向映射,即将具有相同感知内容的多媒体数字表示唯一地映射为一段数字摘要,并满足感知鲁棒性和安全性.感知哈希为多媒体内容识别、检索、认证等信息服务方式提供安全可靠的技术支撑.本文在人类感知模型(Human Perceptual Model)的基础上,明确了感知哈希的定义、性质和一般性描述.并对目前感知哈希的典型算法、应用模式以及评测基准等进行了综述,指出了感知哈希未来的研究方向.

基于感知哈希的图像内容鉴别性能分析

感知哈希能有效地区分不同内容的图像,常用于检测盗版或重复的图像内容鉴别应用中.针对已有的对感知哈希的图像内容鉴别应用研究主要集中在算法设计上,缺少对其性能评价的理论方法的问题,提出从理论上评价内容鉴别性能的方法.该方法基于一类图像感知哈希算法的抗碰撞特性建立了内容鉴别的判定模型,并定义内容鉴别的性能公式,最后推导出统计学上的函数作为性能评价指标.实验结果表明,文中方法能很好地估计感知哈希在内容鉴别应用中的性能.

基于离散余弦变换的鲁棒感知图像哈希技术

对现有感知图像哈希的生成方法进行深入研究,分析该方法存在的不足之处。分别介绍离散余弦变换、Watson视觉模型和混沌模型的原理和特点,提出将这3种模型进行融合来设计感知图像哈希的生成方法。该方法采用离散余弦变换提取图像特征,对比敏感表对特征向量进行处理并用Logistic方程作为混沌序列发生器进行加密,最后采用预测差分方法进行量化编码。试验结果表明:该方法可以抵抗内容保持的修改操作,并具有较强的鲁棒性、安全性和检索性,且冲突概率降低到10-7数量级。该技术在图像认证、版权保护、安全和基于内容的图像检索等方面有应用价值。

基于多尺度感知哈希特征的目标跟踪算法研究

研究了目标跟踪与检测。考虑到其应用环境复杂,造成对光照变化鲁棒性不强,目标跟踪过程中数据丢失,实时跟踪时检测速度不够的问题,结合哈希指纹特征对光照变化鲁棒性强的特点,提出了一种基于多尺度(multi-scale)感知哈希(Hash)特征的目标跟踪算法,即MHash算法。该算法采用多种尺度扫描窗口对待检测图像进行扫描,利用双线性内插值的方法缩小扫描窗口提取哈希指纹特征;同时利用汉明距离与高斯分布相结合的方法对扫描窗口进行评价,评分最高的作为目标窗口。该算法已应用于人脸、运动车辆及快速和缓慢移动物体的跟踪与检测,并分析了跟踪与检测结果。结果表明,MHash算法具有速度快、跟踪稳定及对光照、目标尺度变化鲁棒性强的特点,能够长期有效地对目标进行跟踪。

基于图像正则化的抗几何变换的感知哈希算法

图像哈希在内容认证、数据库搜索和水印等领域有广泛的应用。该文提出的新的抗几何变换的感知哈希方法包括三个主要阶段:第一阶段通过图像正则化过程获得一个对任意仿射变换具有不变性的正则图像;第二阶段对随机选择的多个子图像进行小波变换产生一个包括图像主要特征的副图像;第三阶段采用奇异值分解捕获图像的局部感知成分并生成最终哈希。仿真实验表明算法有效抵抗了几何变换、压缩等感知保持操作,内容篡改也被正确检测。批量实验也证明算法有较好的稳健性和抗误分类能力。

基于SIFT和PCA的图像感知哈希方法

提出了一种新颖的基于尺度不变特征变换(SIFT)和主成分分析(PCA)的感知哈希方法。SIFT特征在通常的图像处理中具有很强的稳定性,并具有尺度和旋转不变性,通过对哈希生成两阶段框架的详细分析,SIFT算法用来提取图像的局部特征点,PCA用来对特征数据的信息压缩。每个特征点的PCA基的叠加构成图像哈希,在叠加中采用了伪随机处理,增强了算法安全性,图像之间的相似度通过哈希的归一化相关值来确定。实验分析表明该方法对各种复杂攻击,如图像旋转、光照变化、图像滤波等具有较好的稳健性,对比基于非负矩阵分解的图像哈希方法在图像识别应用中具有更好的性能。

鲁棒可区分的压缩视频感知哈希算法研究

运用比较宏块互异数方法得到视频关键帧,提出基于Gabor小波分解的视频感知特征快速提取算法,针对小波分解后得到的特征矩阵,给出基于负熵目标函数的FastICA优化降维量化策略,并运用中位值量化方法得到哈希位串.采用标准格式视频验证的结果显示,该算法对亮度变化、噪音污染等常规内容操作具有良好的鲁棒性能,对感知内容不同的视频序列也有较好的区分性能.研究成果可为视频版权、视频安全和视频篡改检测提供理论支撑和技术支持.

基于Zernike矩的抗旋转攻击图像感知哈希算法

以Zernike矩为特征图像感知哈希算法,由于Zernike矩对图像旋转具有不变性,使得算法具备了旋转攻击下的鲁棒性;同时由于Zernike矩是图像的正交表示,能够很好地提取图像的内容,使得算法具有良好的区分性.算法首先将图像归一化,然后提取图像Zernike矩作为特征,经过密钥置乱后,对特征进行量化生成哈希串.算法在100幅图像组成的样本集上进行了测试,结果表明本文算法在旋转攻击下误接受率小于4%,匹配错误率在10-9数量级.说明基于Zernike矩的图像哈希算法能够同时满足对旋转攻击鲁棒和区分不同图像的技术要求.

结合感知哈希与空间约束的室内连续视觉定位方法

视觉定位主要通过相机视觉信息与环境视觉特征的匹配实现位置计算。然而视觉匹配计算量较大,难以支持室内连续定位。对于视觉数据稀疏的环境,单纯依靠视觉匹配也难以实现连续的轨迹定位。针对这一问题,本文提出一种结合感知哈希与空间约束的室内连续视觉定位方法,通过智能手机采集的连续视频帧与室内图像数据集的匹配,实现精确的视觉定位。为改进视觉匹配效率,构建了一种双层次的匹配图像搜索策略,包括基于感知哈希方法的全局搜索策略和顾及运动连续性的局部搜索策略。在此基础上,设计了一种室内连续视觉定位算法,结合视觉匹配与航位推算提高视觉定位的空间连续性,并利用运动恢复结构方法提高航向角估计精度。试验结果表明,本文方法在图像匹配定位、连续离线定位、连续在线定位模式下的平均定位误差分别为0.70、0.86和0.93 m,能够达到亚米级定位精度。在线定位模式下,本文方法的平均计算时间为0.42 s,能够支持连续的视觉定位。

基于感知哈希的作业相似度检测

现有抄袭检测多以文本的字符串匹配实现,无法检测图片作业,有一定局限性。提出一种将文本作业转化为图片,应用感知哈希算法获取图片特征值并计算图片相似度的方法,实现作业的抄袭检测。实验表明,该方法在一定的检测速度下,能保证低误判率和查准率。

基于DCT和感知哈希的纹理防伪标签鉴别算法

针对纹理防伪标签在光线不足、视力不佳的情况下难以鉴别的问题,提出了一种基于DCT、感知哈希和视觉特征向量的纹理防伪标签鉴别算法。首先通过DCT和感知哈希提取图像的特征向量;然后建立特征数据库,通过特征向量之间的归一化相关系数(NC)实现纹理防伪标签的自动鉴别。实验结果表明,该方法可以有效抵抗常规攻击和几何攻击,可实现自动鉴别技术。与现有的纹理防伪技术相比,该算法可以减小占据的数据库存储空间,具有更好的实用性。

一种融合感知哈希的快速压缩跟踪算法

针对快速压缩跟踪算法(FCT)分类器参数更新盲目、目标尺寸固定和未能跟踪目标完全遮挡再出现的问题,提出一种融合感知哈希的快速压缩跟踪算法(Fast compressive tracking algorithm based on perceptual hashing,PH-FCT).首先,使用压缩特性构建目标和背景的贝叶斯分类器,同时生成目标的感知哈希描述子;使用分类器获得下一帧响应值最高的样本,以样本为中心采集不同尺寸区域,计算它们与目标的汉明距离,若最小汉明距离小于阈值,则视当前尺寸区域为目标区域,更新目标信息(目标位置、尺寸和感知哈希描述子)与分类器参数,并标记当前帧检测到目标,否则不更新且标记当前帧未检测到目标.当上一帧被标记为未检测到目标,则当前帧使用全图等间隔采样,样本个数与FCT算法粗采样一致,使用分类器得出响应值最高的样本,再以该样本中心为圆心,半径为5的圆形区域遍历精确采样,得出最有可能是目标的样本,最后通过判断汉明距离决定是否更新参数.实验结果表明,该算法在抗遮挡性、有效性和鲁棒性上优于FCT算法,且拥有较好的目标自找回能力,为目标的快速跟踪提供一种新的方法.

一种融合动态预测的感知哈希目标跟踪算法

为实现静态背景下的目标跟踪,采取基于DTC的感知哈希生成算法提取目标感知哈希摘要,比较汉明距离实现模板匹配。针对跟踪效率不足的问题,提出了一种范围与方位融合预测策略,其中范围预测是预测目标出现的范围,缩小模板搜索区域;方位预测在范围预测的基础上寻找一条便捷的搜索路线,将已跟踪得到的坐标要素简化为单一的方位角要素,结合预测模型预测目标方位,挖掘出一种模板匹配终止条件,在适当的深度终止窗口遍历。试验结果证明,范围预测对跟踪效率提升明显,预测范围缩小n倍时算法效率提升约n^2倍,方位预测可在范围预测的基础上提升约16%的效率。