基于多尺度特征融合的地理测绘影像目标检测

为了提高对地理测绘目标的检测准确度,设计了基于多尺度特征融合的地理测绘影像目标检测方法。初步提取地理测绘遥感影像的边缘信息,并计算其边缘密度与边缘分布情况,通过增强边缘信息实现对遥感影像的预处理,得到更明确的影像边缘信息;利用梯度采样法建立下降金字塔影像,并融合多尺度特征,为后续的目标提取提供更准确、特征更明显的信息;根据特征融合结果,采用深度卷积网络实现对地理测绘影像目标的有效检测。结果表明,应用该方法,检测结果的准确率、召回率和F 1分数数值均较高,检测耗时也维持在较低的数值范围,该方法可明显提高目标检测效果。

采用改进最小闭包球向量机的电力信息网络入侵检测方法

为降低电力信息网络入侵检测的检测误差和检测耗时,提出一种基于改进最小闭包球向量机(minimum enclosing ball vector machine,MEBVM)的入侵检测方法。该方法将入侵检测抽象成多分类问题,通过改进MEBVM对历史数据样本的训练学习来得到入侵检测模型。改进MEBVM利用最小闭包球降低检测耗时,并在训练过程中利用粒子群优化算法动态搜索MEBVM的最优训练参数以降低入侵检测模型误差。最后基于电力信息网络现场数据的实验证明,该方法与传统方法相比具有更高的检测精度和更少的检测耗时。

基于机器视觉的多核芯片分布式存储效率检测系统设计

针对传统芯片储存效率检测系统存在的检测效率低、准确性差的问题,基于机器视觉技术设计了一种新的多核芯片分布式存储效率检测系统。由背景光源、驱动电路、图像采集电路构成电路结构,配合DSP和ARM双处理器对得到的嵌入式图像进行处理和控制。硬件结构主要由S3C6410ARM处理器与Linux操作系统构成,并设计了图像采集电路、图像处理电路、ARM外围控制电路以及VGA接口电路;软件部分通过计算分配空间占有率、空间利用率、空间块利用率和最佳利用率实现多核芯片分布式存储效率的检测。实验对比结果表明,基于机器视觉的多核芯片分布式存储效率检测系统的检测耗时较短、检测效率和准确性均较高。