基于多稳态特性与灰度差异熵的图像背景Python扩充方法

图像应用范围逐渐扩大,相关技术发展迅速,其发展的主要支撑是大规模的图像数据集合。现有公开资源以图像目标数据集合为主,而背景数据集合较少,并且内部数据体量较小,制约了图像相关技术的发展与应用,故提出基于多稳态特性与灰度差异熵的图像背景数据Python扩充方法。基于图像背景与目标的灰度熵差异,选取灰度熵阈值分割原始图像,获取图像背景区域,采用k近邻(k-Nearest Neighbor,KNN)算法深度挖掘背景数据,应用多稳定特性构造混沌序列,加密处理图像背景数据,通过Python制定图像背景数据并行扩充程序,执行制定程序即可实现图像背景数据的扩充。实验数据显示:提出方法获得的图像背景区域分割效果更好,图像背景数据扩充量最大值为1800MB,充分证实了提出方法应用性能更好。

基于清晰度信息与灰度差异熵的高层住宅场景可视化三维BIM虚拟重建模型

为实现高层住宅场景的合理规划,提升高层住宅场景三维模型可视化效果,提出基于清晰度信息与灰度差异熵的高层住宅场景可视化三维BIM虚拟模型构建方法。高层住宅场景建模前准备模块通过相似度特征匹配方法,构建高层住宅场景BIM信息库;BIM三维虚拟模型构建模块以该信息库为依据,构建高层住宅场景的BIM三维虚拟模型,可视化场景渲染模块在浏览器端对该模型进行重建渲染后,采用灰度差异熵方法增强渲染后的高层住宅场景的BIM三维虚拟模型图像,并通过清晰度信息进行模型可视化效果判断。测试结果显示:该模型能够依据实际情况完成高层住宅场景的BIM三维虚拟重建,可极大程度提升构建后模型的视觉效果,标准差和平均梯度结果均在标准范围内;清晰度结果均在0.926以上,可视化效果良好。

基于清晰度信息与灰度差异熵的图像修复算法

当前较多图像修复算法主要利用图像的结构信息来计算待修复块的优先权,忽略了图像的清晰度信息,导致修复图像中含有振铃以及块现象等问题。对此引入图像的空间频率,设计了基于清晰度信息与灰度差异熵的图像修复算法。首先,将数据项、空间频率和置信度项进行组合,形成待修复块的优先权度量函数,使其在优先权的计算过程中充分考虑了图像的清晰度信息,以提高优先权值计算的准确性,确保合理的修复顺序。然后,采用图像的灰度差异信息,构造灰度差异熵函数,计算合适的样本块大小。最后,联合绝对差平方和SSD与灰度差异熵函数,从图像的色彩差异信息以及灰度差异信息出发,确定待修复块对应的最优匹配块,以修复图像。实验结果表明,相对于已有的图像修复方法而言,所提算法具备更为理想的修复效果,对应的结构相似度值更大,其输出结果中不含有振铃和块现象。

基于清晰度信息与灰度差异熵的动态插图篡改检测方法

大数据和云存储环境下动态插图容易受到攻击篡改,为了确保动态插图的安全性,提出基于清晰度信息与灰度差异熵的动态插图篡改检测方法。构建动态插图特征分解的三层结构模型,基于模型完成动态插图的分析和采样,对采集的动态插图使用单边滤波和小波降噪方法进行降噪处理,基于去噪后的动态插图构建动态插图清晰度信息特征提取模型,完成动态插图的篡改特征提取,对上述提取到的动态插图特征采用灰度差异熵进行检测。结果表明,采用所提方法的检测误差最高为1.6%,检测时间最高为9 s,较为稳定,说明所提方法具有较高的实用性。