复杂特征图像视觉显著性训练数学模型仿真

对于复杂特征图像,传统的视觉显著性训练模型在处理目标图像边缘区域时,很难保留完整的结构信息,训练结果的真实性有待提高。针对上述问题,构建新的复杂特征图像视觉显著性训练数学模型。根据图像的全局对比特征以及亮度、饱和度、色调等属性,分别计算出对应的显著性参数。建立约束函数,整合计算得到的各个显著性参数,设计与显著性参数相对应的仿真参数。并根据整合的显著性设定新参数实现参数的统一管理。构建仿真联盟结构,实现数学模型的整体仿真。实验结果表明,设计的视觉显著性训练数学模型信息完整,仿真偏差小,显著性明显,整体真实性更高,与传统方法相比,实用性更强。

基于特征图像生成的Android恶意软件检测方法

目前的传统机器学习方法在Android恶意软件检测上存在特征分布不平衡、检测准确率偏低的问题。针对于此,该文提出一种基于特征图像生成的Android恶意软件检测方法。该方法首先采用特征匹配的方法提取APK文件的权限、API、操作码作为特征,并使用改进的FPGrowth算法挖掘各特征的频繁特征项集,以获取有效特征;再利用降噪自编码器(DAE)抽取特征信息和转换特征向量维度,将各特征对应的特征向量转换成单通道图像并在通道维度进行拼接,生成RGB特征图像用于训练和分类;最后构建BaggingCNN分类算法,其集成了多个不同的卷积神经网络(CNN)算法,这些算法均在采用Bootstrap抽样构造的多个子训练集上进行训练,得到若干个子分类器,这些子分类器将用来对表示APK文件的特征图像进行检测,并采取多数投票机制得到最终的检测结果。实验结果表明,该方法生成的特征图像具有较好的表征能力,有利于分类算法的收敛和准确度的提升;其检测准确率达到98.21%,可以有效地检测Android恶意软件。

地质雷达特征图像与典型地质现象的对应关系

地质雷达是浅层地质勘探的有效方法,其对断层破碎带、裂隙带、富水带、岩溶洞穴等不良地质灾害有明显的异常反映。地质雷达测量方式、测线布置及系统参数的选择,可根据测量环境以及探测目标体的大致走向、规模、物性等情况综合分析,做出合理选择。通过用地质雷达对多个工区进行工程勘查,从地质雷达图像的波形、频率、振幅、相位及电磁波能量吸收情况(或自动增益梯度)等细节特征的变化规律出发,建立了典型地质现象与地质雷达特征图像的对应关系,可以作为地质雷达图像解释的重要判据。

基于灰度共生矩阵特征图像的织物疵点检测方法

提出一种由灰度共生矩阵生成相应特征图像的算法,进行了图像分割和织物疵点检测。先将织物疵点图像进行灰度级量化至16级,再提取0°,45°,90°,135°四个方向上的灰度共生矩阵,通过计算灰度共生矩阵中的熵、相关性、对比度、差异性、逆差矩共五种特征值并生成相应的特征图像,对常见的5种织物疵点进行了分割检测实验。实验结果证明基于灰度共生矩阵生成特征图像的检测算法是一种检测效果良好的疵点检测方法 。

一种基于遗传规划的多特征图像排序算法

提出一种多特征图像的排序算法,通过遗传规划算法对多特征图像排序问题进行建模。利用排序树将候选排序函数表示为遗传规划种群中的个体,把遗传规划算法中的个体由图像特征、常数以及算数运算符组成的三元组构成。随机选择一组初始排序函数作为遗传规划算法的个体,并将其表示成排序树。在每次迭代过程中,计算每棵排序树的适应度,并记录适应度高的排序树,通过变异、交叉以及繁殖操作生成新的个体。交叉操作可以提高种群的多样性,从而实现图像的多样化排序。接下来,从记录过的排序树中,选择对图像训练集排序准确性最高的排序树作为图像排序函数。实验结果表明,所提出的算法能够有效地对图像的多种特征进行融合,在兼顾多样性的同时显著提高了图像排序结果的准确性。

中药材粉末显微特征图像的检测方法研究

针对中药材粉末显微特征图像存在的目标断裂残缺这一关键问题,提出一种改进型SSD检测算法,即在SSD网络的预测卷积特征图之后加入SE模块,使SSD网络对该特征图的多个特征通道进行重要性的学习,并据此让包含较多信息且对最终结果起重要作用的特征通道分配到较大的权重。这样,断裂残缺的目标所保留的关键信息在网络迭代过程中能够被网络充分地学习,实现网络对目标的自动定位和种类识别,提高最终的检测效果。将改进型SSD算法用于厚壁细胞、导管和花粉孢子这三类显微图像的检测,mAP由79.8%提升到81.5%,这一结果证明了改进型SSD算法的有效性。

基于灰度共生矩阵提取纹理特征图像的研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。

一种针对路面损坏识别的点云特征图像生成方法

以车载激光点云数据为研究对象,提出一种针对路面损坏识别的点云特征图像生成方法。该方法首先对路面点云统计去噪,然后根据路面损坏的空间分布特征,设计一种损坏特征参考插值算子,构建圆形结构高程梯度差分窗口进行路面梯度分析,最后运用中值滤波算子滤除梯度椒盐噪声,生成路面损坏特征图像。经实验分析,对于不同类型的路面点云,该方法生成的路面损坏特征图像可以有效表达路面损坏目标,与传统方法相比,本文算法的提取准确率和召回率分别达到88.89%和92.31%,具有较强的适用性和可靠性。

基于多特征图像集成的高光谱图像分类方法

对于多波段、高维度的高光谱图像,不同的地物有着不同的特征表示,单独的一种特征可能无法全面覆盖所有的地物信息。因此,希望获得多特征以尽可能的覆盖所有地物信息,以期有效地选择和利用多种类型的特征。本研究提出了一种基于多特征图像的集成学习方法(MFI-EL)用于高光谱图像分类。首先,不同的特征提取方法获得反映不同地物信息的特征图像。其次,每一种特征图像采用支持向量机分类,选择其中最优的作为基本核之一。最后,利用自适应增强方式不断进行学习,获得多个最优的基本核,根据每个核的重要性将其集成为最终的分类结果。采用三幅真实的高光谱图像进行实验,实验结果表明,提出的方法优于其他的集成方法。

基于手指静脉特征图像的加密研究

移动互联下的信息安全是目前研究的热门,提出从手指静脉图像的加密出发,首先对手指静脉图像的特征进行了提取,通过构建图像平滑器来获得静脉图像的大小,明暗区域的选择和特征图像的加强来获得采集后的静脉特征图像,其次对静脉图像采用基于小波基函数,Arnold映射,二次Logistic映射和Baker变换的混合加密方式对进行加密;在相关系分析和差分攻击分析等方面实验比较,说明算法具有很好的安全性和低耗时性,能够完全适应在移动互联环境中推广。

基于自适应学习的特征图像识别技术研究

针对特征图像的自适应识别技术问题,研究了利用具有学习和自适应功能的ART人工神经网络原理及规则,提出了具有自稳定适应和分类学习功能的算法。

种子法特征图像提取实例及其MATLAB实现

分析了传统特征图像提取方法的不足,结合牙齿X线医疗图像实例,给出了种子法特征图像提取的函数、流程图,实现了牙髓区域特征图像提取的实验种子矩阵及MATLAB程序。

牙X线特征图像边缘曲线提取的MATLAB实现

以X口腔线龋齿边缘图像为例,给出其边缘描述及曲线平滑处理的MATLAB函数。在边缘图像边沿平滑处理后,采用了简单的点扫描方式描述边缘函数tocurve(g,h,w),其中引入了边缘线宽度约定参数w,以保证生成函数f比较准确;采用了适当改进的移动均值法,编制的平滑函数smooth_r(x,span,n)在对原函数头尾数据截断处理后,再按指定循环次数,进行了循环平滑处理。通过实验可知,采用上述函数处理医疗牙X线特征图像算法简洁,实用性强。

吊桥特征图像检测技术研究

吊桥弧度测量是检验吊桥的一个重要的指标,它直接关系到设备是否可以继续使用,以往本参数主要以人工仪器测量为主,由于人为干预多,主观因素强,原始测量仪器精度问题,现场吊桥弧度测量精确度受到很大影响。为解决此问题,本文另辟蹊径,提出一套全新的检测技术和方法,希望能在提高吊桥弧度测量精确度方面有所提高。

取证科学中人体特征图像处理的新方法

本文阐述了取证科学中人体特征图像的处理技术,提出了一个基于对数极坐标映射的模式识别新方法,利用匹配模板的相位信息和人体特征图像的对数极坐标映射(LPM)谱来计算它们的相关值。实验结果表明:新方法是具有实用价值的。

基于特征图像的数字版权保护系统

数字版权保护(DRM)已经成为网络环境下数字内容交易和传播的一种关键保障技术。鉴于我国数字内容市场的需求和目前DRM技术的不足,提出一种在图像中动态提取密钥的方法,使得密钥的选择与更新更加灵活,并建立一个三重加密机制,增强了DRM系统的安全性。同时利用遍历加密的方法将内容许可证与用户的多个终端设备进行绑定,建立起用户域,使用户能在多台设备上共享内容。对方案的安全性进行了证明,给出了运行效率的仿真结果和与目前几个主流DRM方案的比较结果。

基于异构基Stacking机制的居民负荷特征图像识别方法

负荷识别技术能将不同电器类型有效区分开,对于用电策略制定、需求响应具有重要意义。针对当前负荷识别技术无法有效实现负荷特征融合以及不同识别器模型结合的问题,提出一种基于异构基Stacking机制的居民用电负荷识别特征图像集成学习方法。该方法通过构建特征图像实现特征融合,利用卷积神经网络充分挖掘特征图像中蕴含的深层次特征,解决传统方法对特征挖掘不够深入的问题。同时引入集成学习Stacking方法将多种异质负荷识别模型结合,综合各种模型的优势,解决传统方法模型单一化的问题。最后使用公开数据集PLAID进行验证并在实验室电器设备上完成工程应用。结果表明,所提方法具有较高的识别准确率和应用价值。

基于SqueezeNet深度网络的中药材粉末显微特征图像识别研究

中药材粉末显微特征图像具有复杂的纹理特点,传统算法难以构建高识别率的分类器。针对此提出一种基于SqueezeNet卷积网络的改进型双通道算法。首先,分离背景并提取感兴趣区,同时自动截取感兴趣中心区域1/4面积作为细粒度特征图像;其次,对感兴趣区和细粒度特征图像进行尺度归一化,去均值,调整方差以及多角度旋转等预处理;之后,将处理后的感兴趣区和细粒度特征图像分别作为两个独立SqueezeNet深度网络的输入源,并对两个网络进行独立训练;最后,将得到的两个模型作为两个通道连接,识别结果利用概率加权算法进行融合。应用提出的改进型双通道算法对15种中药材粉末显微导管特征图像进行识别,正确识别率达到90. 33%。该方法具有较高的正确识别率和理想的识别效果。

基于包装外观特征图像内容检索方法研究

针对包装外观特征图像信息在图像数据特征的表述、图像内容的检索方法上进行了阐述,并对图像中的颜色特征、纹理特征、轮廓特征进行了表述分析,以便于图像特征的提取和图像内容的匹配,从而实现图像内容的检索,为图像数据库的储存、检索、处理提供相应的处理技术。

网络中用户需求特征图像优化检索仿真

对网络中用户需求特征图像的优化检索,能够有效提高图像检索效率与质量。对特征图像的检索,需要通过距离函数比较待检索图像与图像库的相似度,获取图像差异的检索阈值,完成用户需求特征图像的检索。传统方法计算二维图像的显著值,提取图像最显著的点集,得到像素的显著值占双亲节点显著值的比例,但忽略了获取图像差异的检索阈值,导致检索精度偏低。提出基于机器学习的网络用户需求特征图像检索方法。该方法先利用深度学习模型提取图像中的深层非线性特征,根据每个特征像元的空间近邻信息,提取样本深度特征和空间信息,通过距离函数比较待检索图像与图像库的相似度,获取图像差异的检索阈值,完成对基于机器学习的网络用户需求特征图像检索。仿真证明,所提方法图像检索效果较为明显,为提升图像的检索质量、满足图像管理的实际需求奠定了基础。