当前篡改图像识别算法在对组合篡改图像进行识别时,主要采用对像素或者块进行逐一匹配的方法来检测,导致识别精度不高、鲁棒性差等不足,为此提出改进的SURF耦合分级聚类的图像信息真伪决策算法。采用积分图像模型计算矩形区域像素强度...当前篡改图像识别算法在对组合篡改图像进行识别时,主要采用对像素或者块进行逐一匹配的方法来检测,导致识别精度不高、鲁棒性差等不足,为此提出改进的SURF耦合分级聚类的图像信息真伪决策算法。采用积分图像模型计算矩形区域像素强度的总和,通过计算Hessian矩阵提取特征点,构建圆形筛除器对SURF进行改进,对特征点数量进行整定,提高算法效率;引入最优节点优先方法 (best bin first method,BBF)对最近邻进行搜索,通过对特征点的特征描述符进行计算,完成特征点匹配;利用分级聚类方法,对特征点进行集群,创建层次树,完成图像的篡改检测。仿真结果表明,与当前图像篡改识别技术相比,所提算法具有更强的鲁棒性以及更高的检测精度。展开更多
目前人们对信息传输的需求越来越高,低压电力线载波通信已经成为解决"最后一公里"问题的优选方案,但这种通信方式带宽资源有限且没有建立高效的带宽分配策略。针对低压电力线带宽高效分配问题,提出了一种基于最优平稳模型的...目前人们对信息传输的需求越来越高,低压电力线载波通信已经成为解决"最后一公里"问题的优选方案,但这种通信方式带宽资源有限且没有建立高效的带宽分配策略。针对低压电力线带宽高效分配问题,提出了一种基于最优平稳模型的带宽自适应分配策略(Dynamic Bandwidth Allocation for Power Line Communication,DBA-PLC)。DBA-PLC以通信质量评估值为决策变量,采用最优平稳模型并行训练方法自适应地分配带宽,并利用数据筛除的方式进行算法简化。经过仿真实验,验证了该策略的可行性。得出数据筛除率在20%~30%范围内时,能够在占用资源较少的情况下,得到理想的带宽分配结果。并证明了带宽分配结果在信道变化率低于0.25时具有持续有效性,即在一定时间周期内更新一次带宽分配策略,就能保证通信的高带宽利用率。展开更多
相机高速移动引起的运动模糊在现实环境的中低端设备中经常出现,是影响实时定位与制图(Simultaneous Localization and Mapping SLAM)高精度运行的重要因素.现有的一些应对模糊的方法通常需要较大的计算量,不适用于计算性能有限的移动...相机高速移动引起的运动模糊在现实环境的中低端设备中经常出现,是影响实时定位与制图(Simultaneous Localization and Mapping SLAM)高精度运行的重要因素.现有的一些应对模糊的方法通常需要较大的计算量,不适用于计算性能有限的移动端、无人机等平台,这在一定程度上影响了SLAM算法的应用.本文通过序列图像分析运动模糊的产生原理,建立相邻图像特征坐标差与模糊尺度之间的量化关系表,利用相邻图像间匹配点的位置关系定量计算EBL参数来表示图像的模糊程度并与帧筛除算法组成EBL-帧筛除算法,在SLAM过程中不断筛除模糊较大的帧来应对运动模糊.在由于运动产生图像模糊的情况下,通过适当增加一些运算量,本文的方法可以提升SLAM系统的定位和建模精度.实验证明了EBL参数对模糊表达的有效性,以及本文算法对SLAM系统精度的提升.结果表明,算法可以明显地降低相机轨迹估计的整体误差,对于模糊影响较严重的数据集,在合适的窗口大小下,用EBL-帧筛除算法剔除部分帧后,通过余下的清晰帧计算得到的相机位姿整体误差下降了20%.展开更多
文摘当前篡改图像识别算法在对组合篡改图像进行识别时,主要采用对像素或者块进行逐一匹配的方法来检测,导致识别精度不高、鲁棒性差等不足,为此提出改进的SURF耦合分级聚类的图像信息真伪决策算法。采用积分图像模型计算矩形区域像素强度的总和,通过计算Hessian矩阵提取特征点,构建圆形筛除器对SURF进行改进,对特征点数量进行整定,提高算法效率;引入最优节点优先方法 (best bin first method,BBF)对最近邻进行搜索,通过对特征点的特征描述符进行计算,完成特征点匹配;利用分级聚类方法,对特征点进行集群,创建层次树,完成图像的篡改检测。仿真结果表明,与当前图像篡改识别技术相比,所提算法具有更强的鲁棒性以及更高的检测精度。
文摘目前人们对信息传输的需求越来越高,低压电力线载波通信已经成为解决"最后一公里"问题的优选方案,但这种通信方式带宽资源有限且没有建立高效的带宽分配策略。针对低压电力线带宽高效分配问题,提出了一种基于最优平稳模型的带宽自适应分配策略(Dynamic Bandwidth Allocation for Power Line Communication,DBA-PLC)。DBA-PLC以通信质量评估值为决策变量,采用最优平稳模型并行训练方法自适应地分配带宽,并利用数据筛除的方式进行算法简化。经过仿真实验,验证了该策略的可行性。得出数据筛除率在20%~30%范围内时,能够在占用资源较少的情况下,得到理想的带宽分配结果。并证明了带宽分配结果在信道变化率低于0.25时具有持续有效性,即在一定时间周期内更新一次带宽分配策略,就能保证通信的高带宽利用率。
文摘相机高速移动引起的运动模糊在现实环境的中低端设备中经常出现,是影响实时定位与制图(Simultaneous Localization and Mapping SLAM)高精度运行的重要因素.现有的一些应对模糊的方法通常需要较大的计算量,不适用于计算性能有限的移动端、无人机等平台,这在一定程度上影响了SLAM算法的应用.本文通过序列图像分析运动模糊的产生原理,建立相邻图像特征坐标差与模糊尺度之间的量化关系表,利用相邻图像间匹配点的位置关系定量计算EBL参数来表示图像的模糊程度并与帧筛除算法组成EBL-帧筛除算法,在SLAM过程中不断筛除模糊较大的帧来应对运动模糊.在由于运动产生图像模糊的情况下,通过适当增加一些运算量,本文的方法可以提升SLAM系统的定位和建模精度.实验证明了EBL参数对模糊表达的有效性,以及本文算法对SLAM系统精度的提升.结果表明,算法可以明显地降低相机轨迹估计的整体误差,对于模糊影响较严重的数据集,在合适的窗口大小下,用EBL-帧筛除算法剔除部分帧后,通过余下的清晰帧计算得到的相机位姿整体误差下降了20%.