一种基于样本有效性和KNN分类标记的采样传播型抠图方法

传统的采样传播型抠图方法都是先对图像进行采样抠图处理再传播抠图处理,没有根据样本的有效性对图像区域进行区分处理.为此,提出一种自适应的采样传播抠图方法,根据样本的有效性决定未知区域使用采样抠图处理还是传播抠图处理.该方法使用采样抠图方法对未知区域进行处理,并提出一种样本有效性综合判定方法对结果进行判定,通过判定的采样抠图结果将作为第1类初始矩阵数据输入传播抠图;对于未能通过判定的区域,提出一种基于KNN分类器标记方法进行处理,处理结果作为第2类初始矩阵数据输入传播抠图,该标记方法用于提高图像的传播性,从而提升后续传播抠图方法的抠图质量;在后续的传播抠图处理步骤中,针对不同的数据来源设定不同的权值,最终结果由传播抠图方法来完成.文中通过定性观察和定量分析相结合的方式对实验结果做出评价,并通过在线标准评价对实验结果进行评估.实验结果证明,文中方法不仅能够在有效样本缺失和图像结构复杂的情况下取得不错的抠图效果,而且具有很高的运算速度.

基于威胁传播采样的复杂信息系统风险评估

互联网时代的信息安全已成为全社会关注的问题之一.信息系统是信息的载体,为有效评估大规模分布式复杂信息系统的风险,构建了一种基于威胁传播采样的复杂信息系统风险评估方法.该方法考虑到威胁在复杂信息系统中传播时,对资产结点的转移状态以及资产结点发出的威胁传播边进行采样来生成威胁传播树(threat propagation trees,TPT),然后通过计算威胁传播树中各资产结点的期望损失以及威胁传播树的概率来对整个复杂信息系统进行风险评估.实验分析表明,基于威胁传播采样的复杂信息系统风险评估方法,在生成威胁传播树时具有高效的时间效率,能够对复杂信息系统进行客观准确的风险评估,且在对复杂信息系统资产结点制定安全防护策略时,能够为安全风险管理者提供较为合理的安全指导建议.