对比度和细节增强显著性检测方法研究

针对现阶段已经存在的显著性检测算法存在对比度不鲜明,显著图的图像细节不够明显,背景抑制不彻底的不足,提出一种基于对比度拉伸算法和用拉普拉斯算法改进Robert交叉梯度锐化的全频域显著性检测CRT算法,该方法利用FT算法自身运算速度快,具有去噪效果的优点以及对比度拉伸提升显著图对比度以及Robert梯度锐化算法提升边缘细节的特点以及提出的背景修正算法对背景能够进一步抑制的特点,最终将获得对比度更高,显著图细节更明显,背景抑制效果更好的显著图。该算法使用MSRA10K和THUR15K数据集做显著性检测检验,与其他6种流行的显著性检测方法做对比。从主观上得到显著图的对比度,图像细节均优秀于与它对比的6种算法。客观的指标显示,该算法用MSRA10K数据集进行显著性检测得到的MAE值是0.12,在THUR15K数据集上得到的MAE值是0.06,均优于与它对比的6种算法。平均结构性指标S-measure值为0.8,只略低于HC算法,优于其他5种算法。即该算法得到的显著图既具有对比度和图像细节增强,而且具有背景抑制效果更好的优点。

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。

针对JPEG信息隐藏的RQP检测算法分析

RQP算法在对真彩图像加密信息的检测中十分有效,但对短加密信息检测和定位方面存在缺陷.针对此提出了一种改进的RQP算法,改进方法利用了分块的思想,分块后进行二次隐藏,通过对统计特征值进行比较检测、定位隐藏信息.实验表明改进后的RQP算法能很好地弥补原算法的不足.

基于粗糙集的改进树突状细胞算法

树突状细胞算法(DCA)在应用于入侵检测时,需要对网络监测数据进行约简,以降低系统负担,提高检测效率。提出一种结合粗糙集属性约简和DCA的异常入侵检测方法。采用粗糙集属性重要度对数据集进行属性约简,产生DCA输入信号,而后利用DCA算法进行入侵检测。通过KDD CUP99数据集对所提出的改进算法进行验证,结果表明,算法在保证检测率的前提下,显著降低了误报率。算法实现了入侵检测特征的自动提取,显著减少了所需检测的特征数目,加快了算法运行速度,具有良好的综合性能。

基于静止图像的信息隐藏算法设计和实现

基于Qt库设计并实现了一个基于静止图像的信息隐藏算法及对应的提取算法。算法以基于空域隐藏算法的最低有效位替换算法为核心思想,为需要隐藏的信息设计了一个特有的格式,以该格式输出的信息作为被隐藏的信息的主体,嵌入到载体图像中,实现了信息隐藏的目的;同时根据信息隐藏的过程,实现了一个信息提取的算法,从而将隐藏信息提取出来。实验结果表明,该算法达到了将文本和文件隐藏到静止图像中的目的。

具有适应性的Snort规则树构建方法

合理构建规则树可以提高Snort的匹配效率。当前常见的规则树构建方法不能很好反映实际工作环境的特点,从而造成某些重要的规则属性得不到优先匹配。主要是基于对网络实际数据的统计来构建规则树,提出了一种属性重要性的测度方法,使得规则树能够适应实际的网络工作环境,从而提高了规则匹配的速度。