基于聚类的图像视觉内容检索和索引

图像是一种典型的可以大量获取的多媒体数据，对它们进行内容管理具有实际意义，描述在BOIC系统中提出并实现的基于聚类机制的图像视觉内容检索和索引方法．首先给出以视觉特征、空间结构、语义注释等来表示图像内容的模型；然后给出基于该模型的三个检索算法，包括基于视觉感知的颜色检索算法、轮廓检索算法、主色调扩展检索算法；最后给出采用集簇算法时媒体数据进行聚类的索引机制．它建立聚类索引表来缩小查询范围，从而提高了检索效率。     

Web图像清洗技术的研究与实现

目前Web文档中充斥着各种图像，因此，对Web上的图像进行清洗就显得非常必要，提出了Web图像清洗的概念，给出了一种基于机器学习的Web图像清洗方案，并实现了基于此方案的系统，将图像特征的提取建立在Web文档的DOM结构之上，并在决策树算法的基础上对多种特征表示及组合进行了实验和评价，实验结果表明，提出的Web图像清洗方案切实可行，清洗方法具有较快的速度和准确性。     

一种基于语义理解的元搜索引擎的研究

通过对查询短语的结构分析，发现查询短语通常由关键词和特征词构成。特征词是对网页内容的概括，它预示着网页中包含一组特定的特征词条。基于该思想建立了面向Web网页内容的特征库。以元搜索引擎为研究对象，研究了以Web网页内容特征库为基础实现对查询短语进行语义理解的方法，提出了相关度级别的算法，对库中已收入的特征词进行了查询测试，查准率为86．7％。实验表明，该模型基本实现了对查询短语的理解，对提高搜索引擎的查准率有显著的效果。     

基于Google与Baidu自动采集与标注Web图像

针对日益丰富的网上图像资源,给出了一种基于Google与Baidu的Web图像自动采集的实现方法,构架了一种海量Web图像资源自动获取与语义标注模式,在各种图像库的建立和基于语义的图像检索上能有较好的应用。     

基于Web系统的大数据搜索技术的实现和优化

基于Web平台开发背景,提出了以Axios和Element-UI组件库为关键技术实现大数据的快速搜索。通过Axios技术跨域请求后台数据,将获得的数据保存在Web内存中。Web平台用户搜索组件界面通过Element-UI组件库搭建,将从后台获取到的数据渲染到Web界面中,根据KMP算法进行字符串匹配实现关键字搜索。在此基础上结合Vue技术栈自定义指令懒加载实现快速精准搜索。经实验表明该种基于Web系统的大数据搜索框架能够实现大数据的准确快速搜索。     

基于Google与Baidu的Web图像自动采集与标注的实现

针对日益丰富的网上图像资源,给出一种基于Google与Baidu的Web图像自动采集的实现方法,构架了一种海量Web图像资源自动获取与语义标注模式,在各种图像库的建立和基于语义的图像检索上能有较好的应用。     

VC++中利用ISAPI实现图像特征提取

图像特征的提取是基于内容的图像查询的关键,ISAPI是适合开发复杂Web应用的技术。文中首先介绍了IS-API开发Web应用的优点,然后对图像特征以及基于内容的图像查询进行概述,并给出了一个Web环境下实现图像特征提取的方法。这种方法对于开发Web环境下基于内容查询的图像数据库系统具有重要意义。     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

利用相关反馈技术的图像检索研究

介绍了一种支持语义的图像检索系统—PIcsearch（PICTURE Search），该系统获取图像低层特征（颜色）时采用基于区域的主颜色提取算法．综合考虑了图像的像素统计特征和空间位置信息同时节省存储空间和计算时间。提出了高级视觉特征的语义查询。在图像库上构建一个可扩展的语义网络，利用一种基于用户相关反馈的机器学习策略来改进这种语义网络，以解决低层特征向高层语义特征的过渡问题，使检索能够体现高层次语义属性。实验证明，PICsearch能有效通过人机协同工作，弥补了计算机理解能力的不足，提高了检索效率。     

基于卷积神经网络的色情图像检测

针对通常使用的色情图像检测方法中难以获取准确的色情图像特征的问题,提出一种以数据为导向基于深度卷积神经网络来获取图像特征的色情图像检测方法。对含色情内容和不含色情内容的图片数据集进行数据增强处理,接着使用Inception模块设计及建立卷积神经网络模型;使用批量随机梯度下降算法训练卷积神经网络获取色情图像特征;使用训练好的模型识别一张图像是否是色情图像。测试集检测正确率达到了99.06%,对比实验表明所设计的网络模型因其参数更少比其他模型更不易过拟合并比其他方法实现了更高的准确率。     

基于深度学习的恶意URL识别

网络攻击日益成为一个严重的问题.在这些攻击中,恶意URLs经常扮演着重要角色,并被广泛应用到各种类型的攻击,比如钓鱼、垃圾邮件以及恶意软件中.检测恶意链接对于阻止这些攻击具有重要意义.多种技术被应用于恶意URLs的检测,而近年来基于机器学习的方法得到越来越多的重视.但传统的机器学习算法需要大量的特征预处理工作,非常耗时耗力.在本文中,我们提出了一个完全基于词法特征的检测方法.首先,我们训练一个2层的神经网络,得到URLs中的字符的分布表示,然后训练对URL的分布表示生成的特征图像进行分类.在我们的试验中,使用真实数据,取得了精度为0.973和F1为0.918的结果.     

Weld seam profile detection and feature point extraction for multi-pass route planning based on visual attention model

Automatic multi-pass route planning is one of key technologies for thick plate in robotic metal active gas (MAG) arc welding. In this research, a scheme for the extracting feature points of the weld seam profile to implement automatic multi-pass route planning, and guidance of the initial welding position in each layer during MAG arc welding, is presented. It consists of two steps: first a vision sensor based on structured light is employed to capture laser stripes and molten pools simultaneously within the same frame, and the laser stripe, forming the weld seam profile is detected by a visual attention model based on saliency. Then a methodology of polynomial fitting plus derivatives for feature point extraction of the weld seam profile is suggested. With respect to the effectiveness of highlighting the laser stripe, the proposed model is much better than the classic ones in this field, whereas the feature point extraction methodology in this paper outperforms typical template matching. Finally, the performance of the proposed scheme is demonstrated on different weld seam images captured in different layers and different welding experiments.     

基于多进制小波的多源遥感影像融合

首先介绍了遥感影像融合的一般理论和方法，然后在讨论多进制小波理论和影像特征的基础上，提出了一种基于特征的多进制小波变换的影像融合算法，该算法根据待融合影像分辨率之比来确定采用几进制小波，将待融合的高分辨率影像进行多进制小波变换，然后把高分辨影像经小波变换后获得的低频成分和低分辨率影像依据一定的关系进行相互转换，以形成新的高分辨影像的低频成分，经过多进制小波逆变换获得到融合后的影像，最大限度地利用了待融合影像的信息，防止了影像信息的丢失，通过对具体影像的清晰度和空间分辨率，融合后的影像最大限度地保留了待融合影像的光谱信息，同时提高了待融合影像的清晰度和空间分辨率，给出了SPOT全色影像与SPOT多光谱影像，SPOT全色影像与TM影像的融合结果，并与其他方法进行了比较，从而证明了本方法的优越性和自适应能力。     

基于异常特征的钓鱼网站URL检测技术

典型的网络钓鱼是采用群发垃圾邮件,欺骗用户点击钓鱼网站URL地址,登录并输入个人机密信息的一种攻击手段。文章通过分析钓鱼网站URL地址的结构和词汇特征,提出一种基于异常特征的钓鱼网站URL检测方法。抽取钓鱼网站URL地址中4个结构特征、8个词汇特征,组成12个特征的特征向量,用SVM进行训练和分类。对PhishTank上7291条钓鱼网站URL分类实验,检测出7134条钓鱼网站URL,准确率达到97.85%。     

Application of Laplacian Mixture Model to Image and Video Retrieval

In this paper, we study the peaky nature of wavelet coefficient distributions. The study shows that the wavelet coefficients cannot be effectively modeled by a single distribution. We then propose a new modeling scheme based on a Laplacian mixture model and apply it to the indexing and retrieval of image and video databases. In this work, the parameters of the model are first used to represent texture information in image retrieval. Then we explore its application to video retrieval. Traditionally, visual information is used for video indexing and retrieval. However, in some cases audio information is more helpful for finding clues to the video events. The proposed feature extraction scheme is based on the fundamental property of the wavelet transform. Therefore, it can also be adopted to analyze the audio contents of the video data. The experimental evaluation indicates the high discriminatory power of the proposed feature set. The dimension of the extracted feature vector is low, which is important for the retrieval efficiency of the system in terms of response time. User feedback is used to enhance the retrieval performance by modifying the system parameters according to the users' behavior. A nonlinear approach for defining the similarity between the two images is also explored in this work.     

Deep belief network based detection and categorization of malicious URLs

The Internet, web consumers and computing systems have become more vulnerable to cyber-attacks. Malicious uniform resource locator (URL) is a prominent cyber-attack broadly used with the intention of data, money or personal information stealing. Malicious URLs comprise phishing URLs, spamming URLs, and malware URLs. Detection of malicious URL and identification of their attack type are important to thwart such attacks and to adopt required countermeasures. The proposed methodology for detection and categorization of malicious URLs uses stacked restricted Boltzmann machine for feature selection with deep neural network for binary classification. For multiple classes, IBK-kNN, Binary Relevance, and Label Powerset with SVM are used for classification. The approach is tested with 27700 URL samples and the results demonstrate that the deep learning-based feature selection and classification techniques are able to quickly train the network and detect with reduced false positives.     

跨站脚本攻击模式研究

文章对将包含XSS攻击代码的HTTP URLs单词集合分为两部分。按一定粒度分词,运用Apriori算法挖掘攻击模式字符串频繁项集,并在此基础上运用类似Apriori算法思想的PrioriMerge子串合并算法得到攻击模式并统计其频率,实验结果表明算法能有效地挖掘出XSS攻击模式。     

基于信息隐藏技术的木马植入方法

针对互联网木马存在易被溯源追踪的问题,提出一种基于多媒体文件的新型木马方案,利用信息隐藏算法将木马程序作为秘密数据嵌入到载体图像中。渗透成功后,对盗取的数据在本地进行加密之后同样隐写到载体图像并上传至社交网络,攻击端通过开放的社交网络下载并提取秘密数据。实验显示,所设计的JPEG图像信息隐藏算法性能良好,基于该隐藏算法的木马渗透方案在隐蔽性、抗取证、防追踪以及穿透审计等特点上优于已有的图片木马。社交网络中此类木马可造成用户隐私泄露,所以最后给出了一些防范措施。