基于CNN-SVM的地下目标形状识别

针对传统地下目标识别算法中特征提取方法的缺陷,鉴于深度学习中的卷积神经网络（CNN）能自动从数据中提取特征,但CNN自带的分类器不能很好的解决非线性分类问题,由于SVM具有良好的泛化分类能力,为此提出基于CNN-SVM的地下目标形状识别方法。本文首先在地表面光滑场景下,利用该方法对地下圆形和矩形目标识别,然后加大场景难度,在地表面粗糙场景下进行地下目标形状识别。实验结果表明,相比传统人工设计的特征分类方法,该算法利用CNN自动提取的特征联合SVM提高了CNN的分类准确率,并且在两种场景下都具有更高的地下目标识别精度。     

基于置信特征与结构相似度约束的图像修复算法

当前图像修复算法主要通过对像素值的差异进行度量来完成图像修复,当待修复图像中破损区域较大时,该方法修复的图像中会出现较为明显的块效应以及纹理不连续效应,导致算法的修复效果不佳.对此,本文提出了基于置信特征耦合结构相似度约束的图像修复算法.引入优先权函数,对破损区域中待修复像素的优先权值进行计算,以确定待修复像素.利用待修复像素的梯度模值来构造梯度变化约束机制,对修复块的模板大小进行调整,以提高图像的修复质量.通过像素点的置信度构造置信特征因子,并利用置信特征因子建立了搜索空间适配法则,明确了最优匹配块的搜索范围.引入结构相似度模型,对修复块与匹配块之间的结构相似度进行约束,以选取最优匹配块,利用最优匹配块对修复块进行扩散填充,从而完成图像的修复.仿真实验表明:与当前图像修复技术相比,本文方法具有更好的图像复原质量,有效降低了块效应以及不连续效应.     

基于主成分分析和分层树集合划分的Huffman算法图像压缩研究

互联网的飞速发展,产生了大量的图像信息.为了减少图片占用的存储空间,提高图像质量,提出了一种将主成分分析（PCA）和分层树集合划分（SPIHT）压缩算法相结合的有损图像压缩算法.首先对图像进行主成分分解,选取主要特征值进行压缩,再利用SPIHT算法将图像分解成不同子带的小波系数进行压缩,对SPIHT压缩系数进行哈夫曼编码,实现图像二级压缩.将本文提出的算法与SPIHT、SPIHT的哈夫曼编码、JEPG2000、PCA压缩算法进行了比较,结果表明本算法较其他压缩算法具有更好的性能,在压缩比相同的情况下能获得更高的PNSR和SSIM.     

基于降噪自编码的电能质量扰动识别

针对目前电能质量扰动识别时特征提取不充分,造成识别精度不高的问题,引入了降噪自编码算法。降噪自编码算法起源于自动编码算法,两者都属于深度学习算法。其中,自动编码算法已经被应用于电能质量扰动识别,并取得了一定的成果。但是,自动编码算法对含噪声干扰的电能质量扰动信号的识别精度还不是很理想。本文采用降噪自编码算法,将克服这一问题。首先对无噪声的扰动信号用噪声进行"破坏",然后用带噪声信号去重构原始信号,得到扰动信号波形的固有特征,最后通过BP神经网络分类器对整个网络进行微调,得到最后用于分类的特征样本。该方法降低了传统特征提取算法对特征选取不当,造成分类识别精度不理想的风险,并在一定程度上提高了含噪声的电能质量扰动信号的识别精度。仿真结果表明,该方法在识别含噪声的电能质量扰动信号上有很大的优势。     

基于相邻系数关系对的偏序马尔可夫JPEG隐写分析模型

在偏序Markov的基础上,以相邻DCT系数间关系对为统计对象,提出一种新的JPEG偏序隐写分析模型.在模型的无环有向图中,将相邻系数关系对作为终点集合,而系数本身作为始点集合.与原偏序分析模型相比,此终点集合的统计空间对DCT系数关系的分布规律有更直接的描述,并且始点集缩小,每个始点对应的终点数增加,使特征的信息熵上升,有助于分类效果.本文综合了系数间相关性较强的两个方向的统计值,采用像素裁剪重压缩进行图像校准,把待测图像与校准图像的统计概率之差作为特征.对3种代表性的DCT域隐写方法F5、MB1和Steghide进行隐写分析测试,实验结果表明:改进后的特征比原模型特征更有效,针对这3种隐写算法的检测效果,本文特征优于现有的单一模型低维特征.     

新型置换和替代结构的图像混沌加密算法

对一种典型的置乱和替代结构图像混沌加密算法进行了安全性分析,运用选择明文攻击方法成功破解了该算法中位置置乱和像素值替代变换的等效密钥,并能利用破解的等效密钥解密出目标明文.基于此,提出了一种基于混沌的改进型置换-替代结构图像加密算法.在改进算法的像素位置变换过程中,随机选择两个不同区域内的像素对进行位置交换,明显提高了像素的置乱度.在改进算法的像素值变换过程中,将像素值变换的扩散矢量与像素位置变换的置乱矢量相耦合,有效地提高了密钥矢量的破解难度.理论分析和实验结果表明,改进算法不仅增强了抵抗选择明(密)文攻击的能力,而且改善了密文随机性和敏感性等多项密码学性能.     

基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.     

基于图像特征检测和匹配的无人船航行姿态角提取方法

计算机视觉的飞速发展, 使得采用视觉技术辅助无人船航行成为可能. 在无人船巡航过程中, 获取船体航向是航行控制的必备基础. 特征匹配是无人船相关视觉技术中的重要部分, 是目标识别和定位等功能的关键步骤. 获取无人船运动姿态的基本步骤是对图像前后帧进行有效的特征提取和匹配. 针对水域环境中的图像静态特征提取速度慢、精度低的问题, 本文提出一种图像匹配方法以求取无人船的航行姿态角. 首先对图像预处理, 并对有效区域进行特征提取. 其次, 设计一种基于描述子相似度的初始特征匹配策略. 再其次, 筛选特征匹配对, 优化模型参数. 最后, 通过前后帧旋转矩阵计算航行姿态角. 实验表明, 该方法能有效提取无人船的航行姿态角.     

联合帧间差分和边缘检测的运动目标检测算法

面对运动目标检测,采用传统的帧间差分法往往造成目标空洞与轮廓丢失的问题,提出一种联合帧间差分和边缘检测的运动目标检测算法。首先计算相邻三帧的两两差分图像,再采用自适应阈值生成二值化图像,经二值化图像与运算提取运动目标区域图像;其次采用改进型Canny算子依次对相邻三帧图像进行边缘检测,依据运动关联法则,获取运动目标边缘图像;最后联合运动目标区域图像和边缘图像,提取运动目标轮廓,再采用形态学方法提取运动目标。实验表明,本算法提高了运动目标的检测性能和保持了运动目标轮廓。     

基于关联规则遥感影像的分类研究——以渭库绿洲为例

对遥感影像的计算机图像处理与识别技术是现阶段遥感技术研究的热点内容,本文对新疆渭干–库车河流域不同分辨率的全色影像与多光谱影像融合并构建多源空间数据库,再通过与面向对象分类法相结合,进行图像分割、特征提取后将结果取值输入Matlab软件,编制相应的算法程序,构建关联规则分类器,探索分类规则并进行遥感影像的分类.同样基于Matlab软件平台,根据最大似然分类算法对同一研究区影像进行分类,并对分类结果进行精度检验.结果表明:相较传统分类方法,关联规则方法拓宽了传统逻辑推理分类方法中获取信息的途径,使分类更加智能化,提高并增强了影像分类速度与算法可靠性,分类精度得到显著提高,Kapp系数为0.83.因此,关联规则方法更适用于影像分类,可以作为研究区有效信息提取的支持手段.     

基于ICA的车牌牌照字符识别系统

介绍了基于ICA(独立分量分析法)的牌照识别系统的字符识别.为了提高字符特征提取的质量,首先通过车牌图像的预处理,然后采用了基于高阶统计信息的特征提取方法,即ICA对车牌灰度图像的字符进行识别.该系统避免了二值化对字符特征的影响,识别方法简单,结果理想.     

MUSIC算法在相干探海雷达中的应用

根据海杂波的频谱特性,运用对称阵列方法中提到的思想对传统的MUltiple SIgnal Classification (MUSIC)算法进行了两个方面的改进。一是对要进行特征值分解的矩阵进行重构,以解决有相干信号存在的问题;二是把算法推广到频域中执行,以满足目标信号的背景噪声是海杂波的特征。数值模拟的结果表明改进后的算法可以有效地进行相干雷达海洋目标回波的高分辨率空间谱分析。     

基于小波变换的真菌隐球酵母菌图像参数压缩

提出用小波Haar算法对真菌隐球酵母菌图像参数进行压缩.该方案首先按照行优先的原则,将每个酵母菌图像的特征参数由一维转换为二维;然后利用小波方法将二维参数进行压缩.实验利用机器学习工具WEKA,选取52个训练集图像以及26个新图像,采用"10舍1"及"10份10轮"交叉验证方法,建立多个预测模型.实验表明小波方案大大节约了运行时间,而在识别变异病原体形态的问题上,几乎与数据驱动特征参数选择方法同样有效.同时因为小波算法的可逆性,特征参数还可以恢复到初始特征参数集合.     

基于LBP和共生矩阵的图像拼接篡改检测

为了进一步提高图像拼接篡改检测的准确率,本文通过对图像拼接技术进行分析,提出一种基于纹理描述的图像拼接篡改检测方法.该方法将局部二值模式(LBP)和共生矩阵两种现有技术相结合,在残差图像的基础上利用改进的LBP技术对图像纹理进行描述,然后借助两类共生矩阵获取不同的图像特征,通过对这些特征向量的组合来提高检测精度.提取特征后利用支持向量机(SVM)或集成分类器进行分类预测.实验结果表明,所提出的方法在IEEE IFS-TC图像取证竞赛库和中国科学院彩色图像库分别达到了0.911和0.938的最高检测准确率.     

基于受限玻尔兹曼机的电能质量复合扰动识别

针对目前电能质量混合扰动识别精度不高的问题,引入了受限玻尔兹曼机(RBM)算法。RBM是深度学习的一种新颖算法,在语音识别、机器视觉和图像恢复等领域已取得了很好的应用成果,但在电能质量复合扰动识别上尚未涉及。区别于传统算法提取特征的方式,深度网络通过提取波形的固有抽象特征,克服了人工特征选择的缺陷以及传统神经网络训练时收敛速度慢、容易限于局部最优的缺点。复合扰动信号经过深度网络自动获得特征参数,再经过分类器进行分类识别。实验验证该算法在电能质量复合扰动识别上可以达到很高的性能,优于传统的识别方法。 更多还原     

融合SLIC的DCUT改进图像分割算法

谱聚类DCUT算法能在任意形状的样本空间上聚类且收敛于全局最优解,但其缺点是计算相似度矩阵和特征向量的复杂度较高.为了提高了DCUT的算法速度,提出了基于SLIC的DCUT算法(SDCUT).SDCUT算法首先采用SLIC算法分割图像成超像素,再根据任意两个超像素的归一化直方图计算Pearson系数作为超像素之间的相似度,从而建立基于超像素的相似度矩阵,最后采用DCUT算法对超像素进行分类获得最终分割结果.在一系列图像上的实验结果表明,与几种经典谱聚类算法相比,本文方法的分割速度更快,且具有较好的分割效果.     

基于混沌交换控制表与关联动态引擎的图像加密算法

为了解决当前基于混沌系统的图像加密算法因其存在明显的混沌周期性,且像素的置乱与扩散与明文无关,使其难以抵御明文攻击的不足,提出了基于混沌交换控制表与关联动态引擎扩散的图像加密算法.首先,根据明文像素总量与外部密钥,对Logistic映射进行迭代,输出两个量化混沌矩阵;设计混沌交换控制表,并根据明文尺寸,建立像素的X、Y位置表;随后,将输入明文分割为两个均等子块,利用混沌交换控制表、X位置表与Y位置表,定义像素置乱规则,对两个子块进行交叉混淆,改变像素位置,再组合这两个置乱子块,输出置乱密文;随后,引入Zigzag扫描机制,将置乱密文转换成1D序列,去除该序列中的第一个元素,利用剩余元素的总和对第一个元素完成加密,且通过构造动态引擎函数,设计了像素扩散模型,对剩余像素进行扩散,改变其像素值.实验结果显示:与当前混沌加密技术相比,所提算法有效消除了混沌周期性,其输出密文具有更高的安全性与抗明文攻击能力.     

基于多尺度特征提取网络的图像美学量化评分方法

提出了一种基于多尺度特征提取网络的图像美学客观量化评分方法,该模型主要由多个多尺度特征提取单元级联组成,每个单元包含由3个不同卷积核组成的特征提取层、融合层和映射层。特征提取层通过联合图像的全局视图和局部视图组成网络输入端,在输出端以EMD函数为损失函数,输出分布为1~10分的概率密度质量函数,并以分布均值作为图像美学量化值。实验证明,本文方法具有可行性和有效性,解决了传统方法只进行美感二进制等级分类的问题,给出了（模拟人类思维对）图像的客观量化评分;同时在AVA数据集上获得了优于几种主流算法的分类准确度。     

认证码字符识别方法的研究

从加强网站安全性的角度,研究认证码字符识别的技术要点.首先,提出预处理算法去除图像中的干扰因素,分割出字符;其次,采用分类器技术对预处理后得到的字符进行识别.实验指出有效的预处理算法和选择合适分类器对于快速准确识别认证码起着至关重要的作用,证实了目前一些认证码在保障网站安全性的同时,尚存在一些漏洞,需要继续完善.     

基于混合遗传算法优化的MLP神经网络的调制方式识别

提出了一种基于遗传算法与多层感知神经网络的调制识别方法,运用改进遗传算法优化的多层感知神经网络分类器对各种调制信号的特征矢量进行分类识别.利用遗传算法的高效全局特性,克服了传统BP算法易于陷入局部最优解的缺点,同时在遗传算法基础上增加梯度下降算子,加快了收敛速度,使得分类器的识别率、收敛速度和鲁棒性得到明显改善,仿真实验的结果证明了此方法的有效性和可行性.