跨域图像检索综述

受成像载体、成像光谱和成像条件等的影响,跨域图像在不同领域的应用日益增多,跨域图像检索已成为了许多领域研究的热点和前言。然而图像的跨域检索面临着图像视觉偏差的问题,通过传统同域图像检索的方法无法有效地得到结果。通过文献调研,系统梳理了近年来跨域图像检索领域的代表性方法。对跨域图像检索任务作出了简要说明并指出了关键问题;根据图像域的不同转换阶段,将跨域图像检索方法分为两类：基于特征空间迁移和基于图像域迁移的跨域图像检索方法,并对两类方法进行了系统总结和分析;整理了跨域图像检索在不同领域的数据集,对比了各类方法的性能;总结了现有跨域检索方法并对未来的研究方向进行了展望。     

成像光谱图像压缩技术研究的新进展

随着成像光谱技术的迅速发展,成像光谱图像呈现出空间分辨率和光谱分辨率不断提高的特点,其呈几何级数增长的数据量与遥感平台上传输和存储的有限资源产生了巨大矛盾,这使得对海量数据进行有效的压缩成了遥感技术发展中迫切需要解决的一个问题.首先介绍了成像光谱图像的特点及其压缩框架,然后综述了成像光谱图像压缩算法的研究进展,最后对研究前景进行了展望.     

机载成像光谱数据的航带计算及其Internet发布

机载的成像光谱数据具有很大的应用价值,通过Internet发布有关成像光谱数据的信息,将推动成像光谱数据的应用。在用户检索成像光谱数据的过程中,有“何地”的数据是用户非常关注的内容。本文首先阐述了成像光谱仪的扫描原理与位置姿态数据的获取步骤,在此基础上指出机载成像光谱数据的航线与航带的计算方法。WebGIS是Internet上发布有关成像光谱数据的信息的有效平台,文章介绍了基于WebGIS发布有关成像光谱数据的信息的主要实现技术。     

双光谱电力设备在线监测装置的实现

针对电力系统中红外成像、紫外成像、紫外脉冲检测等带电设备非接触式放电检测技术存在的问题,研制了一种新型电力设备在线监测装置;该装置主要由紫外红外双光谱探测模块、嵌人式系统模块、温度湿度测量模块、GPRS无线通信模块构成,通过图像融合处理技术将设备的局部放电和温度分布数据,置人设备可见光图像,获得设备双光谱状态图像,不但以图像方式直观地显示出放电位置、温度分布及其发展变化情况,而且能定量表示放电程度;介绍了双光谱在线监测装置的原理及软硬件实现.     

成像光谱仪图像数据特征和实时处理系统

一、引言本文通过分析成像光谱仪图像数据的特征,提出减少和压缩成像光谱仪数据率的可能性和实施方案,并研制了一套成像光谱仪图像实时处理系统。成像光谱仪以它高光谱分辨率的强大优势而将成为90年代新型的遥感仪器。它把传统的二维空间遥感技术与光谱仪的技术有机地相结合发展成“图谱合一”的三维遥感技术。为了探测到地物光谱的吸收和反射特征,目前的成像     

基于Henon映射的加密遥感图像的安全检索方案

遥感图像具有多时相、多语义、多波段等特点,鉴于遥感图像在商业行业及国防军事中的重要性,海量遥感图像密文检索的效率和精度,直接影响了遥感大数据使用的广泛性和实时性.对密文存储的遥感大数据的安全检索是其可用性最重要的标志之一.本文提出了一种基于Henon 映射的遥感图像可搜索加密方案,根据遥感图像的成像原理及多波段特征,采用改进的Henon 映射对每个波段的灰度值进行加密处理;并根据遥感图像的“大数据”特征,通过统计灰度值的区间信息来构造遥感图像的特征向量,并根据相似度匹配算法来检索目标图像.通过对Landsat 8遥感图像进行加密与检索实验,该方案有效地提高了检索密文遥感图像的安全性及准确性,且计算复杂度低、通信成本开销小.     

基于颜色自适应字典的双相机光谱系统重建算法

通过将快照编码孔径光谱成像和普通RGB彩色成像结合,双相机光谱成像系统能够高效地获取场景的光谱信息,具有广阔的应用前景.如何高质量地从压缩采样中重建高光谱图像是该系统需要解决的重要问题.根据高光谱图像与彩色图像在空间结构和光谱响应上的相关性,本文了提出一种基于颜色自适应字典的重建算法,用以提高双相机光谱成像系统的重建质量.首先,利用RGB观测分别训练三通道非负字典.然后,以彩色相机的光谱响应曲线为指导,为每一个谱带选择光谱相关性最大的字典.最后,完成高光谱图像的稀疏重建.高光谱数据库和遥感数据库的仿真结果均表明,本文提出的算法能够大幅度提升双相机光谱成像系统的重建质量.     

高光谱图像的无损压缩研究进展

随着成像光谱仪的普及应用,遥感图像的空间分辨率、谱间分辨率、时间分辨率越来越高,使得成像光谱数据量迅速增长,对海量数据进行有效的压缩成了遥感技术发展中迫切需要解决的一个问题.由于有损压缩可能会丢掉对进一步处理非常有用的信息,通常采用无损压缩方法.本文首先介绍了高光谱图像的特点和无损压缩的基本原理,然后综述了高光谱图像无损压缩的研究进展,最后展望了研究前景.     

近红外高光谱图像数据预测技术

目的 受到传感器光谱响应范围的影响,可见光区域和近红外区域（400~2 500 nm）的高光谱数据通常使用不同的感光芯片进行成像,现有这一光谱区域典型的高光谱成像系统,如AVIRIS （airborne visible infrared imaging spectrometer）成像光谱仪,通常由多组感光芯片组成,整个成像系统成本和体积通常比较大,严重限制了该谱段高光谱探测技术的发展。为了能够扩展单感光芯片成像系统获得的高光谱图像的光谱范围,本文探索基于卷积神经网络的近红外光谱数据预测技术。方法 结合AVIRIS成像光谱仪的光谱配置,设计了基于残差学习的红外谱段图像预测网络,利用计算成像的方式从可见光范围的高光谱图像预测出近红外波段的光谱图像,并在典型的卫星高光谱遥感数据上进行红外光谱预测重构和基于重构的数据分类实验,以验证论文提出的红外光谱数据预测技术的可行性以及有效性。结果 本文设计的预测网络在Cuprite数据集上得到的预测近红外图像峰值信噪比为40.145 dB,结构相似度为0.996,光谱角为0.777 rad;在Salinas数据集上得到的预测近红外图像峰值信噪比为39.55 dB,结构相似性为0.997,光谱角为1.78 rad。在分类实验中,相比于只使用可见光图像,利用预测的近红外图像使得支持向量机（support vector machine,SVM）的准确率提升了0.6%,LeNet的准确率提升了1.1%。结论 基于AVIRIS传感器获取的两组典型卫星高光谱数据实验表明,本文提出的红外光谱数据预测技术不仅可基于计算成像的方式扩展可见光光谱成像系统的光谱成像范围,对于减小成像系统体积和质量具有重要意义,而且可有效提高可见光区域光谱图像数据在典型应用中的处理性能,对于提高高光谱数据处理精度提供新的技术支撑。     

深度学习在高光谱图像分类领域的研究现状与展望

高光谱图像（Hyperspectral imagery,HSI）分类是高光谱遥感对地观测技术的一项重要内容,在军事及民用领域都有着重要的应用.然而,高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来,随着深度学习新技术的出现,基于深度学习的高光谱图像分类在方法和性能上得到了突破性的进展,为其研究提供了新的契机.本文首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集,并简要概述了几种典型的深度学习模型,最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法,总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题,并对未来的研究方向进行了展望.     

数字图书馆中基于内容的图像检索技术

随着多媒体技术的飞速发展,多媒体信息的日益丰富,多媒体信息检索技术已成为当前研究的热点.本文着重介绍了基于内容的图像检索技术及其发展,分析了图像信息的多种特征提取方法,最后,给出了一个基于综合特征提取的图像检索系统实例.     

互联网应用安全检测技术研究

互联网应用安全问题一直是网络应用所关注的重点,传统的互联网应用安全检测技术是对网络进行全系统扫描,这种方式在大数据时代变得效率低下,并且难以应对复杂和多类型的接口。因此,文章对网络应用系统中的安全威胁进行分类,并对源代码分析技术和渗透测试技术进行研究,建立针对网络信息特征分类抓取模型,构建新型网络应用安全检测系统。     

Cloud/snow recognition for multispectral satellite imagery based on a multidimensional deep residual network

Cloud/snow recognition technology for multispectral satellite imagery plays an important role in resource investigation, natural disasters, and environmental pollution. Traditional feature based classification methods cannot make full use of the effective features and multispectral optical parameters of satellite imagery; the precision of cloud/snow recognition is not good enough. Although deep convolution neural network (CNN) can extract features effectively, it faces training gradient diffusion and model degradation, which lead to a low accuracy in classification. In order to solve this problem, an improved deep residual network with multidimensional input is proposed for the cloud/snow recognition. The multidimensional deep residual network (M-ResNet) can effectively extract the image features and spectral information of satellite imagery. The multispectral satellite imagery is divided into cloud/snow-free, cloud only, snow only and cloud/snow mixed using the proposed method. The experimental results of HuanJing-1A/1B (HJ-1A/1B) satellite imagery in China show that the M-ResNet performs a good distinction for the four kinds of images. The accuracy of the classification is higher than support vector machine (SVM), random forest, convolution neural networks, and multi-grained cascaded forest (GcForest).     

利用跨模态信息检索的鲁棒隐蔽通信

目的 隐蔽通信是信息安全领域的一个重要研究方向,现有基于多媒体数据流构建隐蔽信道的方法,未考虑网络传输时波动产生的数据包丢失问题。本文提出一种基于跨数据模态信息检索技术的对网络异常具有鲁棒性的隐蔽通信方法,同时可以满足高隐蔽性和高安全性的要求。方法 提出了一个名为RoCC(robust covert communication)的通用隐蔽通信框架,它基于跨模态信息检索和可证明安全的隐写技术。所提方法将直接通信和间接通信两种形式相结合。直接通信通过VoIP(voice over internet protocol)网络通话服务进行,传递实时生成的音频流数据,接收方可以通过语音识别将其还原为文本;而间接通信则借助公共网络数据库进行载密数据的传输,接收方通过文本语义相似度匹配的方式来还原完整语义的载密文本数据,这有助于解决网络数据包丢失和语音识别误差导致的文本语义丢失的问题。结果 经实验测试,本文方法在协议上具有更好的通用性,相对Saenger方法在丢包率抵抗能力方面提高了5%,所用隐写算法满足可证安全性。同时,RoCC的数据传输率有73~136 bps(bit per second),能够满足实时通信需要。结论 RoCC隐蔽通信框架综合可证明安全隐写、生成式机器学习方法和跨模态检索方法的优势,与现有的方法比较,具有更加隐蔽和安全的优势,并且是当前对数据传输丢包异常最鲁棒的模型。     

基于图卷积网络的运动想象识别

运动想象识别将大脑的神经活动信号转为编码输出以实现意念控制,是脑机接口的一个重要研究方向.近年来深度学习算法的应用进一步提高了运动想象识别的准确率,但是当前基于深度学习的运动想象分析都将多路脑电信号作为二维矩阵信号,忽视了不同节点的空间关联信息.为了解决这个问题,将图卷积网络算法应用到运动想象分类中,通过多个节点脑电信...     

智能检索引擎中的网络数据挖掘技术优化研究

随着计算机网络技术的不断发展,对于Web Service检索技术的要求也越来越大。并且现在网络环境当中数据信息流量十分庞大,对于信息可以做到深入搜索,实现全方位信息查询是非常有必要的。为此,利用网络数据挖掘技术在智能检索引擎中的应用,以文本描述为信息作为本文的研究对象,为用户提供运用查询要求实现概念检索功能。其中强调在智能搜索引擎当中的网络数据挖掘技术进行优化研究,从结构设计以及算法分析上总结出当前网络数据挖掘应用智能检索的可能性。最终设计出一种利用数据挖掘技术的智能检索模型,实现在众多网络数据中可以准确快速的进行详细的信息检索功能。     

复杂细微差异化网络数据特征的语义优化提取算法

对网络数据的复杂、细微、差异化特征进行语义提取,是实现Web网络数据准确识别和检索的关键技术。复杂、细微、差异化的网络数据语义特征具有非线性和随机散布性的特点,其主题分布广、更新频率大,从而造成语义特征提取困难。传统方法采用小波基函数投影算法进行语义特征的提取,性能不好。提出了一种基于Dopplerlet变换匹配投影的网络数据特征语义优化提取算法。首先构建语义高斯边缘化矩形窗函数进行融合滤波处理,通过文本切分把大量的信息熵数据进行小波基函数投影,有效剔除簇内异常数据;然后利用Dopplerlet变换匹配投影的自相似特性,自适应匹配语义的非线性谱特征,在Hilbert张成子空间中,实现对语义特征的提取和优化表达,再完成提取。仿真实验表明,该算法提高了对网络数据特征语义的表达能力,能有效区分差异网络数据中的冗余数据和残差数据,提高对杂细微差异化网络数据的检测识别和检索能力。     

企业组策略的应用

在计算机网络高速发展的年代,面对众多的网络安全问题,如何让企业的员工在信息化社会拥有一个安全的办公环境是应给予关注的问题。在此通过组策略技术的应用,来实现企业网络的安全。     

基于卷积神经网络的图像检索算法研究

由于互联网+时代的到来,在线图像的数量急剧增加,基于内容的图像检索引起了很多关注。传统的检索方法由于图像表达能力不强,使得检索效率低下,不利于大规模图像检索。因此,提出一种新的基于卷积神经网络的图像检索算法。设计一种新型的端到端的卷积神经网络结构,同时学习基于概率的语义信息相似性和图像特征相似性;引入主成分分析方法,对深层特征进行降维的同时降低信息的损失;通过距离函数计算目标图像与数据库图像的距离,实现检索。在Image Net-1000和Oxford 5K数据集上的实验结果表明,该方法能够有效地增强图像特征的表达能力,提高检索性能,优于对比方法。