基于集成分类的暴恐图像自动标注方法

为减少暴恐图像对社会发展和青少年成长造成的不利影响，本文提出一种基于集成分类的暴恐图像自动标注方法，辅助筛除网页中的暴恐信息。该方法将暴恐图像的标注视作多标签分类问题，利用迁移学习训练多个子网络，然后通过集成学习对子网络的输出进行融合，同时在融合过程中针对各个标签在不同网络上的准确率进行权重分配，最后经过一系列矩阵运算得到图像的标注结果。实验结果表明，与传统机器学习算法相比，本文方法在准确率和召回率上都有较大提升，并改善了样本不均衡所造成的不同标签类别上模型标注精确度差异较大的问题。     

分布式视频编码中的边信息优化算法*

在分布式视频编码中的运动补偿插值算法通常采用正方形分块方案,然而考虑到视频中物体的运动和复杂的图像纹理结构,仅采用正方形分块不能得到优异的匹配效果.因此在基于小波域的分布式视频编码系统基础上,采用非规则分块方案来提取物体的边缘信息,从而提高运动估计时的匹配精度.实验结果表明,该方案在一定程度上能提高边信息质量.     

基于HEVC的帧内模式快速判决算法

提出了一种HEVC帧内预测优化快速算法。算法在统计总结出当前CU层与其上层CU帧内预测模式、CBF与TU分割深度、相邻CU层之间的色度帧内预测模式之间相关性的基础上,有效地减少了帧内模式的预测,降低了帧内编码计算复杂度。同时,根据不同代价函数之间,以及色度与亮度帧内预测模式之间的相关性,分别在亮度和色度帧内预测过程中添加了RMD中cost代价最小的预测模式和最佳亮度预测模式,保证了较低的编码码率和较高的编码图像质量。实验结果表明,该算法针对各类型、分辨率的视频,在码率和PSNR基本不变的情况下,帧内编码时间平均减少38.2%。     

一种基于时域相关性的高性能视频编码快速帧间预测单元模式判决算法

为了降低高性能视频编码(HEVC)的编码计算复杂度,根据视频时域上高度相关性的特点,该文提出一种快速高性能视频编码(HEVC)帧间预测单元(PU)模式判决算法。分析了时域上相邻帧两帧相同位置编码单元(CU)的PU模式之间的相关性;同时,针对视频中可能存在对象运动,还分析了前一帧对应位置CU的周边CU与当前帧中当前CU间PU模式的相关性。根据分析的时域相关性,跳过当前CU中冗余的PU模式,从而降低编码复杂度。实验结果表明,在编码效率和峰值信噪比(PSNR)损失很小的情况下,在目前已有的HEVC快速帧间预测算法的基础上,进一步降低了31.30%的编码时间。     

基于运动目标的快速背景建模算法

针对智能交通车流量检测系统,提出了一种适用于嵌入式系统的快速轻量背景建模方法.该方法先由帧差法过滤视频序列,抽取运动物体少的帧进行存储,再利用改进的高斯模型快速学习获得基础模型,并结合帧差和像素统计的方法对背景模型进行自适应更新,对传统混合高斯模型的缺陷进行了改善,在基于 TMS320DM648的图像处理客户端上表现出较好的实时性和天气适应性,以及更高的处理效能.     

基于DWT-SVD鲁棒盲水印算法研究

本文通过对小波变换与奇异值分解的研究,实现一种基于离散小波变换和奇异值分解(DWT-SVD)的奇偶量化嵌入水印算法,可实现水印盲提取.为解决水印安全性问题,使用Arnold变换对水印进行加密;在传统离散小波变换基础上,进行奇异值分解,利用图像的奇异值良好的稳定性,提高图像的鲁棒性;在图像奇异值基础上,进行奇偶量化嵌入和...     

图象特征点提取及匹配算法

针对图像特征提取与匹配的适应性和准确性的问题,本文提出将尺度不变特征变换算法应用到图像特征点提取与匹配。算法首先采用SIFT提取图象的特征点及其描述,然后采用基于置信度的匹配算法进行特征点的匹配。通过对不同光照条件、焦距、拍摄角度的图像进行特征点的提取及匹配,实验结果表明,本文算法对图像的平移、旋转和仿射变换具有很好的适应性和准确性,可以进一步应用到图像识别,图像重建等领域。     

基于迭代交替优化的图像盲超分辨率重建

基于深度卷积神经网络的图像超分辨率重建算法通常假设低分辨率图像的降质是固定且已知的,如双3次下采样等,因此难以处理降质(如模糊核及噪声水平)未知的图像。针对此问题,该文提出联合估计模糊核、噪声水平和高分辨率图像,设计了一种基于迭代交替优化的图像盲超分辨率重建网络。在所提网络中,图像重建器以估计的模糊核和噪声水平作为先验信息,由低分辨率图像重建出高分辨率图像;同时,综合低分辨率图像和估计的高分辨率图像,模糊核及噪声水平估计器分别实现模糊核和噪声水平的估计。进一步地,该文提出对模糊核/噪声水平估计器及图像重建器进行迭代交替的端对端优化,以提高它们的兼容性并使其相互促进。实验结果表明,与IKC, DASR, MANet, DAN等现有算法相比,提出方法在常用公开测试集(Set5, Set14, B100, Urban100)及真实场景图像上都取得了更优的性能,能够更好地对降质未知的图像进行重建;同时,提出方法在参数量或处理效率上也有一定的优势。     

基于分块注意力机制和交互位置关系的群组活动识别

复杂场景下的群体活动识别是一项具有挑战性的任务,它涉及一组人在场景中的相互作用和相对空间位置关系。针对当前复杂场景下群组行为识别方法缺乏精细化设计以及没有充分利用个体间交互式特征的问题,提出了基于分块注意力机制和交互位置关系的网络框架,进一步考虑个体肢体语义特征,同时挖掘个体间交互特征相似性与行为一致性的关系。首先,采用原始视频序列和光流图像序列作为网络的输入,并引入一种分块注意力模块来细化个体的肢体运动特征;然后,将空间位置和交互式距离作为个体的交互特征;最后,将个体运动特征和空间位置关系特征融合为群体场景无向图的节点特征,并利用图卷积网络（GCN）进一步捕获全局场景下的活动交互,从而识别群体活动。实验结果表明,此框架在两个群组行为识别数据集（CAD和CAE）上分别取得了92.8%和97.7%的识别准确率,在CAD数据集上与成员关系图（ARG）和置信度能量循环网络（CERN）相比识别准确率分别提高了1.8个百分点和5.6个百分点,同时结合消融实验结果验证了所提算法有较高的识别精度。     

基于Minifilter的多层次文件操作行为提取技术研究

文章研究了对于不同层次的文件操作行为的提取及监控,旨在针对目前存在的绕过过滤驱动的检测方法进行改进,更加有效地针对恶意软件行为进行监控,多层次提取其文件操作的技术。文章首先概述了文件过滤驱动技术工作原理及当前应用现状,介绍了目前被广泛应用的微文件过滤驱动（Minifilter）技术的开发原理、步骤和应用领域。随后对文件操作的底层行为全过程进行了分析,并对Minifilter在其中的检测原理进行了相关介绍,对其安全性进行分析,提出当前能绕过过滤驱动检测的几种方法原理,包括通过增加过滤驱动以及Hook派遣函数等原理绕过过滤驱动,从而造成过滤驱动无法检测。列出了目前存在的从不同层次绕过过滤驱动的几种攻击方法,包括附着新的过滤驱动,直接访问内核,对底层文件结构的派遣函数进行不同的Hook等。针对其攻击原理进行分析,提出对应的检测方法。通过在原有Minifilter的基础上添加以上几种检测方法,可实现对目前存在的多种攻击手段进行多层次检测,从而添加相应的防护措施。在之后对改进后的过滤驱动进行功能及性能上的针对性测试中,表明改进后的检测驱动能利用更小的时间成完成更深层次的检测。因此,改进后的行为提取技术能绕过普通文件过滤驱动的恶意行为进行拓展检测,更深层次地提取恶意软件的文件操作行为,从而实现对目标程序的可疑文件操作进行更加全面的监控。