基于明亮通道先验和Retinex模型的弱光照图像增强网络

结合明亮通道先验和Retinex模型,本文提出一种弱光照图像增强网络。该网络由入射光分量多尺度估计模块、多尺度入射光分量融合模块和增强效果生成模块组成。入射光分量多尺度估计模块在不同邻域半径下基于明亮通道先验对弱光照图像进行多尺度入射光分量估计;多尺度入射光分量融合模块将输入的多层入射光分量融合为入射光分量图;增强效果生成模块依据入射光分量图对弱光照图像进行像素强度调节并直接生成增强效果图。主观及客观对比实验结果证明了本算法具有良好的鲁棒性,及在视觉效果增强、有效信息增益方面的优势。     

基于速率修正PSO和核基ELM的云数据库恶意行为识别方法

众所周知云数据库已在各行各业广泛应用并且发挥着不可替代的作用。但正是云数据库的可扩展、分布式以及虚拟化的特性,导致了云数据库面对恶意行为时表现出明显的脆弱性。因此为了提高云数据库的安全性,针对恶意行为的智能检测开展相关研究是至关重要的。本文对粒子群优化算法进行了改进并与核极限学习机相结合,提出了一种基于改进粒子群优化和核极限学习机的恶意行为识别模型（KE-VP）,通过分析云数据库上的网络流量来检测是否存在恶意行为并将恶意行为准确分类为具体的攻击类型。通过实验分析,我们发现KE-VP与现有方案具备更好的检测精度和检测效率。     

基于加权分簇的微机械传感节点能耗控制研究

微机械传感器即MEMS传感器的体积非常小,同区域环境中干扰较多,且传感节点多跳传输路径是堆积的,导致传感节点能耗的控制存在较大难度。为保障微机械传感系统的运行稳定性,本文研究一种新的微机械传感节点能耗控制方法。构建多跳传输方式下的微机械传感节点能耗影响因素分析模型。采用加权分簇法完成传感节点分簇、分组、深度控制和优化循环等。以能耗总和测试、生命周期运行轮数为指标,仿真分析研究方法的性能。仿真分析结果表明,随着仿真迭代次数的增加,所提方法的能耗总和值上升速度较慢,同时总能耗也为最低,所提方法下生命周期运行轮数最高可达4600轮,以上仿真分析结果验证了提出方法可靠性较强。     

改进的截断核范数及在视频前背景分离中的应用

截断核范数(Truncated Nuclear Norm, TNN)算法是一种经典的鲁棒主成分分析(Robust Principal Component Analysis, RPCA)算法,被广泛应用于视频前背景分离等领域。作为RPCA一种典型方法,TNN算法在一定程度上能准确地描述传统RPCA算法中的秩函数,但该模型中的核范数仍然是一种凸代理函数,逼近程度不高。为了进一步提高TNN算法对秩函数的逼近度,本文提出了一种改进的截断核范数(Improved Truncated Nuclear Norm, ITNN)算法,该算法采用非凸γ范数替代TNN模型中的核范数,并采用广义交替方向乘子法(Generalized Alternating Direction Method of Multipliers, GADMM)对该模型进行求解。最后,将提出的ITNN算法应用于视频前背景分离中,从视觉、量化和时间三个角度验证了本算法在视频前背景分离中的优势。     

支持快速撤销的ABE算法在个人健康记录云中的研究

个人健康记录（Personal Health Record,PHR）是一种面向个人健康的信息服务。PHR云的诞生方便了病人及医生随时随地地上传、访问以及使用PHR。尽管方便了健康信息的分享,但PHR云也对用户的隐私造成了巨大的威胁,因此急需一种可以同时提供数据保护与访问控制的技术。基于属性的加密算法（attribute-based encryption,ABE）不仅提供了数据加密功能,还支持灵活的访问控制。为了保证前/后向安全性,ABE必须依赖属性撤销以实现对系统中所有属性的动态维护。然而现有的撤销算法的时间复杂度和空间复杂度较高,这阻碍了ABE在PHR云中的应用。为解决该问题,提出了一种支持快速撤销的密文策略属性加密方案（ciphertext policy attribute-based encryption supporting fast revocation, CP-ABE-FR）,使得解密者不需要在线频繁更新私钥,同时减少了撤销的计算开销。理论分析证明,CP-ABE-FR能够保证PHR安全性。实验数据表明,基于CP-ABE-FR构建的PHR系统访问控制模型在具备较高的加解密计算效率。     

改进的低秩稀疏分解及其在目标检测中的应用

针对传统低秩稀疏分解算法用于运动目标检测时,前景提取结果容易受噪声干扰以及检测结果不完整的问题,提出了一种新的低秩稀疏分解模型。考虑到视频前景目标呈结构化分布,以及动态背景对前景提取结果造成影响,该模型利用结构化稀疏范数对前景进行约束,且将稀疏部分所代表的运动区域进一步划分为动态背景部分与前景部分;然后采用广义交替方向乘子法对提出的模型进行求解,并分析了算法的复杂度;最后进行仿真实验将其应用到运动目标检测中。实验数据结果验证了提出的方法比其他基于低秩稀疏分解的运动目标检测方法更加稳定有效,更具有普适性,且对不同类型的噪声均具有一定的抗噪性。     

一种基于深度学习的谣言检测方法

为了更好地学习网络谣言传播过程中的特征变化，提出了一种基于多跳的多模态融合的网络谣言检测方法。该方法采用faster RCNN提取视觉特征，通过GRU提取词特征，通过BERT提取句子特征，在提取词句基本特征后，利用RGCN实现图中不同节点间的信息传递。提取多模态特征后利用多跳注意力机制实现谣言检测。该方法可以较好解决诸如否定、歧义和长距离依赖等复杂问题，可以在更短路径上捕获远程依赖。通过与其它谣言检测方法的对比实验，验证了该方法在谣言检测和早期谣言检测领域应用的有效性。     

基于透射先验的弱光照图像增强方法

为了增强弱光照图像的纹理细节,提升整体的视觉效果,本文提出了一种基于透射先验的弱光照图像增强方法.首先,利用两种透射先验对弱光照图像分别进行独立的透射图估计,从而生成两幅富含不同有效增益的子透射图;然后,将两幅子透射图输入到所搭建的子透射图融合网络中,获得融合后的透射图;最后,将融合后的透射图代入低像素强度图像退化模型中,获得增强后的图像.实验结果证明了本方法在鲁棒性、有效信息增益和视觉效果增强等方面的有效性.     

低秩稀疏分解及其在视频和图像处理中的应用

低秩稀疏分解（Low Rank and Sparse Decomposition,LRSD）是一种被广泛应用于计算机视觉等领域的数据表示技术,通过将已知矩阵分解为低秩成分和稀疏成分,实现视频前背景分离、图像去噪等的实际应用。分析了这一技术的研究现状,针对11种经典低秩稀疏分解方法,给出了各种方法的模型及算法的优缺点。将各种算法应用于视频前背景分离和图像去噪实验中,视频前背景分离的实验结果包括使用各种算法提取的不同视频的前景效果图、视频前背景分离的F-measure值和运行时间,图像去噪实验结果展示了各种算法对不同图像的去噪效果图、PSNR值和FSIM值,从视觉效果和定量评价两个角度验证了各种算法在视频前背景分离和图像去噪这两个实际应用中的优缺点。