基于PCA变换与小波变换的遥感图象融合

针对多光谱图象与全色图象的融合问题,提出了一种基于PCA变换和小波变换的遥感图象融合方法.新方法通过对多光谱图象作PCA变换,首先得到3个主分量;然后,利用小波变换融合方法融合多光谱图象的第1主分量与全色图象,并用融合后的图象替代多光谱图象的第1主分量;最后,作PCA反变换来得到新的多光谱图象.主观视觉效果分析和客观统计参数评价分析表明,新方法的性能优于PCA变换融合方法、IHS变换融合方法和小波变换融合方法,该方法不仅较大地增强了结果图象空间细节的表现能力,而且很好地保留了多光谱图象的光谱信息.     

遥感影象融合效果的客观分析与评价

本文综合利用三类统计参数来进行遥感影象融合效果的分析与评价：第一类反映亮度信息，如均值；第二类反映空间细节信息，如方差、信息熵、交叉熵和清晰度，其中给出了一种更切合实际的交叉熵定义；第三类反映光谱信息，如扭曲程度、偏差指数与相关系数。以小波变换融合方法为例，针对TM多光谱影象与SPOT全色影象融合的具体情况，，对不同分解阶数的融合影象进行分析和评价。评价结果与理论分析结果和目视效果相吻合，说明这些参数可以作为遥感影象融合的客观效果评价准则。     

一种有效的抗闪光灯新闻视频镜头检测方法

新闻视频中存在着大量闪光灯事件,对镜头检测带来很大干扰。根据闪光灯事件在视频流时序上的特点,文章提出了一种稳健的抗闪光灯镜头边界检测方法。首先,计算基于直方图分布的帧间差异图;其次,定位出帧间差异图中峰值异常区域;再次,通过对该区域前后视频内容进行检测来滤除闪光灯;最后,利用因果的镜头边界检测方法进行新闻镜头检测。实验结果和性能比较表明,新方法是有效的,避免了多闪光灯造成的影响,提高了检测正确率。     

基于证据理论的视频语义概念检测

视频语义概念检测是跨越语义鸿沟问题,实现基于语义的视频检索的前提。本文提出了一种基于证据理论的视频语义概念检测方法。首先,分别提取了镜头关键帧的分块颜色矩、小波纹理特征和边缘方向直方图特征;然后,利用支持向量机(Support vector machine,SVM)对3种特征数据分别进行训练,分别建立分类器模型;再次,对各SVM模型泛化误差进行分析,采用折扣系数法对不同SVM模型输出的分类结果进行修正;最后,采用证据融合公式对修正后的输出进行融合,把融合结果作为最终的概念检测结果。实验结果表明,新方法提高了概念检测的准确率,优于传统的线性分类器融合方法。     

浅谈网络安全领域的密码人才培养

当前,我国网络安全形势严峻。一方面,在以美国为首的西方科技强国先发技术优势和咄咄逼人的攻势战略面前,我国网络安全水平和防御体系整体上尚处于战略弱势,产业基础比较差,整体上属于跟随式科研,自主开发难以覆盖整个生态环境和掌控供应链的全部环节,网络空间呈现“被透明、被制网”的状态。另一方面,网络安全处于“攻强守弱”的被动局面,从业人员更重视攻击手段,乐于发现各种漏洞,对于防御手段的重视不够。因而,加强安全体系建设,对网络安全现状进行再平衡非常重要。     

视频摘要技术

视频摘要是对视频内容的一个简短概括,以自动或半自动的方式,通过对视频的结构和内容进行分析,从原视频中提取出有意义的部分,并将它们以某种方式进行组合。视频摘要在视频分析和基于内容的视频检索中扮演着重要角色。文章首先介绍了视频摘要的研究背景,进而对视频摘要的概念和分类进行了概述,然后分别介绍了关键帧和缩略视频这两种视频摘要的相关生成技术,最后探讨了视频摘要的评估标准,并进行了总结和展望。     

基于深度卷积神经网络和二进制哈希学习的图像检索方法

随着图像数据的迅猛增长,当前主流的图像检索方法采用的视觉特征编码步骤固定,缺少学习能力,导致其图像表达能力不强,而且视觉特征维数较高,严重制约了其图像检索性能。针对这些问题,该文提出一种基于深度卷积神径网络学习二进制哈希编码的方法,用于大规模的图像检索。该文的基本思想是在深度学习框架中增加一个哈希层,同时学习图像特征和哈希函数,且哈希函数满足独立性和量化误差最小的约束。首先,利用卷积神经网络强大的学习能力挖掘训练图像的内在隐含关系,提取图像深层特征,增强图像特征的区分性和表达能力。然后,将图像特征输入到哈希层,学习哈希函数使得哈希层输出的二进制哈希码分类误差和量化误差最小,且满足独立性约束。最后,给定输入图像通过该框架的哈希层得到相应的哈希码,从而可以在低维汉明空间中完成对大规模图像数据的有效检索。在3个常用数据集上的实验结果表明,利用所提方法得到哈希码,其图像检索性能优于当前主流方法。     

哈希编码结合空间金字塔的图像分类

目的 稀疏编码是当前广泛使用的一种图像表示方法,针对稀疏编码及其改进算法计算过程复杂、费时等问题,提出一种哈希编码结合空间金字塔的图像分类算法。方法 首先,提取图像的局部特征点,构成局部特征点描述集。其次,学习自编码哈希函数,将局部特征点表示为二进制哈希编码。然后,在二进制哈希编码的基础上进行K均值聚类生成二进制视觉词典。最后,结合空间金字塔模型,将图像表示为空间金字塔直方图向量,并应用于图像分类。结果 在常用的Caltech-101和Scene-15数据集上进行实验验证,并和目前与稀疏编码相关的算法进行实验对比。与稀疏编码相关的算法相比,本文算法词典学习时间缩短了50%,在线编码速度提高了1.3～12.4倍,分类正确率提高了1%～5%。结论 提出了一种哈希编码结合空间金字塔的图像分类算法,利用哈希编码代替稀疏编码对局部特征点进行编码,并结合空间金字塔模型用于图像分类。实验结果表明,本文算法词典学习时间更短、编码速度更快,适用于在线词典学习和应用。     

图像特征聚类优先级判定方法

由于图像多种特征的表述能力不同,所以它们在不同图像集上的聚类效果也不同.为确定在特定图像集上图像特征的聚类优先级,分析了3种全局特征颜色、纹理和形状的区分力,通过图像距离曲线说明了其区分力的不同,并通过检索结果验证了不同的区分力可导致检索结果的不同,进一步提出了由类紧致性和类分离性组成的判别指标——简化全局聚类质量.实验证明,区分性强的特征判别指标最好,该指标可用于确定图像聚类的优先级,从而决定聚类时选取图像特征的种类和图像特征选用的顺序.     

基于朴素贝叶斯模型的新闻故事分割方法

提出一种基于朴素贝叶斯模型的新闻视频故事分割方法。通过对新闻视频进行镜头检测,获得候选故事边界点,从候选边界点周围镜头提取多模态中级特征,形成属性集合作为输入,应用朴素贝叶斯模型对候选边界点进行分类后对结果进行后处理,得到新闻故事。实验结果表明,该方法获得了较高的查准率和查全率,对不同类型的新闻节目有良好的适应性。