图卷积神经网络综述

由于图数据的广泛存在，图卷积神经网络发展速度越来越快。根据卷积算子定义方式的不同，图卷积神经网络大体可以分为2类，其中一类基于谱方法，另一类基于空间方法。首先对这2类方法中的代表性模型以及二者之间的联系进行详细论述，并进一步全面总结图的池化操作；接着介绍了图卷积神经网络在各个领域中的广泛应用；最后提出了图卷积神经网络的几个可能的发展方向并对全文进行了总结。     

遥感图像中基于视觉显著性的分层目标检测

针对遥感图像自动判读的应用场景,提出了一种基于视觉显著性的分层目标检测方法。该方法对于每一个特征定义一个偏好函数,并定义一个将各偏好函数计算的多个视觉显著性图像合成为一个视觉显著性图像的合成偏好函数。首先对低分辨率目标图像分别使用各偏好函数计算对应特征的视觉显著性图像;然后使用合成偏好函数计算合成的视觉显著性图像;最后定位出合成偏好函数取得最大值的区域,并将其作为最有可能包含目标的候选区域。这三个步骤在定位出的候选区域对应更高分辨率的图像上反复进行,直到待检测目标被发现或者被确定不存在为止。实验结果证明,该方法能够尽早地略过那些不包含目标的区域,与传统的目标检测方法相比,具有更好的检测效果和更少的计算量。     

计算机病毒自动变形机理的分析

计算机病毒严重威胁着计算机系统的安全，许多病毒采用自动变形技术以对抗特征码检测技术。本文对计算机病毒的自动变形机理进行了系统的分析，并讨论了相应的检测策略。     

基于课程群的计算机应用人才培养模式

应用人才培养模式改革是高水平计算机持续发展的保障。文章按照国家和军队应用需求,结合军队院校特色,从保持课程群教学内容的先进性、科学设置课程群、在课程实验与创新实践活动中培养学生应用能力等方面出发,探讨如何依托教学团队优势资源培养高水平计算机应用型人才。     

基于近似高斯金字塔的视觉注意模型快速算法

利用输入图像的近似高斯金字塔,将经典的基于显著性的视觉注意模型改造为时空开销更小的版本,从而使其更加适合在嵌入式实时系统中实现.首先采用矩形窗口近似圆形窗口,矩形平均算子近似高斯卷积核;然后采用“先做行累加,再做列累加”的方法来实现矩形平均算子,并直接采样计算出各个特征通道的显著性分布图,该算法关于输入图像像素点个数具有线性时间复杂度;最后,还给出了在显著性分布图中抑制已提取区域显著性的快速算法.在Berkeley分割图像库上的实验结果表明,该方法极大地减小了系统实现的时空开销,且输出结果的误差在可接受范围内.提出的用矩形窗口近似圆形窗口,用矩形平均算子近似高斯卷积核的方法,还适用于其他需要在嵌入式实时系统中实现的图像处理问题.     

基于图像质量分区的指纹特征提取

低质量指纹图像的特征提取和变形指纹的匹配是当前指纹识别研究中的两个主要问题。很多算法在特征提取时不区分高、低质量区域,结果在高质量区域耗费了过多的运算时间和计算资源。本文提出了一种基于图像质量分区的指纹特征提取方法,先用一种简单的图像区域质量计算方法评价各区域的图像质量,然后对高质量区域直接从灰度图像跟踪纹线、提取节点,对低质量区域执行传统的方向计算、增强、二值化和细化后提取特征。实验结果表明,该方法不仅提高了特征提取的速度,在准确性上也有所提高。     

一种扭曲指纹图像的细节点修正方法

非线性形变在指纹图像中非常普遍,严重时会导致指纹识别系统的识别性能显著降低,是指纹图像识别领域重要的研究课题之一.尤其对基于细节点的指纹匹配方法而言,由于相当一部分细节点的位置和方向都在非线性形变的作用下发生了改变,从而导致算法匹配准确率下降.在对非线性形变图像反复观察和实验的基础上,发现了细节点偏离的一些有用的规律,并用于细节点的位置和方向调整.提出了一种基于多参考细节点对齐修正指纹图像中部分细节点的方法,首先获取一组匹配细节点对作为基准点对,然后再以此为基础对邻域其他细节点进行修正,在FVC2004 DB2数据集上进行了一系列实验,实验结果表明该算法能够明显改善匹配性能.     

基于极坐标区间运算的2D形状匹配

形状匹配是遥感图像目标识别、字符识别、手形识别和步态识别等任务中的关键步骤之一.针对刚体识别任务中形状匹配易受方向、尺度和位置等仿射变化量影响的情况,提出了一种新的基于极坐标区间运算的2D形状匹配算法.该算法首先以形状区域的中心点为极点,区域的最长轴方向为极轴,对形状区域进行归一化的极坐标变换;然后定义了同一角度对应的区域内点区间之间的运算;最后定义了两个区域归一化极坐标变换结果在区间运算下的相似度函数,用以表征两个区域之间的匹配度.从可见光遥感图像中提取的实物图像实验结果证明,该方法能够有效归类相似形状,并能区分各类不同的形状.     

一种基于机器学习的指纹纹路方向计算方法

纹路方向是指纹图像的基本特征,而方向计算是指纹识别的基础,特征提取和匹配的过程中都需要用到方向.目前大多数纹路方向计算方法都是基于像素之间的灰度关系的.提出了一种用神经网络学习纹路方向的方法.对于正确的纹路方向,该网络的响应值较大;对于错误的纹路方向,该网络的响应值较小.计算指纹图像的方向场时,对于每个纹路图像块,计算网络在各个方向上的响应值,基于每个图像块在每个方向上的响应值可以计算出整个图像的方向场.该方法比现有方法更能正确地计算指纹图像方向场.     

动态分数选择的多视角非接触指纹识别融合

与传统的二维指纹采集方式相比,非接触的指纹采集方式可以提供更丰富的特征,并能克服二维采集方式某些不足．基于多视角非接触指纹识别融合问题,提出了基于聚类的动态分数选择(CDSS)算法．首先,通过聚类将匹配分数分为两类,分别计算两类中匹配分数的个数以及其他统计量,然后通过参数的判断选择相应的统计量作为整个系统最终用于决策的匹配分数．实验表明:相比单视角非接触二维指纹识别,基于CDSS的多视角非接触指纹识别的识别性能有显著提高．与sum、max、SVM和Fisher线性判别算法等的实验比较也验证了CDSS在多视角非接触指纹识别融合方面的优越性．