一种新的自然图像和计算机图形鉴别方法

提出一种自然图像和计算机生成图形的鉴别方法。借用模式识别中的二分类概念,采用块离散余弦变换和统计矩特征量来建立模型,以捕获自然图像和计算机生成图形的统计差异,选用支持向量机作为分类器进行训练和测试。实验结果表明,该方法具有精确度高、应用面广的优点,在自然图像和计算机生成图形的鉴别中有着广阔的前景。     

基于隐马尔可夫模型的自然图像和计算机图形的鉴别

根据自然图像和计算机图形在采集方式上的不同所导致的关联性差异,建立了基于隐马尔可夫模型的改进型特征值提取模型,选用支持向量机作为分类器进行训练和测试,对自然图像和计算机图形进行了分类.在哥伦比亚大学自然图像和计算机生成图像数据库上的实验结果表明,该方法的准确率达到98%.     

基于多邻域统计矩直方图的彩色图像检索

提出一种创新的基于多邻域统计矩直方图方法(MNSMH)，该方法在量化HSV颜色模型下，计算每个像素点不同邻域的统计矩，对每个邻域统计矩，计算它的归一化直方图．以这些直方图和颜色直方图一起作为图像的特征索引进行彩色图像检索．这些不同邻域矩反映了图像颜色的空间分布信息，而它们的直方图又是对整个图像的全局统计，对图像的平移、旋转和尺度不变．实验结果表明，该方法性能稳定，与两种基于颜色直方图方法相比，能够明显地提高检索率．     

计算机图形与图形图像处理技术的相互结合分析探讨

随着计算机在人们生活中的普及,使得计算机的各项技术已经与人们的生活工作息息相关,而且计算机的发展在一定程度上代表了世界经济发展的脚步,到目前为止,计算机技术的快速发展,使计算机的图形技术和图像技术在日常生活和工业生产中得到了很好的运用,该技术的发明为人们的生产生活带来了很多的便利,而且通过图形图像技术的进一步发展应用,为人们带来的生活福音将会越来越多.     

基于特征信息的静态图像/图形建模

本文系统阐述了特征建模的基本概念，提出运用格式塔心理学，视觉认识规律和信息区域分布对静态图像／图形进行特征提取的方法，并设计出了静态图像／图形特征信息的描述模型。     

基于统计特征和马尔可夫特征的图像拼接盲检测

数字图像真实性检测在司法鉴定等领域有着重要的作用.常见的图像拼接篡改会降低图像像素直接的相关性,这可以通过一些统计特征反映出来.采用特征提取-分类的方法,提取矩特征、基于二维相位一致性的统计特征,结合DCT域的马尔可夫特征,利用SVM分类器进行分类,实现了拼接图像的盲检测.实验结果表明,该方法有较好的鉴别准确率,可达91.75%.     

高速列车运行与控制的计算机图形、图像仿真

建造了高速列车仿真环境模型,以图像生成器作为图像处理工具模拟高速列车的运行和控制。     

基于统计信息的数字图像恢复及噪声滤波方法

本文基于统计信息——局部均值和局部方差，探讨了数字图像对比度增强和噪声滤波方法。尤其对加性噪声和乘性噪声，设计了相应的滤波器。仿真结果表明，本文的方法实现简单、运算速度较快，为实时图像处理提供了一种新途径。     

图像传感器数据插值算法的改进

当用单个图像传感器采集彩色图像时需要一个彩色滤光阵列（Color Filter Array）,这个阵列覆盖在图像传感器前面。由于彩色滤光阵列使图像传感器的每个像素只能感测一种颜色分量,所以在复原全彩色图像时必须利用颜色分量插值方法。提出了加权平均插值新算法,实验表明,新的算法比现有的几种常用插值算法有了不同程度的改善。     

基于增量维纳滤波的图像插值算法辨识

针对数码相机中颜色滤波阵列和插值算法的辨识问题,提出基于增量维纳滤波的联合辨识方法。建立数码相机插值过程的近似模型,根据迭代增量维纳滤波的迭代误差和迭代维纳解联合估计颜色滤波阵列模式和插值系数,利用估计的插值系数实现插值算法的辨识。实验结果证明了该方法的有效性。     

基于示例的《计算机图形学》教学改革研究

为满足不同层次学生的需求和符合培养技术应用型人才的要求，提出《计算机图形学》教学改革方案。阐述在理论和算法的介绍、推导和改进过程中引入工程示例，通过直观地演示和比较来达到提高学生的学习兴趣、加深理论理解和提高工程应用能力的目的，取得良好的教学效果。     

基于轮廓波局部高斯模型与全变差的彩色滤波阵列插值

彩色图像的彩色滤波阵列(CFA)插值是从单传感器数字相机通过CFA获得的采样图像中重构完整RGB图像的过程。针对Bayer格式图像提出了一种基于轮廓波局部高斯模型与全变差的彩色图像CFA插值算法。为进一步提高图像边缘插值质量,将图像梯度的稀疏性结合到图像插值过程中,并且图像梯度的稀疏性用彩色全变差(CTV)来衡量。实验结果表明,该算法比现有的图像插值算法在峰值信噪比与主观视觉效果两方面均有显著提高。     

基于Web的图形学CAI课件研制中的关键技术

文章介绍了基于Web的图形学CAI课件的结构和设计思想、研制过程中的关键技术和实现方法。     

CIPS中基于改进GANN的入侵检测模型

应用在计算机集成过程系统(CIPS)网络中的入侵检测系统误报率和漏报率较高.针对该问题,利用遗传算法的全局寻优能力和神经网络对于非线性映射的强大逼近能力,提出具有自学习和自适应能力、基于遗传算法神经网络(GANN)的入侵检测模型,包括数据采集模块、数据预处理模块、神经网络分析模块和入侵报警模块4个部分.为克服遗传算法易早熟、搜索迟钝的缺点,对GANN的适应度值调整方式进行改进,对遗传算法的参数设定进行优化,并采用改进的遗传算法优化收敛速度慢、易陷入极值的BP神经网络.仿真实验结果表明,该模型使系统的检测率提高至97.11％.     

基于双塔结构的场景文字检测模型

当图像中文字区域形状复杂多变时,传统锚点方法难以精确定位文字,针对这一问题,提出一种具有双塔结构的文字分割检测算法.在网络中增加自下而上的特征增强路径以充分提炼语义信息,与上一级自上而下的结构形成双金字塔模型;接着新增一条路径缩短较底层与最顶层特征之间的距离,同时使用膨胀卷积,增大卷积核的感受野;在损失函数的设计中引入...     

基于颜色分量间相关性的图像拼接篡改检测方法

由于目前数码相机在获取自然图像时,都存在着某种颜色滤波阵列（CFA）插值效应,使得图像颜色分量间具有很大的相关性。针对此问题提出基于CFA插值产生插值特性的图像拼接篡改检测方法。首先对图像颜色分量进行CFA插值预测,得到预测误差;然后计算图像块预测误差的局部加权方差得到图像块的CFA特征;最后根据高斯混合参数模型,对提取特征进行分类得到篡改区域。在标准拼接篡改图像数据集中的实验结果显示,此方法能够有效地检测出图像篡改区域的精确位置。     

基于颅颌骨三维测量的图形图像处理系统研究

论文详细介绍了颅颌骨三维测量图形图像处理系统的研制过程,包括三维测量、系统构成、图形图像处理和基于人工神经网络的图像变换算法。该系统为口腔正畸医学的诊断和研究提供科学的分析依据。     

结合模型集成与特征融合的图像拷贝检测

基于内容的图像拷贝检测关键在于提取的图像特征能够针对不同形式的图像拷贝攻击具有不变性。现实中拷贝攻击手段变化多样,且存在很多相似图像的干扰,目前并没有任何一种图像特征可以对抗所有不同形式的图像攻击。现有方法虽然在图像特征表示上做了很多改进,但都局限于单个特征表示。因此从特征融合的角度对提取特征进行增强,基于卷积神经网络融合图像高层特征以及低层特征以实现特征多样性,集成ImageNet预训练分类模型以及提出的距离度量模型以实现特征互补性。度量模型针对该类问题在预训练模型的基础上通过学习合适的距离度量来对抗由于图像编辑引起的特征差异,拉近拷贝图像与原始图像在特征空间的距离。实验结果表明,结合模型集成和多层深度特征融合的方式可以有效增强特征的鲁棒性,相比单一特征的检测效果提升十分明显。