最小化支持向量数分类器的云检测

针对。感卫星图像的云检测,提出了基于最小化支持向量数分类器的云检测方案,解决传统分类器训练样本多、易陷入局部最优的问题。使用该分类器对QuickBird高分辨率。感图像进行云检测,检测正确率达99%以上。实验表明:在确定分类器内部结构参数过程中,与传统的交叉验证法相比,基于支持向量数的方法不仅能够准确预测分类器推广性能的变化趋势,从而确立最优化的参数组合,并且实现简单,大大减少了计算的复杂度。与传统的BP神经网络相比,该方法所需训练样本少,分类性能好。     

改进的二维点集凸包快速求取方法

凸包问题是计算几何的基本问题，分为平面点集凸包和多边形凸包2类。对传统点集快速凸包算法进行改进．通过找到点集中8个方向的极值点来准确地确定凸包上的部分顶点，得到凸包的粗略逼近，接着在逼近结果上进行遍历，使用链表或栈这样的数据结构，找到逼近结果中连续2个顶点之间的漏检点，从而得到完整的凸包。整个过程达到复杂度下限，且在通常情况下接近线性时间。该方法已经有效地应用于基于控制点的图像配准中。     

后桥主锥轴承预紧模型与动态拧紧理论的研究

为研究后桥主锥轴承预紧力矩与主锥拧紧螺母拧紧力矩的关系,提出一种基于回归方程的动态拧紧理论。首先建立主锥轴承预紧力学模型,分析主锥拧紧螺母拧紧力矩与主锥轴承预紧力矩的关系,最后基于回归方程的动态拧紧技术理论,找出最佳轴承预紧力矩对应的主锥拧紧螺母拧紧力矩值,判断垫片厚度选择的合理性,也为拧紧力矩值的范围选取提供参考性意见。     

局部灰度级展开的子块直方图均衡方法

直方图均衡是进行图像处理最基本的处理方法，该文提出一种用改进的子块直方图均衡的方法，在将图像分成子块处理的基础上再根据子块内的灰度分布决定其展开范围，而不是机械地在全部灰度级展开，通过对一幅肺部CT图像进行处理表明，该方法较之传统的方法更能够提高细节的对比度，能有效地应用于边缘检测以及医学图像处理等领域。     

语义P2P系统上的知识分享研究*

由于语义P2P系统的知识分散部署于各个peer节点上,而每个peer节点都拥有其自身异构的知识模式和本体表示,这就给语义P2P节点间的知识分享带来了困难。对语义P2P系统进行了深入分析,着重对P2P节点之间的知识分享问题进行了论述,并进一步提出自己的设计思路来解决这一问题。     

基于元伪标签和光照不变特征的人脸反欺诈算法CSCD

Face anti-spoofing (FAS) plays a vital role in preventing face recognition systems from presentation attacks. Benefitted from powerful capability of feature extraction of deep learning (DL) network, FAS algorithms based on deep learning are much superior to those ones based on traditional handcrafted features in detection performance and thus become a research hotspot. Although most DL-based FAS algorithms can achieve good performance for intra-database test, the performance decreases greatly for cross-database test. The main reason is that samples are often collected under different capturing settings for intra-database and cross-database, for example, different cameras, environment illuminations, presentation medium, and thus their distributions are different, which can lead to the domain shift problem. When the diversity of training samples is insufficient, a model trained with such samples can be easily overfitting for intra-database while not being able to perform well for cross-database. Although the reasons of poor generalization are clear, the solution to them cannot be easily achieved in real-world applications. On the one hand, it is difficult for the FAS model to collect labeled training samples for all scenarios; on the other hand, different application scenarios make the same factor behave differently, which affects the extraction of intrinsic spoofing textures. In this paper, we introduce meta-pseudo-label into the FAS task, and propose a FAS method based on meta-pseudo-label. There are three major contributions. First, we propose a semi-supervised learning framework of “teacher generates pseudo-label and student feedbacks” based on image patches, which extracts the highly discriminative features of local images to solve the problem of insufficient labeled samples. Second, based on the Pattern of Local Gravitational Force (PLGF), we design an illumination-invariant feature branch with an attention module to suppress the illumination influence on feature extraction in application scenarios. Third, the meta-learning is combined with the semi-supervised learning framework to optimize the process of generating pseudo-label by teacher and improve the generalization ability of the algorithm. Compared with state-of-the-art algorithms, the proposed method performs quite well in both intra-database test and cross-database test on three public datasets including CASIA, Replay-Attack, and MSU. Specifically, the performance in cross-database is greatly improved. It can achieve the lowest HTER values for middle-sized sample number. © 2023 Chinese Academy of Sciences. All rights reserved.     

基于元伪标签和光照不变特征的人脸反欺诈算法

人脸反欺诈(Face anti-spoofing,FAS)在防止人脸识别系统遭受欺诈攻击方面起着至关重要的作用,得益于深度学习网络强大的特征提取能力,基于深度学习的FAS算法取得比基于传统手工特征算法更好的性能,成为近期的研究热点。尽管大多数基于深度学习的FAS算法能在库内达到很好的检测效果,但是跨库检测性能欠佳,主要原因是库内和库外数据往往在不同条件下采集,例如拍摄设备、环境光照和攻击呈现设备不同,导致库内和库外数据的分布不同,两者之间存在域位移。当训练数据的多样性不足时,容易在库内学习过程中过拟合,跨库泛化性能不好。尽管我们可以判断起因,然而在真实世界的应用过程中解决上述问题并不容易。一方面,人脸反欺诈模型难以收集所有场景下的有标签训练样本;另一方面,不同应用场景使得同一因素产生不同的影响,例如,不同场景的光照导致域位移,影响了分类模型对本质性欺诈纹理的提取。为此,本文将元伪标签引入人脸反欺诈任务,提出一种基于元伪标签的人脸反欺诈方法。主要贡献包括:第一,提出一种基于图像块的“教师生成伪标签,学生反馈”半监督学习框架,挖掘局部图像的高区分度特征,解决有标签样本不足的问题;第二,基于局部重力模式(Pattern of localgravitational force,PLGF),设计一种带有注意力模块的光照不变特征分支,抑制应用场景中最容易影响特征提取的光照因素;第三,将元学习与半监督学习框架相结合,优化教师生成伪标签的过程,提高算法的跨库检测能力。与现有流行算法相比,在三个公开的测试数据集(包括CASIA、Replay-Attack和MSU)上,所提出方法在库内测试和跨库测试下均有突出的表现,尤其是泛化性能得到显著提高。在样本数量中等时,在不同库中的半总错误率保持最低。     

在电子信息学科专业课中引入计算机作业

计算机在教学和学习中的辅助作用日渐重要,作为一类应用性很强的学科,计算机在电子信息学科中的作用尤为明显.然而,目前电子信息专业的专业课作业仍以书面形式为主.本文论述了计算机作业在电子信息学科专业课的可行性,并结合笔者在"数字通信原理"课程的相关实践内容对此进行了说明.从实践结果来看,本文所提观点具有一定的积极意义,取得了一定的效果.