核电用宽厚钢板探伤不格合原因分析

通过对宽厚钢板探伤不格合的缺陷分析,提出探伤不格合产生的主要原因是浇注过程中存在非正常减流、中心疏松和外来夹杂.于是对浇注过程作了改进,使宽厚钢板探伤合格率提高.     

基于行为的Android恶意软件判定方法及其有效性

针对当前Android平台资源受限及恶意软件检测能力不足这一问题,以现有Android安装方式、触发方式和恶意负载方面的行为特征为识别基础,构建了基于ROM定制的Android软件行为动态监控框架,采用信息增益、卡方检验和Fisher Score的特征选择方法,评估了支持向量机(SVM)、决策树、k-邻近(KNN)和朴素贝叶斯(NB)分类器四类算法在Android恶意软件分类检测方面的有效性。通过对20916个恶意样本及17086个正常样本的行为日志的整体分类效果进行评估,结果显示,SVM算法在恶意软件判定上准确率可以达到93%以上,误报率低于2%,整体效果最优。可应用于在线云端分析环境和检测平台,满足海量样本处理需求。     

一种基于彩色图像分割的车牌检测方法

提出一种彩色图像车牌检测方法,主要包括三个步骤,首先对车牌图像执行多尺度区域生长分割,然后在分割结果中进行车牌区域的粗定位,最后对粗定位提取的车牌区域作精确定位分析.区域生长分割方法可以产生封闭的区域,容易提取其形状信息,而长矩形是车牌目标一个显著特征,因此可以通过形状信息检测车牌.在图像分割中,采取多尺度的分割方法,生成多个不同细节程度的分割结果.在每个分割图像中搜索具有车牌外形特征的图像区域,初步检测出候选车牌目标.根据车牌字符的大小和笔画特征,对候选车牌区域进行精确判别分析,得到最终的车牌检测结果.实验部分验证了车牌检测的有效性.     

基于改进的FAST R-CNN的前方车辆检测研究

目前,前方车辆检测的研究主要通过机器学习的方法,然而其难以解决遮挡和误检的问题。在这种背景下,使用深度学习的方法检测前方车辆更为有效。首先采用了选择性搜索方法获得样本图像的候选区域,然后使用改进的FAST R-CNN训练网络模型,检测道路前方车辆。已在KITTI车辆公共数据集上对该方法进行了测试,实验结果表明,所提方法的检测率高于CNN直接检测的结果,很大程度上解决了遮挡和误检的问题。而且,与先提取Harr-Like特征然后利用Adaptive Boosting分类器的算法相比,该方法在TSD-MAX交通场景数据库测试中实现了较高的性能。结果表明,该方法提高了车辆检测的准确性和鲁棒性。     

基于文字RGB颜色变化的脆弱型文本数字水印技术

给出了一种利用文本字体颜色的变化来进行文本认证的方案。通过提取文字的特征,结合用户密钥和哈希技术,该方案将文本信息和用户信息嵌入到待传输文本中。不需要额外传送文本特征值;接受端通过水印的提取以及特征提取等步骤,可以判断文本的完整性和文本的可信性。进一步的,可以定位文本篡改发生的位置。理论分析和实验结果都表明,对于通常的攻击,如果文字级联长度为m,则该方案检测和定位篡改的概率达到了1-1/(26)m。     

路况视频能见度检测算法

针对现有气象能见度仪价格昂贵且无法全程分析的不足,提出一种利用路况视频图像的能见度检测算法,通过目标物预置获得距离信息,通过图像预处理得到含有目标物的去噪图像。利用目标物的相互关系和SAD图像匹配算法从图像上分割出目标物,利用Kohler的一致对比度法实现目标物图像的人眼模拟,进而对其特征进行拟合,得出能见度值,实现基于路况视频的能见度检测。实验结果表明,该算法与人眼观察一致,对噪声有较好的鲁棒性。     

基于原始面命名的相交特征快速判别方法

针对特征技术研究和应用中的特征相交问题,提出了一种判别特征是否相交的方法。该方法基于特征原始面命名机制,以几何模型中的拓扑边为核心,通过检查拓扑边的两个相邻面的名称属性的构成特点,并结合几何模型中的拓扑边与特征体中相应原始面之间以及不同特征体的原始面之间的拓扑关系实现特征相交关系的判断。该方法不但能够正确地判别出相交特征,而且通过一系列的原始面名查找来代替在特征体间作布尔运算进行相交特征判别,从而有效提高了判别速度。     

聚类和时间序列分析在入侵检测中的应用

入侵检测通过收集各种网络数据,从中分析和发现可能的入侵攻击行为。聚类算法是一种无监督分类方法,能够很好地用于入侵检测。提出一种基于聚类分析和时间序列模型的异常入侵检测方法,该方法不需要手动标示的训练数据集就可以探测到很多不同类型的入侵行为。实验结果表明,该方法用于入侵检测具有较高的检测率和较低的误报率。     

应用GMM的快速火焰检测

基于视频图像的火焰检测是火灾预防研究的重要内容。为提高检测效率,首先使用具有自适应背景变化的 高斯混合模型(GMM)来检测场景中的运动物体。然后针对运动物体,提取颜色特征和面积变化特征。最后,根据得 到的特征来识别场景中是否有火焰发生。该方法不仅可有效检测到视频中的火焰帧,还避免了非火焰场景中对计算时 间的浪费。     

基于选择性搜索算法的车脸部件检测

车脸部件检测能够广泛地应用于车辆识别及车辆的语义分割。尽管对于车脸的检测已经做出过大量的努力,但现有的研究大多集中在车脸的整块区域的检测及定位,提出了一种基于选择性搜索的车脸部件检测算法。该算法分为两个阶段：首先,将车辆图片进行高斯滤波去噪以及图像归一化预处理。其次,对预处理后的图片,利用基于图表示的图像分割算法获取初始分割区域,计算两两相邻区域在颜色、纹理、大小及吻合度之间的相似度;随后利用初始分割区域相邻区域间的颜色、纹理、大小以及吻合度的相似性对初始分割区域进行合并,从而准确分割车脸各部件。采用部分香港中文大学的公开数据集CompCars,总计4 199张图像,作为测试样本以测试车脸部件分割检测效果。实验结果表明,该算法检测车脸部件的平均重合度达到73.74%,明显胜过其它目标检测算法,此外,该算法不需训练,具有更强的通用性。