超像素分割算法研究综述

超像素能够捕获图像冗余信息, 降低后续处理任务复杂度, 已受到了国内外研究者的日益关注。首先分析了超像素分割领域的发展现状, 以基于图论的方法和基于梯度下降的方法为视角, 对现有超像素分割方法进行归纳和论述。在此基础上, 就目前常用的超像素分割算法进行了实验对比, 分析各自的优势和不足。最后, 对超像素分割技术的最新应用进行了介绍和展望。     

全参考图像质量评价综述

图像质量评价是图像处理领域内一项很有意义的研究课题。客观图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法, 目前全参考评价方法较为成熟, 而半参考和无参考评价方法则处于初级阶段, 远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类型的评价方法, 其次详细地介绍了PSNR、SSIM、MSSIM、IFC、VIF、FSIM等几种典型的全参考图像质量评价方法, 然后在LIVE和TID2008数据库上进行实验, 对这几种全参考方法进行对比、分析, 最后探讨图像质量评价研究的发展趋势。     

命名数据网络中基于Hash映射的命名检索

命名数据网络(NDN)是一种以内容为中心的新型网络架构,可有效提高网络资源的共享利用率。但与传统的IPv4、IPv6相比,NDN命名的长度更长且具有可变性,因此实现NDN中命名的快速检索对提高网络性能具有重要作用。为此,提出一种基于Hash映射的分治命名检索方法,将命名分解为组件并进行CRC32映射后分别存储在相应的Hash表中,对Hash表中的数据进行快速排序后使用二分查找定位Hash值,并利用排序后Hash表的递增数据结构进行Hash冲突的快速检测,通过对Hash值添加标志位的方法解决冲突问题。实验结果表明,相比建立命名前缀树的检索方法,该分治命名检索方法可将NDN命名的存储空间压缩近65%,并且大幅提升了检索速度。     

基于循环检测的气动退化图像混合域去噪算法

气动退化图像中存在先验信息未知以及噪声成分复杂不易进行滤波处理的问题,为此,提出一种气动退化图像混合域去噪算法。设计针对高斯噪声、泊松噪声、固定值脉冲噪声和随机值脉冲噪声的混合检测方法,使用改进的滤波方法在空域去除固定值脉冲噪声和随机值脉冲噪声,进行非下采样轮廓波变换多层分解,在变换域使用阈值方法去除高斯噪声和泊松噪声。进行噪声循环检测,设定迭代停止条件控制算法循环从而实现算法自适应。仿真实验结果表明,该算法的噪声检测性能和滤波性能较好,图像细节信息得到正确恢复。同时,算法复杂度较低,实时性较好,可满足气动退化图像去噪处理的需要。     

基于H.264编码域的显著运动检测算法

视频监控中运动目标检测算法易受背景、噪声等因素的影响,导致运动检测准确性降低。针对该问题,提出一种基于H.264编码域的显著运动目标检测改进算法。该算法基于编码过程中帧间运动预测模块输出像素值的绝对差值和,计算其标准差以作为运动判据,同时自适应设置运动判断阈值,以降低背景和噪声的影响。实验结果表明,相比于传统的低复杂度算法,该算法能有效降低背景和噪声等因素的影响,提高显著运动目标的检测准确性。相比于传统的运动检测算法,该算法保持了计算复杂度低的特点,算法复杂度仅为帧间差分法的18.3%,更适用于实时性要求高的监控系统。     

面向图像局部重建的梯度分析

在基于场方向导数的图像局部区域重建过程中,梯度计算对图像边缘的重建效果有很大影响。分析选择单向计算梯度分量的必要性,提出梯度计算的就近原则,对参与梯度分量单向计算的相邻点设置优先级,将缺损点与已知点之间的边缘特征反映在已知点的梯度中,进而影响重建过程,从而实现对图像中边缘特征的重建。实验结果表明,采用该梯度计算模式能有效改善对图像边缘特征的重建效果。     

基于图像引导滤波的人脸光照预处理算法

针对人脸识别中人脸图像光照预处理的问题,提出一种基于图像引导滤波的人脸光照预处理算法。根据自定义光照标准函数对引导图像和输入图像进行分类,经指数或对数非线性变换调整后进行直方图均衡化处理。采用图像引导滤波对图像细节进行增强,使变换后的图像更清晰。利用空域高通滤波来抑制局部锐化现象。在YaleB人脸数据库上进行验证,结果表明,该算法在识别性能上明显优于经典的主成分分析法,识别率可以提高2%~8%。     

一种轻量级的Android内核保护监控器

为阻止针对Android系统内核的攻击,保护Android系统内核不被破坏,设计一种基于ARM平台轻量级的hypervisor监控器架构。该架构利用ARM硬件虚拟化扩展技术,对不信任模块进行隔离,阻止模块中恶意代码对内核的破坏,保护关键对象不被篡改,并基于hypervisor、利用交叉视图检测rootkit。实验结果表明,该架构能及时阻止对被监控对象的修改,快速检测出rootkit威胁,减少系统被攻击后带来的损失。     

一种道路车辆监控视频中的关键帧提取方法

针对道路监控视频中特定车辆图像序列的关键帧提取问题,在运动对象检测的基础上,提出一种关键帧提取方法。将积分通道特征和面积特征作为图像特征描述子,结合Ada Boost训练分类器,实现道路监控视频车辆序列图像中关键帧的提取。通过运动对象前景检测技术获得出现在监控区域的运动车辆最小外接矩形图像序列,选择满足监控分析需求(车牌清晰度高,能判断车型)的若干帧作为正样本,其他不满足监控分析需求的作为负样本,提取样本图像的面积特征和积分通道特征,利用Ada Boost方法训练得到一个分类器,使用Ada Boost分类器对测试样本进行分类,根据打分规则提取关键帧。实验结果表明,该方法能提取运动车辆从进入到离开监控区域的序列图像帧中最清晰的图像,实现道路车辆监控视频分析数据的有效压缩。     

一种蛋白质复合体模块度函数及其识别算法

蛋白质复合体对于研究细胞活动具有重要意义.随着新的生物实验技术的不断出现,产生了大量的蛋白质相互作用网络.通过对蛋白质相互作用网络进行聚类识别蛋白质复合体是当前研究热点.然而,目前大多数蛋白质复合体识别算法的性能不够理想.为此,提出了蛋白质复合体模块度函数(PQ),并在此基础上提出了基于蛋白质复合体模块度函数的模块合并(based on protein complexes modularity function for merging modules,BMM)算法.BMM算法首先识别网络中一些稠密子图作为初始模块,然后依据PQ函数对这些初始模块进行合并,最终得到了质量较高的蛋白质复合体.将识别出的复合体分别与2种已知的蛋白质复合体数据集进行比对,结果表明BMM算法具有很好的识别性能.此外,与其他最新的识别算法相比,BMM算法的识别准确率较高.