Relief算法在笔迹识别中的应用

Relief及其扩展算法是基于最大化假设间隔的特征选择算法,能够快速进行高维度的特征选择。该文围绕汉字笔迹识别,探讨了多类别、样本数量偏差情况对算法过程的影响。文中提出了一种有效应对数量偏差的算法过程,并成功运用于约简高维的笔迹特征。实验表明,改进后的算法不仅节约了处理时间,也进一步改进了特征选择的有效性。     

基于行过扫数据降低大面阵CCD图像噪声算法研究

针对全帧转移大面阵电荷耦合器件(CCD)多帧图像数据随时间漂移的现象和测试电路引入的噪声,导致无法准确评估CCD器件的参数,文章提出一种基于行过扫数据校正算法。行有效像元数据与对应行垂直过扫数据同时输出,通过有效像元数据减去垂直过扫数据均值,对图像数据漂移的现象进行抑制。测试电路中模拟模块与数字模块同时作用于单行有效像元数据与垂直过扫数据,通过有效像元数据减去垂直过扫数据均值,消除测试电路引入的噪声。实验结果表明,经过该算法校正后的器件读出噪声减小了20%,暗场差值图像中超过15 e^-和25 e^-的比例减小了25%。该算法适用于大面阵CCD器件,可校正测试系统引入的测试误差,提高全帧转移大面阵CCD器件测试效率。     

A Multi-Scale Gradient Algorithm Based on Morphological Operators

Watershed transformation is a powerful morphological tool for image segmentation. However, the performance of the image segmentation methods based on watershed transformation depends largely on the algorithm for computing the gradient of the image to be segmented. In this paper, we present a multi-scale gradient algorithm based on morphological operators for watershed-based image segmentation, with effective handling of both step and blurred edges. We also present an algorithm to eliminate the local minima produced by noise and quantization errors. Experimental results indicate that watershed transformation with the algorithms proposed in this paper produces meaningful segmentations, even without a region-merging step.     

一种扫描图像几何畸变的数字校正方法

由于胶订书籍不能完全平铺于扫描仪的玻璃板上，从而使得扫描图像产生非线性几何畸变，为此，提出一种对此类畸变图像进行横向畸变数字校正的方法，并详细介绍了实现该数字校正的算法。实验结果表明，此算法能够大大减小横边误差，使畸变图像得到很好的复原。     

Windows映像劫持的分析与防范

本文首先介绍了windows映像劫持的原理,对映像劫持进行了分析.同时根据笔者的日常工作经验总结除了一套比较完善的映像劫持防护方法,具有较强的针对性和实际意义.     

Progression and Dissemination of Pulmonary Mycobacterium Avium Infection in a Susceptible Immunocompetent Mouse Model

Pulmonary infections caused by the group of nontuberculosis mycobacteria (NTM), Mycobacterium avium complex (MAC), are a growing public health concern with incidence and mortality steadily increasing globally. Granulomatous inflammation is the hallmark of MAC lung infection, yet reliable correlates of disease progression, susceptibility, and resolution are poorly defined. Unlike widely used inbred mouse strains, mice that carry the mutant allele at the genetic locus sst1 develop human-like pulmonary tuberculosis featuring well-organized caseating granulomas. We characterized pulmonary temporospatial outcomes of intranasal and left intrabronchial M. avium spp. hominissuis (M.av) induced pneumonia in B6.Sst1S mice, which carries the sst1 mutant allele. We utilized traditional semi-quantitative histomorphological evaluation, in combination with fluorescent multiplex immunohistochemistry (fmIHC), whole slide imaging, and quantitative digital image analysis. Followingintrabronchiolar infection with the laboratory M.av strain 101, the B6.Sst1S pulmonary lesions progressed 12–16 weeks post infection (wpi), with plateauing and/or resolving disease by 21 wpi. Caseating granulomas were not observed during the study. Disease progression from 12–16 wpi was associated with increased acid-fast bacilli, area of secondary granulomatous pneumonia lesions, and Arg1+ and double positive iNOS+/Arg1+ macrophages. Compared to B6 WT, at 16 wpi, B6.Sst1S lungs exhibited an increased area of acid-fast bacilli, larger secondary lesions with greater Arg1+ and double positive iNOS+/Arg1+ macrophages, and reduced T cell density. This morphomolecular analysis of histologic correlates of disease progression in B6.Sst1S could serve as a platform for assessment of medical countermeasures against NTM infection.     

采用MATLAB图像处理技术在鱼病诊断中的应用

本文介绍了一种可以对水产养殖中鱼的病变情况进行监控的系统。通过MATLAB软件中强大的图像处理功能,对读入的图像进行中值滤波、灰度处理和二值处理,然后根据收缩与扩张的原理,编写程序,对二值图像进行数次收缩与扩张,以去除杂质点,最后采用区域矩特征的概念,统计出白色像素的数目,与统计数据相比较,即可判断出是否出现鱼类病变死亡等异常情况。     

浮选图像中泡沫边缘分割

矿物浮选过程中泡沫的表面特征是浮选性能的重要指标,它可以实时、直观地反映浮选效果的变化,准确分割泡沫的边缘信息是浮选过程中一项重要的任务。近年来,研究人员提出了各种浮选泡沫图像分割算法,但浮选泡沫图像中存在泡沫数量多、泡沫间粘连严重以及边缘不清晰等问题,现存的方法由于其特征提取能力有限,无法精确的分割泡沫边缘。据此,本文利用深度学习提出了一种基于多尺度融合的浮选泡沫图像边缘分割算法,该算法通过引入一种深度高分辨率的编码结构以及一种基于注意力的分层融合方法来增强模型的特征提取能力,从而提高对于浮选泡沫边缘的分割效果。具体而言,深度高分辨率的编码结构可以在不同分辨率层级上同时维护特征信息,使我们的网络模型可以有效地捕捉不同尺度的信息,在提高图像语义理解能力的同时能够保持更多的细节信息,提高处理高分辨率以及密集任务图像的能力。除此之外,本文设计了一种基于注意力的分层融合方法来充分融合深层和浅层的特征图,使融合得到的特征图趋向于更重要的特征信息,从而提高识别浮选泡沫的边界和精确定位浮选泡沫的能力。该算法在泡沫边界分割数据集上凭借58.25的泡沫IoU以及73.62的泡沫Fscore取得了最佳的性能,证明了我们提出的算法可以更加准确地分割浮选泡沫边缘。     

基于静态和动态混合分析的内存拷贝类函数识别

缓冲区溢出等内存错误漏洞的产生往往来自对内存拷贝类函数的不当使用. 对二进制程序中的内存拷贝类函数进行识别有利于发现内存错误漏洞. 目前针对二进制程序中内存拷贝类函数的识别方法主要借助静态分析来提取函数的特征、控制流、数据流等信息进行识别, 具有较高的误报率和漏报率. 为了提高对内存拷贝类函数识别的效果, 提出一种基于静态和动态混合分析的技术CPSeeker. 所提方法结合静态分析和动态分析各自的优势, 分阶段对函数的全局静态信息和局部执行信息进行搜集, 对提取到的信息进行融合分析, 进而识别二进制程序中的内存拷贝类函数. 实验结果表明, 尽管CPSeeker在运行时间上有所增加, 但在内存拷贝类函数识别的效果上, 其F1值达到了0.96, 远优于最新的工作BootStomp、SaTC、CPYFinder以及Gemini, 并且不受编译环境(编译器版本、编译器种类、编译器优化等级)的影响. 此外, CPSeeker在真实的固件测试中也有更好的表现.     

基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法

精准识别铁路车号可以为煤厂装车提供依据,从而保证装车环节高效顺利地完成。为此,提出了基于深度信任网络模型的乌东选煤厂铁路车号图像识别方法。首先,利用高速摄像机设备采集原始的车号图像,并利用索贝尔算子检测图像边界;然后,根据列车车号的字体笔画宽度特点,采笔画宽度变换算法定位确定图像中的车号区域,并利用LBP算法提取车号区域内的特征;最后,将提取的特征输入到深度信任网络模型中,在训练网络模型并不断更新参数后,准确识别车号图像。实验表明：该方法能够精准识别乌东选煤厂铁路列车车号图像。在深度信任网络模型中,当受限玻尔兹曼机网络为4层、隐含层节点个数为128个时,该模型的分类识别能力最强,训练损失最小,性能最佳。