一种视皮层非经典感受野的模型

根据视觉信息加工过程中视皮层细胞非经典感受野对中心感受野区域具有抑制作用的生物机制,提出了一种模拟该机制的模型.用Gabor能量作为感受野响应,以高斯差分函数为基础构造两个具有方向的半椭圆环来作为非经典感受野区域,设计中心感受野与周边抑制区域的相位差权重函数来模拟非经典感受野的抑制机制.实验结果与这种生理特性相一致.     

视网膜神经节细胞非经典感受野及其方位倾向性的模型研究

建立了包含无长突细胞相互抑制网络的视网膜神经节细胞的三层网络模型,以验证李朝义等提出的非经典感受野可能源于无长突细胞相互抑制的假说,并探讨神经节细胞感受野的方位倾向性的可能机制．模拟结果表明,通过无长突细胞之间的相互抑制可以形成神经节细胞的非经典感受野．模型模拟了神经节细胞的中心区和大周边区的方位倾向性及其相互作用,结果提示神经节细胞的方位倾向性可能主要源于神经节细胞树突野的空间分布．     

基于Hermite样条轮廓模型的图像轮廓提取

提出了一种采用Hermite样条曲线拟合方法与主动轮廓模型相结合的方法．采用Hermite样条轮廓曲线作为描述主动轮廓线的基函数，给出了这种轮廓模型的能量表达式，利用动态规划技术实现能量最小化的优化过程．采用传统的主动轮廓模型与本文方法分别对两幅颅脑图像中的病变区域提取轮廓，对比实验结果表明，采用Hermite样条轮廓模型可以取得更加令人满意的效果．     

采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法

针对铁路紧固件图像易受周边环境干扰、导致其几何中心定位精度不理想的问题,提出一种紧固件螺母中心多特征分级定位算法。该算法在优化蝶形非经典感受野模型的刺激区和抑制区的基础上,设计一种路径非感受野交互模型以匹配紧固件特征,具备优异的干扰噪声抑制能力,能精确提取紧固件圆轮廓和六角轮廓特征。根据轮廓特征,多特征分级定位算法利用六角边之间的角度约束和距离约束关系,实现了不完整轮廓下的中心精确定位。实验结果表明:该算法在正常条件下和受光照影响条件下使圆检测准确率分别提高了3%和24%,具备干扰环境下的紧固件中心精确定位能力。     

GC感受野的双高斯差和外周相互抑制网络模型的空间响应特性

模拟和模型是视觉研究的重要手段．本文应用计算机的模拟手段．分别对GC感受野的双高斯差模型和外周相互抑制网络模型的空间响应分布特性进行了研究，并观察了它们的边缘检测性能．本文的结果将为GC感受野视觉计算原理的进一步探索，以及以视觉原理为依据的图象技术的改进提供帮助．     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.     

感受野动态特征的一种修正模型

在视觉系统感受野的广义Ｇａｂｏｒ函数数学模型基础上,把其中与时间有关部分换成Г函数的二阶核函数,称为感受野的修正模型（ＭＧＭ）。提出了一组修正模型,它的时间特性更符合实验所观测到的感受野的电生理特性,包括对小光点的瞬态反应,感受野的动态特生等。ＭＧＭ模型在时空两方面是描述视觉系统各层次上感受野特性的一个更良好的数学模型。     

基于HMAX模型的仿生人脸识别算法

为了提高人脸识别效率,减小特征提取的时间消耗,本文提出一种基于改进HMAX模型的类脑识别算法,通过模拟生物视觉皮层的信息处理机制,构建了一个五层结构的分层网络用以提取目标图像的不变特征并进行识别.在S1层应用小波分解模拟视皮层V1简单细胞对目标图像进行滤波;在C1层进行特征提取,采用SVDP算法代替标准HMAX模型中的最大值操作,得到对光照、表情、姿态不变性的代表特征;最后,在VTU层对人脸图像进行分类.实验表明,改进后的算法在对样本进行识别时,能够有效降低特征提取的时间开销,同时也提升了识别效率.     

融合Canny算子和Snake模型的细胞轮廓提取

设计了一种融合Canny算子和Snake模型的细胞轮廓提取算法.算法首先采用基于区域生长的阈值分割方法确定Snake模型的初始蛇,然后将Canny的边缘定位法融入到Snake模型的贪婪算法中,使蛇最终逼近细胞的真实轮廓.实验表明该融合算法性能稳定,所提取的轮廓定位准确.特别是解决了虚假边缘和边缘断裂现象较为严重的细胞轮廓提取.     

两种GC感受野模型的空间传输特性研究

本文应用模型和模拟技术，研究了ＧＣ感受野的双高斯差模型和外周相互抑制网络模型的空间传输特性，包括面积反应，调制传递函数等．本文所获得的结果可应用于视觉信息处理原理研究、人工视觉、计算机视觉及图像技术等各方面     

基于自适应感受野的教室人体姿态实时检测

人体姿态信息对教学管理和教学评估具有重要作用,通过算法快速且准确地获取人体姿态信息具有重要的研究意义。近年来,尽管基于人体关键点的姿态估计方法被广泛研究,但由于教室监控场景图像普遍存在遮挡严重、目标尺度变化大、图像成像质量差等问题,难以直接运用现有方法。提出一种基于自适应感受野的教室人体姿态实时检测方法。在单发多边框检测器(single shot multibox detector, SSD)网络中,构建自适应感受野卷积模块,通过上下两个支路提取不同感受野的特征;在反向传播过程中,自动学习上下支路的特征融合参数,自适应调整网络的感受野;提高网络在教室场景中人体姿态的检测性能。实验结果表明,提出的方法可以实现实时检测,且优于现有的教室人体姿态检测方法和其他单阶段目标检测方法。     

基于随机场的碰撞检测控制算法

在结合已有的预留碰撞算法基础上,提出了一种基于预测的碰撞检测控制算法。同时利用随机场模型方法扩展了这种算法,通过查看随机场序列,得到当前时间片上可能发生碰撞的范围,利用实体的特性与历史信息,大量减少相交判断的实时计算量,加快了碰撞检测的速度。     

基于肤色及深度信息的人脸轮廓提取

提出并实现了一种新的提取人脸封闭轮廓的方法.首先通过三目立体视觉系统获得彩色图和深度图,然后利用彩色图的肤色信息和深度图的深度信息而惟一确定的面部区域,最后再通过对面部肤色区域轮廓提取并结合活动轮廓模型(Snake)提取下巴,从而完成整个人脸轮廓的提取.该算法能够较好地提取人脸的轮廓线,克服了下巴边界难以从颈部区域提出的困难,定位精度高,边缘连续性好,满足了人脸轮廓特征提取的要求.     

基于LIP的多通道图像边缘检测研究

由于弱光照图像的成像特点,使得普通的边缘检测的算法难以奏效。20世纪80年代中期由Jourlin和Pinoli提出的对数图像处理LIP模型颇具特色,该模型中的方法对低亮度图像敏感,并且对灰度有界图像的加法运算是封闭的,在边缘检测等方面有着其他方法所不具备的优点。文章基于灰度图像的对数图像处理LIP模型,建立了多通道图像的对数图像处理MLIP模型,并在此模型上进行了对微光图像边缘检测,其效果明显优于经典的Sobel算法。     

基于区间分析的框架结构不确定性损伤识别方法

考虑实际结构易受荷载、环境温度和测试噪声等不确定性因素的影响,笔者基于区间分析原理提出框架结构不确定性损伤识别方法。利用测试的结构加速度响应数据,建立向量自回归模型,并采用其系数矩阵主对角线的马氏距离作为损伤特征指标。基于粒子群算法建立区间优化求解方法,并与传统的区间组合法和区间叠加法对比。通过提出的区间重叠率指标和区间名义值分别实现损伤定位和损伤程度的识别。数值模拟和实验室框架结构试验结果表明,区间分析能在测试数据较少时实现损伤识别,为损伤识别在实际结构中的应用提供了理论基础和技术手段。     

基于免疫的自适应性网络入侵检测模型设计

自然免疫系统与计算机安全问题有很多相似性,两者主要工作都是如何区分“自我”与“非我”。文章根据人工免疫的原理、体系结构,建立了一种基于免疫原理的自适应性网络入侵检测系统模型,以改进现有网络入侵检测系统的性能;详细给出了该模型在计算机中的数学描述、系统结构及具体实现;并在网络环境下完成了模拟攻击实验。     

基于电场探测与无线组网的带电飞行目标探测系统设计

随着导航、电子技术、隐身涂层等科学领域的发展,武器装备的电子化、隐身性能不断提高,传统探测手段如雷达探测,有一定的局限性,需要研究和发展新的探测系统,对飞行目标进行有效探测.设计了基于电场探测与无线组网的带电飞行目标探测系统,系统通过无线组网的探测节点对带电飞行目标进行全天候监测,并通过组网定位算法对目标进行定位,探测...     

基于边缘信息和时空马尔可夫模型的运动目标检测方法

针对传统方法易受阴影和噪声的影响,不能精确分割出运动目标的情况,提出了一种基于边缘信息和时空马尔可夫模型的运动目标检测方法。首先对3帧连续的图像进行边缘提取,然后通过差分法运算获得两帧初始标记场,随后对两帧初始标记场进行"与"操作获得共同标记场,利用迭代条件模型求解共同标记场的全局最小值,进而实现近似求解最大后验概率的估算,获得优化的标记场,最后通过阈值分割和形态学处理完成对目标的检测。与多种方法进行比较表明,该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

基于Web访问路径的应用层DDoS 攻击防御检测模型

为了提高防御应用层分布式拒绝服务攻击的有效性、时效性和准确性,对应用层DDoS攻击的演化、模式,以及攻击者的攻击路径和攻击行为进行深入研究。提出一种基于Web访问路径的防御检测模型,根据访问路径轨迹、攻击行为特点和网站链接规则,建立请求路径、请求分布、路径循环、行为时隙和路径长度5种异常检测模型。通过计算合法用户访问网站时的正常值以及具有攻击行为用户的实时异常值偏离程度,可判定是否遭到应用层DDoS攻击。防御模块依据用户非法值大小选取最佳防御策略,抵御应用层DDoS攻击,实现网站数据安全与计算机安全。实验采用真实日志数据进行训练,向实验网站发动5种不同类型的应用层DDoS攻击。结果表明,防御检测模型能在短时间内准确辨别具有攻击行为的用户,并联合防御模块抵抗针对Web服务器的DDoS攻击,能够实现实时检测、实时防御,有效降低误报率。所提出的检测模型可以对路径长度进行监控,提升了异常判定的准确性和可靠性,有效提高了Web网站防御DDoS攻击的能力。     

Intrusion detection based on rough set and artificial immune

In order to increase intrusion detection rate and decrease false positive detection rate , a novel intrusion detection algorithm based on rough set and artificial immune ( RSAI-IDA) is proposed. Using artificial immune in intrusion detection , anomaly actions are detected adaptively , and with rough set , effective antibodies can be obtained .A scheme , in which antibodies are partly generated randomly and others are from the artificial immune algorithm , is applied to ensure the antibodies di-versity.Finally, simulations of RSAI-IDA and comparisons with other algorithms are given .The ex-perimental results illustrate that the novel algorithm achieves more effective performances on anomaly intrusion detection , where the algorithm ’ s time complexity decreases , the true positive detection rate increases , and the false positive detection rate is decreased .