Half-Art——一种基于Halftone和QArt的新型二维码艺术化算法

为了提高二维码的辨识度和多样性,对Halftone算法的基本思想和优缺点进行了分析,并对其应用进行了扩展.结合Halftone和QArt的部分思想,提出了一种新型的艺术化算法——Half-Art.该算法分为数据修饰和图片处理两个阶段,分别使用了里德-所罗门码的数学特性和二值化后的图层蒙版粘贴算法将二维码向目标图片拟合.Half-Art算法综合了Halftone和QArt两种算法的优点,弥补了Halftone算法杂点过多、QArt算法拟合程度不高等缺点,优化后的二维码在通过电子渠道传播时具有良好的可读性.     

二维码在营销中的应用分析

二维码是一种比一维码更高级的条码格式,可以投放到传统、网络等各种媒体,被广泛应用于各行各业。二维码具有存储、防伪、支付等强大的功能,当企业将二维码各种功能与营销结合起来,便可以有效开展二维码营销。用户通过智能手机扫描二维码便可以实现浏览、支付、购买,企业达到宣传、促销、服务的效果,二维码带动线上和线下整合,企业实现全方位营销。     

引入图片相似性的PatchMatchGraph方法

随着人工标注的在线图像数据越来越多,数据驱动的相关算法日益受到人们的关注.图像语义分割是图像分割领域的一项重要任务,S.Gould等人提出了PatchMatchGraph算法,该算法通过对图片集合建立图片之间像素块的映射,使得PatchMatch算法在图片语义分割应用上有着很好的效果,但是由于PatchMatchGraph算法对于计算机内存的消耗太大,限制了其进一步的应用.我们提出了一个新的算法框架,通过引入图片相似性,对训练集做预筛选,保持允许范围内准确度的同时,降低了内存的消耗,为算法应用提供了新的指导思路.     

基于遗传算法的多路径测试数据自动生成

遗传算法作为现在启发式搜索算法的理论和实验基础,在测试数据生成方面显示出较大的优越性。由于适应度函数设计是应用遗传算法进行测试数据生成的效率的关键,因此本文综合考虑现有适应度设计的因素,设计出一种新的基于遗传算法的多路径算法。该方法是首先设计一种衡量两条路径相似度的算法,然后在此基础上设计了一个针对多路径的算法。通过与现有方法的生成效率进行比较发现:对于基于遗传算法的测试数据生成问题,该方法的测试生成效率有较大提高。     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

基于OpenCV的多重干扰点二维码图像检测研究

在快捷支付的生活中,手机扫描二维码图像时会因囊括其他非用户锁定的二维码而导致识别失败,用户需要重新扫描二维码才能解决该问题,降低了二维码使用的便捷率。本文提出了一种改进的轮廓定位检测方法,先将图像进行降噪处理和图像增强处理,然后再获取关键探测图形的位置,最后通过旋转与ROI区域选定生成标准二维码图像。实验结果表明,本方法可提高二维码图像的检测率。     

基于OpenCV的多重干扰点二维码图像检测研究

在快捷支付的生活中,手机扫描二维码图像时会因囊括其他非用户锁定的二维码而导致识别失败,用户需要重新扫描二维码才能解决该问题,降低了二维码使用的便捷率。本文提出了一种改进的轮廓定位检测方法,先将图像进行降噪处理和图像增强处理,然后再获取关键探测图形的位置,最后通过旋转与ROI区域选定生成标准二维码图像。实验结果表明,本方法可提高二维码图像的检测率。     

基于生成对抗网络的无载体信息隐藏

传统信息隐藏算法通过修改载体来嵌入秘密信息,难以从根本上抵抗基于统计的信息隐藏分析方法的检测,为此提出一种基于生成对抗网络的无载体信息隐藏方法.该方法将生成对抗网络中的类别标签替换为秘密信息作为驱动,直接生成含密图像进行传递,再通过判别器将含密图像中的秘密信息提取出来,并借助生成对抗网络实现无载体信息隐藏.实验结果和分析表明,该隐藏方法在隐写容量、抗隐写分析、安全性方面均有良好表现.     

基于改进反向可达集的在线社交网络不良信息抑制方法

随着互联网的发展,网络中不良信息的数量呈现出快速增长的趋势,对于社会的稳定与安全构成了威胁．传统的在线社交网络不良信息抑制方法存在效率低、实时性差等问题,为此提出一种基于改进反向可达集的在线社交网络不良信息抑制方法．分析现有的网络不良信息抑制方法,介绍了反向可达集的概念和原理,基于六度分隔理论,提出一种改进反向可达集的生成方法,并进一步提出一种不良信息抑制方法 IRRIMM．通过在真实的社交网络数据集中的实验验证了所提出方法的有效性．     

无标度网络生成的一种新算法

根据指定幂律分布的BA无标度网络的生成原则,提出了可生成任意指定幂律分布的网络的算法,该算法从一个含有固定节点的完全网络开始,按照择优连接的原则,向网络中逐个增加节点,实现了满足任意指定规模的无标度网络模型的生成.利用计算机程序代码运行了该算法,并验证了该算法的运行时间优于已有旧算法.