铸铁平板像素检测法中的图像均匀化方法

在铸铁平板像素检测法中，针对图像的不均匀特点，建立了铸铁平板图像的数学模型，并在此基础上提出了以二维插值为基础的铸铁平板图像均匀化方法．结果表明，该方法的均匀化效果良好，均匀化后的平板图像可直接用Otsu方法对其讲行分割．分割效果满足应用要求．     

基于最小生成树和图像矩的陶瓷过滤器表面缺陷检测

针对人工检测陶瓷过滤器堵孔、裂缝缺陷效率低、误检率高的问题,提出一种基于最小生成树和图像矩的缺陷检测算法;对输入缺陷图像进行灰度化和去除噪声处理,利用阈值分割方法对图像进行二值化,根据陶瓷过滤器表面孔洞空间分布及面积变化,利用滑动窗口遍历图像,结合最小生成树与图像占空比检测堵孔缺陷;根据过滤器裂缝的灰度和形状特征,采用基于图像矩的等价椭圆的方法检测裂缝缺陷。结果表明,所提出的算法能够有效地检测出陶瓷过滤器堵孔、裂缝缺陷,自建数据集的检测准确率达到95%以上。     

三种蒸散发产品在西北内陆河上游山区的适用性比较

根据西北3个典型内陆河流域上游13个子流域出口山区流量的水文观测资料,采用流域水量平衡原理,就常见的3种实际蒸散发(AET)产品的适用性进行分析,并与西北高寒地区流域水平衡(Cal_AET)产品进行比较.结果 表明,所选AET产品与Cal AET的拟合度在石羊河、黑河以及阿克苏河流域精度良好,大多数高山盆地的GLEAM...     

基于平行注意力机制的对抗样本防御方法

为降低对抗样本的影响,提高分类模型在遭受攻击威胁下的精度,利用哺乳动物视觉系统工作原理,结合注意力机制,提出一种新型防御对抗样本模型PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。该防御模型在通过编码器获得对抗样本的特征图后,使用平行注意力机制提取特征图中的个体和位置信息,然后在保证这些特征不变的情况下,重新调整特征图的权重,通过解码器产生净化结果。该方法能在清除恶意扰动的同时保持净化结果与输入的一致性,有效降低对抗样本对模型精度的影响。在CIFAR-10和MNIST数据集上,PSCAM-GAN面对多种对抗样本攻击时的防御效果超越了其他基于预处理的防御方法,能有效提高模型的健壮性。     

臆想世界:明代犀牛的形象失真

商周时期,犀牛曾生活在华夏平原地区,但随着气候、人口等原因逐渐在北方绝迹,其形象也开始失真.然而,明代初期朝贡活动频繁,宫廷曾多次获得域外贡犀,但朝廷官员在极有可能见到真实犀牛的情况下,所绘犀牛仍然出现失真现象.此外,同时期不同类别文本中的犀牛图像完全不同,存在颇多疑惑.本文从博物学角度剖析犀牛图像如何失真、为何失真以...     

基于图论的视觉显著模型的图像哈希算法

近年来,图像哈希算法在多媒体安全领域引起了广泛的关注,已成功应用于社会事件检测、复制检测、数字水印等领域,但许多算法在鲁棒性和唯一性之间没有达到很好的平衡,针对这个问题,本文提出了一种基于图论的视觉显著模型的图像哈希算法。该算法首先通过GBVS模型构造预处理后图像的视觉显著图,然后通过Logistic混沌映射生成位置映射数组,最后对数组数据进行哈希加密并得到最终的哈希值。利用公开的数据集去验证该算法的性能,结果表明该算法可以抵抗常见的数据操作,其分类性能也优于某些文献算法。     

基于特征值反问题下的图像修复

图像的分割与修复是图像识别技术的关键所在。图像数据在计算机中以矩阵的形式存在,结合特征值反问题对缺损图像所生成的缺损矩阵进行修复。首先提出两类新的特征值反问题,提供唯一解证明的方法;其次将问题的解法应用于缺失图像的修复并分析图像修复的效果。     

改进的量子彩色图像中值滤波算法

图像处理任务中广泛应用中值滤波器来平滑图像和消除幅度极大或极小的噪声,并且可以保持图像的边缘特性,不会使图像产生明显模糊。提出一种改进的空间域量子彩色图像中值滤波算法,并且在IBM Q(international business machines quantum)平台上进行仿真。该算法将量子彩色图像进行存储,利用量子比较器模块、量子控制交换器模块、中值计算模块和阈值模块设计量子彩色图像中值滤波的量子线路。相较于已有的量子彩色图像中值滤波算法,在进行中值滤波之前加入了阈值进行噪声判断,该算法滤波效果更好,同时时间复杂度也更低。     

基于LVQ神经网络的水果图像分割研究

由于传统边沿检测算子在水果颜色多样、亮度不均匀时,难以分割得到完整、无噪声的二值图像且依赖优化的阈值,本研究提出了一种基于LVQ神经网络的水果图像分割方案。首先将彩色图像转变为灰度图像;然后对Canny算子获得的边沿图像随机选取一些像素作为网络的学习监督信号,仅以灰度图像中相同位置像素3×3邻域的Kirsch算子梯度值作为输入,训练权值;最后重新将原灰度图像的Kirsch算子梯度值输入到训练好的网络中,获得封闭的边沿并填充得到二值图像。考察了14幅像素为640×480的水果图像,结果表明：网络在很宽广的阈值范围内（0.001 ~ 0.99）分割得到完整、一致的二值图像;面积误差最小为0.9%,最大为8.83%,不依赖于优化的阈值,不需要对原始图像滤波预处理。与没有阈值及滤波的算法相比,本方案的误差和时间复杂度均更低;与设置了阈值和/或滤波的算法相比,本方案与之相当,甚至效果更优。