分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-05-11 合作期刊: 《计算机应用研究》
摘要: 针对传统高光去除方法对梯级图像高光去除表现不佳问题,本文提出了一种基于条件生成对抗网络的梯级图像高光去除方法(Multi-scale Spatial dense gradient cascade generative adversarial network,MSDGC-GAN)。该方法设计了一种空间上下文密集模块 (Spatial Contextual Feature Dense Block,SCFDB)能够深度提取像素行与列之间的空间背景信息。此外,设计了一种多尺度梯度级联结构以弥补网络下采样中的尺度特征损失,并且该结构能够赋予模型多尺度鉴别能力同时稳定训练梯度分布。在分析了经典双色反射模型基础上,将最大漫反射度估计应用于损失函数以监督网络训练。实验结果表明,本文方法在经典高光数据集和自制梯级高光图像数据集中表现均优于所对比方法。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2020-09-28 合作期刊: 《计算机应用研究》
摘要: 谱聚类算法一般是在给定的输入图上进行谱分解,然后通过后置处理(如K均值聚类或谱旋转)得到最终的聚类结果。此类方法存在两个不足:a)将图的构造与谱分解割裂成两个独立的阶段,导致了结果的次优性;b)常用的基于l2范数度量谱特征向量的相似性具有噪声敏感性。为了克服上述两点不足,提出基于联合结构化图学习与l1范数谱嵌入的鲁棒聚类算法(记为CLRL1)。在该算法框架下,一方面图的学习过程与聚类过程可以有效结合起来进行协同优化,另一方面l1范数的使用可以很好地约束谱特征向量的相似性以提升算法的鲁棒性。在多个常用数据集上进行的实验结果表明,改进的算法聚类性能得到了明显的提升。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-05-10 合作期刊: 《计算机应用研究》
摘要: 传统的针对智能手机内部攻击的方式容易被用户察觉及预防。作为一种常见的音频信号,DTMF信号在手机通信中具有非常重要的地位,但也面临严峻的安全风险。提出了一种基于DTMF信号的智能手机外部攻击方法,可以在用户不被察觉,且与用户手机无交互情况下进行有效攻击。首先,该方法对用户某些重要按键操作进行录音;然后对录音数据在时域上进行双阈值的端点检测,提取信号的有效区域;再将有效区域通过Goertzel算法转换到频域进行数字分类;最后,通过比照DTMF编码表得到用户所有按键数据。实验结果表明,该方法在10 db信噪比,且与用户手机无交互的条件下能破解80%以上的按键数据。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-06-19 合作期刊: 《计算机应用研究》
摘要: 针对图像失真分类问题,提出了一种基于Gabor小波和CNN(convolutional neural network,卷积神经网络)的失真类型判定新算法。该算法先利用Gabor小波的良好特性对图像进行特征粗提取,再通过改进的CNN进一步提取关键特征。算法步骤包括:首先对图像进行预处理(包括标签设定、样本均衡和样本扩充);然后对预处理后的图像进行8方向的Gabor小波变换,并将不同方向的子带叠加构成输入样本;最后通过自行设计的CNN和Softmax分类器对样本进行训练,训练的过程中采用随机梯度下降和反向误差传播的方法对卷积核参数进行优化得到最终模型。利用训练好的模型进行失真类型判定实验,在LIVE标准图像库上分类正确率达到95.62%,表明本算法具有较高的准确性和鲁棒性。