基于双模态融合网络的目标检测算法

针对红外图像和可见光图像的融合目标检测问题,提出一种基于双模态融合网络的目标检测算法。在同时输入红外和可见光图像对后,利用设计的红外编码器提取红外图像空间特征信息;通过设计的可见光编码器将可见光图像从垂直和水平两个空间方向聚合特征,通过精确的位置信息对通道关系进行编码;最后,采用提出的门控融合网络自适应调节两路特征的权重分配,实现跨模态特征融合。在KAIST行人数据集上,与基准算法YOLOv5-n单独检测可见光图像和红外图像的结果相比,所提算法检测精度分别提升15.1%和2.8%;与基准算法YOLOv5-s相比,检测精度分别提升14.7%和3%;同时,检测速度在两个不同基准算法模型上分别达到117.6 FPS和102 FPS。在自建的GIR数据集上,所提算法的检测精度和速度也同样具有明显优势。此外,该算法还能对单独输入的可见光或红外图像进行目标检测,且检测性能与基准算法相比有明显提升。     

基于二维分段线性映射的图像加密方法

提出了二维分段线性映射,证明了该映射是混沌的.利用映射生成图像加密时所需的随机矩阵与随机序列,通过对原图像进行异或运算和循环移位运算,达到加密图像的目的.该方法简单、实用,实验结果表明:加密结果图像具有良好的加密效果和较高的安全性.     

基于互补空间信息的多目标进化聚类图像分割

现有的多目标进化聚类算法应用于图像分割时,没有考虑图像的任何空间信息,使得该类算法在含噪图像上的分割性能不理想。该文鉴于图像的局部空间信息和非局部空间信息的互补性,试图将这两种空间信息同时引入到聚类有效性函数中,构造了融合互补空间信息的目标函数,进而提出了应用于图像分割的基于互补空间信息的多目标进化聚类算法。该算法采用染色体可变长编码策略在进化过程中自动确定图像分割数目,减少了人为干预。自然图像的分割实验表明,该算法不但能在含噪图像上取得较为满意的分割性能,而且适用于多种类型的含噪图像。     

灰度图像的二维Otsu曲线阈值分割法

Otsu法是一个常用的阈值分割方法.为了利用图像的区域信息,本文在二维Otsu法的基础上提出了曲线阈值型Otsu法,传统的二维Otsu法可以看成是该方法的一个特例.实验结果表明,对于含噪图像,它能够获得优于传统二维Otsu法的分割效果.为了减少计算量,提高分割速度,给出了一种递归算法和一种小波变换与递归算法相结合的快速算法.该递推算法只需遍历二维直方图的主对角线和一条次主对角线,与传统Otsu法的递推算法相比,搜索空间由L×L个点减少到2L-1个点.     

可能性划分系数和模糊变差相结合的聚类有效性函数

基于可能性分布描述因子定义的可能性划分系数有随类数增加而单调递减的趋势,缺乏与数据集几何结构的直接联系。该文考虑到数据集的几何结构信息,对可能性划分系数进行改进,提出了新的聚类有效性标准。实验结果表明,该文提出的方法具有良好的分类性能。     

聚类中心的初始化方法

本文对用于聚类中心初始化的势函数的几个参数选择问题进行了讨论,给出了这些参数的两种形式。同时提出了一种新的使用密度函数法进行聚类中心初始化的方法,进行了一组对比实验,得到了令人满意的结果。     

分段Logistic混沌映射及其性能分析

分析了具有逐段线性特性的Tent混沌映射和其推广形式:分段Tent混沌映射在计算机有限精度影响下的性能.在此基础上,根据Logistic混沌映射与Tent混沌映射之间具有的拓扑共轭关系,研究了Logistic混沌映射的推广形式:分段Logistic混沌映射,通过实验分析指出用类似于分段Tent混沌映射的方式来定义分段Logistic混沌映射是不可取的.本文构造了一个全新的分段Logistic混沌映射,通过实验对该映射产生的序列的随机性、初值敏感性等性质进行了研究.结果表明,本文定义的分段Logistic混沌映射产生的序列具有良好的随机性和初值敏感性.     

基于SSE-CMM的数据网安全能力成熟度评估研究

文中为了明确中国电信数据网信息系统安全工程过程中的实施能力是否满足现实的安全需求,文中借鉴针对信息系统安全工程领域提出的具有较高可靠性的模型--系统安全工程能力成熟度模型(SSE-CMM)以及电信数据网系统结构自身特点,给出了一种电信数据网的安全能力成熟度原型评估框架及计算方法.该原型框架扣计算方法对中国电信数据网信息系统安全能力成熟度评估的实施具有一定指导价值.     

二维直线型最小误差阈值分割法

一维最小误差阈值法假设了目标和背景的灰度分布服从混合正态分布。考虑到噪声等因素对图像质量的影响,该文在二维灰度直方图上,基于二维混合正态分布假设,给出二维直线型最小误差阈值法的表达式。为了提高算法的运行速度,也给出了快速递推算法。实验表明,二维直线型最小误差阈值法是一个有效的图像分割算法,能够更好地适应目标和背景方差相差较大的含噪图像分割问题。     

三维Otsu阈值分割方法的递推算法

一维和二维Otsu法是常用的阈值分割方法,二维Otsu法对含噪图像的分割效果要优于一维Otsu法,但它存在的问题是"对象区域和背景区域上的概率和近似为1"的假设的普适性不够,鉴于此景晓军等人提出了三维Otsu法及其递归算法,使得对低对比度、低信噪比的图像有较好的分割效果.本文指出了景晓军等人给出的递推公式的错误,并进行了修正.鉴于他们给出的递推公式并不是真正意义的递推公式,本文给出了新的递推公式.实验结果表明,本文提出的递推公式进一步减少了运算时间.另外,本文还指出三维Otsu法对于叠加了混合噪声的图像有较好的分割效果.