摘要：图像中的文字自动定位是计算机视觉领域中的一个新兴研究热点。为了使得定位算法能够适应不同类型的图像和文字,根据文字所具有的特殊纹理属性,提出了一种具有普适能力的基于直方图特征和AdaBoost的文字定位算法。该算法首先通过提取对文字具有较强鉴别能力的直方图特征和引入AdaBoost算法来设计级联结构的纹理分类器;然后用该分类器的概率输出来生成文字概率图;在此基础上再通过CAMSH IFT算法得到最终的定位结果。实验结果表明,该算法具有较强的鲁棒性,能够适应文字在语种、字体、尺度等方面的变化,在不同类型的图像中都能得到较好的定位结果。

摘要：针对传统直方图特征存在的特征分辨能力不强的问题,提出了一种图像分层结构直方图.该特征首先将图像按照亮度幅值的大小进行分层,然后根据预先设计的结构图元对所有的分层图进行基于结构图元的直方图统计,最后将所得的直方图进行集成得到最终的分层结构直方图.以图像匹配与视觉跟踪为例,对分层结构直方图的应用进行了大量的仿真实验,结果表明该特征较参考特征具有更强的特征分辨性能和局部描述能力.利用分层结构直方图进行图像匹配得到的相似性度量图单峰特性更加明显,能够显著降低视觉跟踪算法的跟踪误差.

摘要：针对传统的人脸识别技术在光照变化较大的环境中识别性能下降的情况,提出一种基于LBP理特征和MB-LBP加权融合的特征提取方法。分别提取每幅人脸图像的标准LBP分块直方图特征、圆形邻域LBP分块直方图特征以及MBLBP分块直方图特征,将3种特征分别用支持向量机处理,得到其投票结果矩阵;按照一定的权重比进行加权融合,将融合后投票结果矩阵的最大值作为最终的识别结果。分别在ORL和AR人脸库中进行实验检测,实验结果表明,与传统的特征提取方法以及单独的LBP特征提取方法相比,该方案可以使人脸识别率得到显著的提高。

摘要：传统抗恶意代码攻击算法无法区分恶意代码类别,抗攻击行为不具有针对性,导致传统算法的抗攻击成功率偏低。为此提出基于改进深度森林的抗恶意代码攻击算法。采用Gamma校正法对缩放处理后的灰度图像完成色彩空间规范性处理,确定灰度图像梯度后构建其梯度方向直方图,在块内归一化梯度直方图后采集方向梯度直方图特征。以方向梯度直方图特征为输入,采用深度森林算法划分恶意代码类别。计算深度森林各级级联结构内的不同类别恶意代码概率均值,构建四维增强特征向量,将其作为下级输入,改进深度森林算法,提升算法收敛速度,完成抗恶意代码攻击算法的设计。仿真结果验证了上述算法针对不同恶意代码类型抗攻击成功率均高于70%,具有更强的应用性。

摘要：针对机场跑道深度图像,研究并提出了基于深度特征和Adaboost的机场跑道异物识别算法。文中采用分水岭分割方法将可疑的异物区域分割出来。然后在提取深度特征的基础上,采用Adaboost分类器实现异物识别。实验结果表明该算法能够准确地完成机场跑道的异物识别。