摘要：对图像特征角度信息的配准,能够有效提高静态图像的特征准确性以及其清晰度。对静态图像区域特征角度信息的配准,需要先对图像进行降噪处理,获得静态图像目标初始特征角度,完成对图像特征角度信息的配准。传统方法构建静态图像尺度空间,采用相对灰度直方图来表征特征角度信息,但忽略了对图像初始特征角度的获取,导致配准精度偏低。提出静态图像区域特征角度信息配准方法。对静态图像进行分割,抑制图像区域背景中同目标区域差异较大区域所形成的噪声。应用特征角度变换将静态图像区域特征转换为特征角度系数,在特征角度变换域分离信号和噪声并完成静态图像降噪处理,接着采用优化后的特征角度系数重建静态图像,在图像域利用形态学方法获得目标初始特征角度,实现静态图像区域特征角度信息配准。实验结果表明,上述方法图像分割结果明确,特征配准率较高。

摘要：互联网犯罪问题日益严峻,云取证也存在数据取证效率低、完整度不高问题。由此提出一种基于并行挖掘大数据的无损云取证模型。把较小数据集当作并行挖掘单元,采用数据属性稠密化方法挖掘通信单元间的关联规则,使用全局通讯模式连接每个单元,增强云通信效果,提高云取证效率;分块采集犯罪数据,运用子带量化预测法压缩初始数据,通过量化压缩数据完成初始信号预测,再无损还原量化数据,推算预测差值矩阵数值;以计算机取证为前提,利用虚拟化技术与和协作技术构建无损云取证模型,让主机和服务器集群共同协作,用最小代价完成取证工作。仿真结果表明,上述模型可及时响应用户需求,取证速率较高,为网络犯罪取证工作提供有效借鉴。