簡介：點擊查看更多軍事圖片篡改檢測系統(tǒng)的設(shè)計與實現(xiàn).pdf精彩內(nèi)容。

簡介：隨著我國的解放軍和武警部隊正式放開使用智能手機的管制，智能手機進入軍營和警營，手機泄密問題也正成為軍隊為之頭痛的棘手問題之一。當(dāng)前的武警官兵多以90后為主，他們喜歡將自己的軍裝照發(fā)布在微博、朋友圈等社交媒體。由于在部隊內(nèi)部拍攝的照片含有大量的機密信息，也就存在非常大的泄密風(fēng)險。利用圖像處理技術(shù)可以有效解決警營圖片泄密的問題，圖像分割和圖像融合技術(shù)是圖像處理中常用的兩大技術(shù)。交互式分割由于具有可交互性、分割效果好等特點，在圖像分割領(lǐng)域的應(yīng)用越來越廣泛。圖像融合技術(shù)發(fā)展于信息融合技術(shù)，其目的是將兩幅或兩幅以上的圖像目標(biāo)信息進行融合，從而得到新的目標(biāo)圖像。本論文研究和開發(fā)的警營圖片去密化系統(tǒng)主要是利用圖像分割中的GRABCUT算法和圖像融合技術(shù)中的泊松融合算法，在ROID平臺上實現(xiàn)對于警營圖片中人物信息與涉密場景的分割，并且提供新的不包含涉密信息的背景圖片，實現(xiàn)分割后的人物圖像與新的背景圖片的融合及最終結(jié)果的保存。目前在武警和解放軍內(nèi)部發(fā)布的軟件中還沒有類似的圖片處理軟件出現(xiàn)，該軟件的出現(xiàn)將為全軍官兵在手機端解決圖片去密化問題提供便利。在圖像讀取上，該系統(tǒng)使用了ROID平臺上的圖像讀取模塊以及攝像頭捕獲圖像技術(shù)在圖像分割時系統(tǒng)設(shè)計了矩形交互和前景、背景標(biāo)記兩次交互，從而達(dá)到更好的分割效果在圖像融合時，該系統(tǒng)將膨脹算法與泊松融合算法相結(jié)合，從而使得分割后的前景圖片與背景圖片能夠達(dá)到更好的融合效果。同時該系統(tǒng)使用了部分OPENCV視覺庫，實現(xiàn)了圖像的分割和融合。該系統(tǒng)最終實現(xiàn)了對于警營涉密軍事圖片的去密化，通過實驗和測試效果來看，能夠較好地完成涉密圖像的分割以及后期的融合，實現(xiàn)去密化的效果。

簡介：構(gòu)建服裝的虛擬模型在許多領(lǐng)域都有著非常廣泛的應(yīng)用，近年來許多服裝重建新技術(shù)被提出來，其中大部分算法都需要服裝的多視角視圖，但是很多情況下服裝的多視角視圖是不具備的，特別是很多網(wǎng)站上的服裝圖片。因此本文提出了一種基于單張圖片的服裝重建方法，我們的方法僅需要很少量的交互，就能產(chǎn)生具有真實感的3D服裝。本文研究了一種基于單張圖片的服裝建模的算法，算法中輸入的單張圖片不需要額外的信息。圖片首先需要經(jīng)過預(yù)處理，通過SVM結(jié)合HOG進行行人檢測，自動獲得人物區(qū)域，通過GRABCUT算法獲取人物輪廓。采用了一個基于SVMSUPPTVECTMACHINE，KNNKNEARESTNEIGHB兩種機器學(xué)習(xí)模型的服裝解析器對服裝進行解析，解析出服裝類型，并找出對應(yīng)的服裝面片樣板。再利用BOWYERWATSON三角剖分，對圖片中的服裝輪廓進行三角剖分生成DELAUNAY網(wǎng)格。根據(jù)最近點匹配原則，通過ASRIGIDASPOSSIBLE形狀操作實現(xiàn)服裝輪廓網(wǎng)格剛性形變操作，將服裝紋理和服裝樣板匹配，生成具有真實感紋理和縫合信息的服裝面片。最終實現(xiàn)了從一張服裝圖片到質(zhì)量尚可的服裝模擬。本文還實現(xiàn)對服裝樣板進行參數(shù)化調(diào)整的程序，針對服裝樣板提出基于遺傳算法的排版算法。

簡介：隨著數(shù)字圖片的爆發(fā)式增長和對圖像檢索需求的日益旺盛，圖片自動標(biāo)注越來越受到人們的關(guān)注，識別圖片中的一個或多個特定人是社交領(lǐng)域中常見的需求如FACEBOOK，GOOGLEPICASA等，他們都有圖片標(biāo)記服務(wù)。對圖片中朋友的標(biāo)記能夠更好的與朋友分享快樂，同時在海量圖片中也可以快速的檢索出某個朋友的照片集合。通常的標(biāo)注方法有手動標(biāo)注和圖片自動標(biāo)注。手動標(biāo)注就是用戶在拍完照片后手動地標(biāo)注被拍照者的姓名等信息，這樣效率低，工作量大且易出現(xiàn)失誤。傳統(tǒng)的圖片標(biāo)注都是基于圖像分析算法，復(fù)雜度較高，并且精度不能令人滿意。而本文提出的基于多普勒效應(yīng)的圖片標(biāo)注應(yīng)用是人們在拍完照片后便自動對照片中的人進行標(biāo)注，圖片標(biāo)注的精度和復(fù)雜度都有很大的改進。本論文采用聲波的多普勒頻移作為識別接收設(shè)備的特征。由于不同接收設(shè)備所處的位置不同，則接收聲波的頻率也不同。根據(jù)設(shè)備接收的聲波頻率的大小來判別各個設(shè)備的相對位置，從而得知持有該設(shè)備的人在圖片中的相對位置，這樣就可以在圖片中標(biāo)注被拍照者的姓名等信息。實現(xiàn)此功能需要解決兩大挑戰(zhàn)1）、當(dāng)給人群中的部分人拍完照后，如何區(qū)別開這部分出現(xiàn)在照片中的人和其他不出現(xiàn)在圖片中的人。2）、如何將每個標(biāo)記信息與圖片中對應(yīng)的人準(zhǔn)確關(guān)聯(lián)。為解決這兩個挑戰(zhàn)，我們提出了一個應(yīng)用在手機上的基于多普勒效應(yīng)的方案。首先拍照者拍完照后移動手機并通過揚聲器發(fā)送20KHZ的正弦波，被拍照者的手機對接收的聲波信號以441KHZ的速率進行采樣，并通過10階巴特沃茨帶通濾波器來衰減低于19KHZ和高于21KHZ的頻率分量。再對濾波后的信號進行欠采樣處理后，對欠采樣后的音頻樣本以10MS間隔，75％的重疊率進行加窗函數(shù)分幀，然后對每一幀的樣本進行FFT計算，選擇在所有幀中，頻率值最大的那個作為被拍照者的手機接收到的聲波頻率，此后被拍照者的手機通過網(wǎng)絡(luò)向拍照者的手機回復(fù)頻率和用戶名，拍照者的手機根據(jù)接收的信息自動完成圖片標(biāo)注功能。基于以上描述，本論文設(shè)計和實現(xiàn)了高精度檢測多普勒頻移和圖片自動標(biāo)注系統(tǒng)，并在7個ROID手機上實現(xiàn)該方案，且在不同的真實場景中拍照測試。實驗結(jié)果顯示，在3米范圍內(nèi)，圖片自動標(biāo)注的準(zhǔn)確度高于85。同時也與現(xiàn)有的系統(tǒng)PICASA進行了比較，比較的結(jié)果表明本系統(tǒng)和PICASA系統(tǒng)在正確率和虛報率指標(biāo)上都具有良好的表現(xiàn)，在召回率上，本系統(tǒng)性能優(yōu)于PICASA系統(tǒng)。

簡介：隨著社交時代的到來，越來越多的人們選擇通過網(wǎng)站或者應(yīng)用程序例如FLICKR分享自己的圖片，并且通過文本評論的方式與其他人進行互動。精準(zhǔn)識別大量此類圖片傳達(dá)的情感在很多方面被證明有十分重要的研究價值和應(yīng)用價值，比如圖片檢索和社交媒體分析。因此，圖片情感分析在近幾年得到越來越廣泛的關(guān)注和研究，而跨域的圖片情感分類更是一個充滿挑戰(zhàn)的研究課題。例如，不同領(lǐng)域間的圖片內(nèi)容本身存在較大的差異性，而且不同領(lǐng)域間用來表達(dá)圖片情感傾向的特征更是千差萬別。本文針對跨域的圖片情感分類這個熱門且新穎的課題進行討論和研究，并提出該問題的有效解決方案。當(dāng)前已經(jīng)有一些研究方法可以用來解決圖片情感分類問題，其中絕大多數(shù)都是通過在大量有標(biāo)記的訓(xùn)練集上提取圖片的視覺特征進行有監(jiān)督學(xué)習(xí)，訓(xùn)練經(jīng)典的機器學(xué)習(xí)分類模型，比如支持向量機SVM、樸素貝葉斯NB等。然而，在解決跨域的圖片情感分類問題上，這些方法卻稍顯不足。這些方法在解決該問題時面臨的主要挑戰(zhàn)包括1大量的有標(biāo)記數(shù)據(jù)是有監(jiān)督學(xué)習(xí)方法賴以存在的基礎(chǔ)，雖然現(xiàn)在我們可以很容易的得到上百萬甚至上億的圖片數(shù)據(jù)，但是對這些原始數(shù)據(jù)進行正確的情感標(biāo)注卻是耗時耗力的工程2在真實的應(yīng)用程序中通常存在大量的圖片域（比如FLICKR有1，187個域1），而不同領(lǐng)域間的圖片即使有相似的視覺特征，其所表達(dá)的情感傾向也有可能是相反的，如圖12所示，“FACE”領(lǐng)域的負(fù)向圖片和“CAR”領(lǐng)域的正向圖片具有相似的色彩柱狀圖3在每個領(lǐng)域上訓(xùn)練特定的圖片情感分類模型必然要求每個領(lǐng)域上都有大量有標(biāo)記的訓(xùn)練數(shù)據(jù)，又回到挑戰(zhàn)1，而在整體數(shù)據(jù)集上訓(xùn)練通用的分類模型則會造成其在每個領(lǐng)域上的表現(xiàn)效果可能都不盡如人意。因此，在已知含標(biāo)記數(shù)據(jù)的域即源域和不含標(biāo)記數(shù)據(jù)的域即目標(biāo)域的前提下，如何訓(xùn)練出針對目標(biāo)域圖片數(shù)據(jù)的情感分類模型，即解決跨域的圖片情感分類問題是一個迫在眉睫的研究課題。本文對真實的社交數(shù)據(jù)集比如FLICKR進行一系列統(tǒng)計和分析，針對當(dāng)前研究成果存在的不足，提出帶權(quán)重的協(xié)同訓(xùn)練方法CODS來解決跨域的圖片情感分類問題。該方法的提出主要基于以下幾點事實1伴隨著圖片出現(xiàn)的通常有一些文本數(shù)據(jù)，比如來自其他人的評論，并且這些評論數(shù)據(jù)通常包含評論人的情感信息，而評論文本的情感傾向通常和圖片的情感傾向一致2雖然不同領(lǐng)域間的圖片特征有很大差異，但是源域和目標(biāo)域圖片和文本間仍存在一些共性特征有待挖掘。因此，在訓(xùn)練分類模型時，本文提出帶權(quán)重的協(xié)同訓(xùn)練方法。該方法不僅考慮圖片數(shù)據(jù)，也將圖片相對應(yīng)的文本數(shù)據(jù)考慮在內(nèi)，分別計算源域和目標(biāo)域之間圖片和文本相似度作為圖片和文本情感分類模型的權(quán)重，并不斷迭代擴充訓(xùn)練集以達(dá)到提升訓(xùn)練模型效果的目的。本文在真實的FLICKR數(shù)據(jù)集上對提出的帶權(quán)重的協(xié)同訓(xùn)練方法做了大量詳盡的實驗，并將該方法和之前的在圖片的情感分析課題上的歷史研究成果進行對照。實驗結(jié)果表明本文提出的方法在跨域的圖片情感分類問題上的表現(xiàn)效果優(yōu)于其他幾個已存在方法，給該課題的進一步研究提供重要的參考價值。

簡介：隨著專變終端、公變終端全覆蓋安裝，以及開閉所、環(huán)網(wǎng)站等相關(guān)斷路器位置采集的配電自動化不斷推進，加之集成變電站自動化的采集數(shù)據(jù)，中壓配電網(wǎng)在線定時潮流計算、態(tài)勢感知、態(tài)勢可視化的技術(shù)條件也日益滿足。機器學(xué)習(xí)算法近年來活躍在各個研究領(lǐng)域中，處理數(shù)據(jù)的歸納、推理、演算、模擬等應(yīng)用場景，以其非凡的切片數(shù)據(jù)分析效果和精準(zhǔn)的數(shù)據(jù)分類判定效果，深受各個領(lǐng)域研究者們的推崇。SVG（SCALEVECTGRAPHIC）圖片格式是全球電力系統(tǒng)統(tǒng)一的圖形格式。隨著電力系統(tǒng)可視化技術(shù)研究的應(yīng)用和推廣，已積累了大量SVG格式的時間戳圖片，每幅圖中含有大量切片數(shù)據(jù)。若能將SVG格式中的圖片信息以數(shù)據(jù)形式提取，并對其進行算法推演建模，圖形中的信息也許能得到更為有效充分得利用。本研究主要內(nèi)容包括⑴分析了國內(nèi)外電力系統(tǒng)可視化的發(fā)展?fàn)顩r，指出對于電網(wǎng)的實時圖形和數(shù)據(jù)主要應(yīng)用在電網(wǎng)可視化、可靠性分析、故障診斷等方面；了解到科學(xué)計算的目的是了解事物本質(zhì)，而不僅僅是獲得數(shù)據(jù)。如果沒有建立合適的數(shù)學(xué)模型，數(shù)據(jù)難以轉(zhuǎn)化為信息，反而數(shù)據(jù)的存儲、傳輸本身需要很大的成本，并指出SVM算法預(yù)測評估，并綜述了該方法的應(yīng)用案例；提出了SVM算法需要的圖形圖像數(shù)據(jù)的特征向量提取步驟的一些方法；討論了SVM算法一般過程，并在對RBF核函數(shù)SVM算法深入了研究。⑵基于變電站為中心的配電網(wǎng)電壓等高線態(tài)勢圖片的特征向量提取模型及其降維方法方面的研究。該部分是圖形態(tài)勢評估的基本數(shù)據(jù)準(zhǔn)備階段，是態(tài)勢模型建立的重要環(huán)節(jié)。提取合適的特征向量對SVM模型的建立有非常重要的影響，對于模型評估的精度效果，這也是關(guān)鍵影響因素之一。本部分先給出了配電網(wǎng)態(tài)勢圖形格式SVG格式的介紹，之后提出了基于圖形SVG格式的特征向量提取模型，為之后的SVM模型的分析和建立提供數(shù)據(jù)支持，并提出了基于JAVA編程語言的模型提取方法。⑶基于聚類分析和SVM算法的電壓合格率預(yù)測模型研究。該部分先敘述了電壓合格率值的定義，以及其對電網(wǎng)運行可靠性及決策的意義，接著提出了電壓合格率值計算模型，再介紹了根據(jù)圖形提取的特征向量和電壓合格率的RBF核函數(shù)的SVM算法模型的建立方法，然后建立了兩種SVM預(yù)測模型，分別是聚類前和聚類后的模型，其中SVM算法的參數(shù)尋優(yōu)使用到了遺傳算法，最后進行結(jié)果對比分析。⑷基于SVM分類模型的電壓合格率精確值圖形特征向量SVM模型研究。該部分先提出了基于SVM算法超平面分隔法的電壓合格率精確值圖形計算模型，并介紹了SVM算法RBF核函數(shù)的低維空間高維空間的映射理論，然后提出了電壓合格率精確值圖形特征向量SVM計算模型，最后使用大樣本、小樣本測試集進行模型精確率測試分析與評價。

簡介：隨著計算機和信息技術(shù)的高速發(fā)展，移動端的軟件開發(fā)也得到了迅速的普及，擁有了更多的功能和性能?，F(xiàn)在更多人習(xí)慣于在手機上將圖片進行處理并將信息分享在網(wǎng)絡(luò)上，從而出現(xiàn)了較多的圖片處理應(yīng)用程序。本文以此為背景，設(shè)計了一項基于IOS平臺的圖片集成處理器。本研究通過分析目前的智能手機可采集的信息，總結(jié)出圖片集成處理器應(yīng)具備的功能。接下來確定系統(tǒng)的總體架構(gòu)與設(shè)計模式并根據(jù)每個功能模塊的需求分析對其進行相應(yīng)的實現(xiàn)和有效的劃分。本設(shè)計首先將IOS移動端的圖片瀏覽功能與圖片編輯功能集成為一體，并且在圖片瀏覽模塊中利用了ICAROUSEL技術(shù)實現(xiàn)了圖片的多種特殊瀏覽模式。系統(tǒng)的部分模塊中運用到了貝塞爾曲線技術(shù)實現(xiàn)了多種視圖動畫效果。而且在圖片截取處理方面，獨立設(shè)計了GUIRREGULARVIEW框架，并利用貝塞爾曲線以及MASK遮罩層技術(shù)、DRAWPATH方法的重寫等實現(xiàn)相應(yīng)的功能。在圖片的濾鏡處理和模糊處理中，本設(shè)計根據(jù)數(shù)字圖像相關(guān)知識并添加IMAGEUTIL框架以及對相應(yīng)的卷積函數(shù)進行調(diào)用實現(xiàn)了圖像的具體處理。最后，將應(yīng)用程序分別運行在模擬器和真機設(shè)備中，并利用INSTRUMENT工具對應(yīng)用程序進行功能和性能的測試。軟件采用的是MVC設(shè)計模式，可以將控制器、視圖、模型進行有效的劃分。從功能上主要分為登錄模塊、選擇模塊、圖片瀏覽模塊、圖片處理模塊、圖片截取模塊、濾鏡處理模塊、模糊處理模塊等幾個部分。處理后的圖片可以保存到本地或者分享到網(wǎng)絡(luò)，比如微信、QQ、微博等。

簡介：學(xué)號104754140870分類號TP391碩士學(xué)位論文碩士學(xué)位論文（專業(yè)學(xué)位）（專業(yè)學(xué)位）基于卷積神經(jīng)網(wǎng)絡(luò)的圖片數(shù)字識別系統(tǒng)設(shè)計與實基于卷積神經(jīng)網(wǎng)絡(luò)的圖片數(shù)字識別系統(tǒng)設(shè)計與實現(xiàn)專業(yè)學(xué)位領(lǐng)域計算機技術(shù)專業(yè)學(xué)位類別工程碩士申請人石乾磊指導(dǎo)教師韓志杰（副教授）二〇一七年六月THEDESIGNIMPLEMENTOFIMAGEDIGITALRECOGNITIONSYSTEMBASEDONCONVOLUTIONNEURALWKADISSERTATIONSUBMITTEDTOTHEGRADUATESCHOOLOFHENANUNIVERSITYINPARTIALFULFILLMENTOFTHEREQUIREMENTSFTHEDEGREEOFMASTEROMMASTERFENGINEERINGSCIENCEMASTEROFENGINEERINGBYSHIQIANLEISUPERVISASSOPROFHANZHIJIEJUNE2017

簡介：隨著科學(xué)技術(shù)不斷地發(fā)展與創(chuàng)新，互聯(lián)網(wǎng)使人們獲取資源和信息的方式越來越便捷與高效，但這也給數(shù)字媒體侵權(quán)和資源非法占用等提供了便利，對互聯(lián)網(wǎng)產(chǎn)業(yè)的安全與穩(wěn)定產(chǎn)生了嚴(yán)重的影響。因而數(shù)字水印作為版權(quán)保護和信息認(rèn)證的有效手段，在許多領(lǐng)域得到了廣泛地研究與運用。近些年，隨著一些新興技術(shù)的不斷涌現(xiàn)，對數(shù)字水印的安全性能構(gòu)成了威脅。因而為了保證水印信息的完整性、有效性以及安全性，不僅需要數(shù)字水印具備高強度的隱蔽性和魯棒性，而且還需要逐步實現(xiàn)多元化。為了提升數(shù)字水印抵抗外界攻擊的能力，文中提出了一種結(jié)合快速響應(yīng)碼（QR）、混沌系統(tǒng)和DWTDCT的魯棒性水印方案。首先通過混沌系統(tǒng)產(chǎn)生的混沌序列對QR進行加密；然后將宿主圖片進行DWT操作，并對低高頻子帶進行44分割和DCT操作；最后利用水印信息產(chǎn)生22矩陣，疊加到DCT變換后矩陣的右上角。在水印信息提取時，通過對比疊加矩陣中的元素并統(tǒng)計元素變化率，以此確認(rèn)提取的水印信息。模擬實驗分析表明，該方案不僅能夠增強水印信息的透明性，而且在涂畫、切割、噪聲、過濾和JPEG壓縮等攻擊中具備較強的抗攻擊能力。隨著在線圖片識別和圖片處理技術(shù)的快速發(fā)展，圖片信息地提取準(zhǔn)確率越來越高，使圖片驗證碼的安全性受到嚴(yán)重的威脅。因此文中針對該現(xiàn)象，結(jié)合數(shù)字水印的特性，提出一種基于數(shù)字水印圖片驗證碼的方案。首先使用混沌加密算法對水印信息進行加密，確保水印信息的安全性；隨后根據(jù)需求將水印信息進行嵌入；當(dāng)用戶訪問網(wǎng)頁時，利用產(chǎn)生的隨機數(shù)選擇圖片；當(dāng)用戶鼠標(biāo)經(jīng)過圖片時，提示框呈現(xiàn)相應(yīng)的提示詞，用戶通過匹配提示詞與圖片信息確定是否選擇該圖片。實驗仿真結(jié)果表明，文中算法中水印信息的提取平均耗時和服務(wù)器響應(yīng)時間較短并且水印信息還具備較強的敏感性。因而通過定期變更嵌入水印信息，不僅可以區(qū)分相近的驗證碼圖片，而且還能夠提升互聯(lián)網(wǎng)中交互平臺的安全性。

簡介：隨著社交媒體和移動多媒體的發(fā)展，社交圖片網(wǎng)站如FLICKR提供了大量由不同用戶進行文本標(biāo)注的圖片。社交圖片往往附帶多種信息，譬如視覺特征、標(biāo)簽和用戶等。一般僅對單一特征進行管理，或使用普通圖對語義網(wǎng)絡(luò)進行表示。然而，單一特征只能表示某方面的相關(guān)性，不能用來表示真實的語義關(guān)聯(lián)。由于普通圖不能夠表示高維關(guān)系，故造成了信息缺失，因而需要一個框架來融合多種特征信息和表示高維關(guān)系，并能進行有效的檢索和管理。本研究使用超圖模型對社交圖片進行建模，因為社交圖片多種信息間的關(guān)系比成對關(guān)系更加復(fù)雜。基于超圖模型，給出了一個可擴展的交互式圖片檢索和標(biāo)注系統(tǒng)HIRT該系統(tǒng)利用個性化PAGERANK度量結(jié)點之間的相似度，并使用TOPK查詢以支持相似圖片檢索、關(guān)鍵字圖片檢索和圖片標(biāo)注等功能。為了保證系統(tǒng)的可擴展性和高效性，利用批量技術(shù)、并行技術(shù)和緩沖技術(shù)提出了四種高效方法來計算轉(zhuǎn)移概率矩陣，并將其存儲于磁盤上的B樹中，同時開發(fā)了并行和近似的個性化PAGERANK算法以進一步加速TOPK查詢。此外，一種基于群體計算的交互式方法也被提出以提升TOPK查詢的質(zhì)量。最后在大規(guī)模FLICKR數(shù)據(jù)集上的大量實驗評估證實，相較于現(xiàn)有的系統(tǒng)和技術(shù)，所提出的HIRT系統(tǒng)具有更好的效率和可擴展性。

簡介：腦機接口BRAINCOMPUTERINTERFACE，BCI是一種不依賴于大腦的正常輸出通路（外圍神經(jīng)和肌肉組織）而使人類大腦直接與計算機或外部設(shè)備進行通信的技術(shù)?；谀X電圖信號（ELECTROENCEPHALOGRAM，EEG）的腦機接口方法具有操作方便，成本低以及其無創(chuàng)性等優(yōu)點，是當(dāng)前腦機接口研究的主要方向。腦機接口系統(tǒng)的研究有明確的臨床應(yīng)用背景，因此實時在線系統(tǒng)的設(shè)計和實現(xiàn)有著重要的意義。磁共振成像（MRI）對受試者的觀察發(fā)現(xiàn)，受試者在進行場景模式學(xué)習(xí)時，大腦的后海馬區(qū)與后海馬旁回興奮度明顯加強；而在進行臉部辨別學(xué)習(xí)時，大腦的邊緣皮層、前海馬區(qū)和后梭狀回興奮度增強。本文根據(jù)以上觀察結(jié)論給出一種利用人臉圖片和場景圖片作為刺激源，來檢測受試者后海馬區(qū)、后海馬旁回以及邊緣皮層、前海馬區(qū)和后梭狀回附近腦電信號的方法，對受試者在進行人臉圖片刺激與場景圖片刺激時不同腦電信號進行在線區(qū)分。本研究中腦電信號的偽跡去除方法采用指數(shù)移動平均算法。腦電信號的分類采用了兩種分類算法一種是利用基于多項式核函數(shù)的投票感知器為弱分類器的ADABOOST算法；另一種是懲罰邏輯回歸算法。研究中所用到的腦電信號采集設(shè)備EMOTIVEPOC是一種干電極腦電信號采集放大器。本文首先通過離線實驗驗證了基于人臉圖片和場景圖片腦機接口系統(tǒng)的可行性，6名參與測試的受試者，其離線實驗的分類成功率都超過了70％。在線實驗是用分類后的腦電信號來實現(xiàn)基于以太網(wǎng)供電（POWEROVERETHER，POE）的智能照明亮度的控制，6位受試者在設(shè)定范式下的控制成功率都超過了70％，系統(tǒng)達(dá)到65BITSMIN的平均信息傳輸速率，很好的實現(xiàn)了智能照明的階梯控制。腦機接口與POE結(jié)合，給出了一種新的智能家居控制思路，這套基于便攜式干電極腦電采集器的腦機接口系統(tǒng)，可以使腦機接口控制系統(tǒng)走出實驗室，將為改善神經(jīng)肌肉疾病患者的日常生活帶來幫助。

簡介：科技的發(fā)展使信息處理方式突飛猛進，“信息資料電子化”的潮流吸引著各行各業(yè)的加入?；贠PTICALACTERRECOGNITIONOCR的文檔圖片識別因速度塊、識別從而準(zhǔn)確越來越備受各大企業(yè)、黨政機關(guān)的青睞。與傳統(tǒng)的手工錄入模式相比較，OCR的智能信息錄入具備強大的優(yōu)勢，速度方面OCR識別也遠(yuǎn)快于手工錄入模式，不僅使大批人力資源得到節(jié)省，資源配置得到優(yōu)化，還使人員從繁瑣的機械式工作中解脫出來，而去專注愈加有需要的工作上。OCR技術(shù)由于在數(shù)據(jù)收集計劃方面可以為用戶提供低成本、高效率，所以可以有力的支持業(yè)務(wù)快速發(fā)展。因此，大量的圖片自動識別系統(tǒng)及APP軟件應(yīng)運而生。例如身份證的識別、票據(jù)的自動識別、車牌的自動識別。在此類產(chǎn)品中，都是固定了某種識別對象用特定的識別程序去識別。顯然，當(dāng)用戶識別多個文檔圖像對象時，這種單處理對象模式將顯得很棘手，因此，有必要開發(fā)一種能針對一般的文檔圖片，由程序自動判別文檔類型，以及對信息進行提取的系統(tǒng)。基于上述的需求，本文提出一種基于OCR的多種文檔圖片識別系統(tǒng)。其中包括論文首頁的圖片、公文圖片、名片圖片等文檔圖片。該系統(tǒng)可以自動對輸入的圖片進行判別識別，并提取圖片信息。本文主要從圖片預(yù)處理、文檔圖片檢測、版式分析及信息提取三個模塊來描述提出的系統(tǒng)。圖片預(yù)處理中的椒鹽去噪是本系統(tǒng)的重要創(chuàng)新點之一，通過比較近幾年各大期刊發(fā)表的相關(guān)論文，本文提出的椒鹽去噪無論在高噪聲還是低噪聲，都有較好的效果。其次在圖片的傾斜矯正方面，本文基于投影的改進算法在確保精度的條件下，加快了尋找傾斜角度的速度。在文檔檢測方面，利用ADABOOST算法來組合弱分類器進而對圖片分類，檢測出文檔圖片。版式分析技術(shù)是基于改進的聚類算法來分析。圖片的內(nèi)容提取主要利用先驗的規(guī)則庫，以及通過貝葉斯概率來獲得。

簡介：互聯(lián)網(wǎng)進入WEB20時代之后，互聯(lián)網(wǎng)內(nèi)容從由網(wǎng)站產(chǎn)生轉(zhuǎn)變?yōu)橛捎脩糁鲗?dǎo)產(chǎn)生。隨著互聯(lián)網(wǎng)用戶基數(shù)不斷增加，互聯(lián)網(wǎng)計算和儲存規(guī)模也日益擴大，單臺的服務(wù)器早已不能夠勝任高吞吐率、高并發(fā)、高可靠的要求，分布式計算應(yīng)運而生。分布式系統(tǒng)采用分而治之的思想，將總存儲和計算量分布到多臺服務(wù)器上，使得整個系統(tǒng)能夠獲得更高的性能。如今，具備一定規(guī)模的公司都在研究并實施分布式方案，以求在保證高性能的前提下，節(jié)約成本。分布式的圖片服務(wù)伴隨著互聯(lián)網(wǎng)的發(fā)展而出現(xiàn)。大型的社交網(wǎng)絡(luò)如FACEBOOK、騰訊，大型的電商平臺如淘寶、京東，以及其他大型的在線相冊服務(wù)等都對圖片服務(wù)有著極大的依賴。這些網(wǎng)站后臺儲存的圖片數(shù)量規(guī)模都達(dá)到了千億級別，如何支持如此大規(guī)模的圖片儲存和處理成了一個亟待解決的問題。一方面，互聯(lián)網(wǎng)圖片具有小而多的特點，類似GFS的傳統(tǒng)分布式文件系統(tǒng)不適合這樣的海量小文件的存儲；另一方面，圖片應(yīng)用常常需要同一圖片的不同尺寸版本，如何使得圖片服務(wù)能夠支持提供定制尺寸的圖片是一個具有現(xiàn)實意義的課題。所以，本課題的目的在于研究和實現(xiàn)一個高性能的分布式圖片服務(wù)器系統(tǒng)WIMG。WIMG借鑒傳統(tǒng)分布式MASTERSLAVE的架構(gòu)，采用分布式的存儲和分布式的處理，采用緩存和保存新圖片的策略，能夠提供高性能的圖片服務(wù)，整體架構(gòu)穩(wěn)定可靠、可擴展。WIMG提供了簡單易用的客戶端接口，使得WIMG可以很方便的作為個人應(yīng)用或者網(wǎng)站系統(tǒng)的圖片存儲后端。

簡介：數(shù)字圖像來源取證一直是圖像取證領(lǐng)域的一個重要分支。隨著技術(shù)的發(fā)展，拍照設(shè)備功能的逐漸強大，特別是手機拍照越來越普遍。因此，拍照設(shè)備圖片來源的檢測也顯得越來越重要。本文提出了一種用于圖片來源檢測的設(shè)備參考模式噪聲提取改進算法，該算法首先提取所有圖片的傳感器模式噪聲，接著根據(jù)用插值法得到顏色其噪聲方差小于真實顏色的噪聲方差這個特點濾除插值顏色的噪聲，獲取所有圖片真實的傳感器模式噪聲，然后根據(jù)圖片的紋理和亮度的乘積計算出每張圖片傳感器模式噪聲在設(shè)備參考模式噪聲中所占的比重，從而計算出設(shè)備的參考模式噪聲。另外，本文針對很多算法在圖片場景是夜間的情況時檢測效果差，提出綜合紋理和亮度的夜間場景圖片來源檢測算法。該算法首先將圖片分成若干個區(qū)域分別提取模式噪聲，然后根據(jù)圖片的紋理和亮度分類處理這些噪聲。給予紋理復(fù)雜的區(qū)域提取模式噪聲要抑制紋理的干擾，而對光線昏暗的區(qū)域提取的模式噪聲要進行增強。對于紋理復(fù)雜并且光線又昏暗的區(qū)域提取的模式噪聲，要同時抑制紋理干擾和增強模式噪聲。

簡介：客觀世界是三維的，對三維物體進行分析在很多領(lǐng)域都有重要應(yīng)用，利用簡單的二維信息獲得三維模型是人們一直探索的主題?，F(xiàn)在有很多種重建三維人臉模型的方法，可以根據(jù)單幅圖像或多幅圖像序列重建三維人臉模型，或者利用硬件設(shè)備掃描進行三維重建。單視圖的三維人臉重建是根據(jù)一張人臉正視圖來擬合標(biāo)準(zhǔn)人臉模板，會丟失深度信息。而多視圖的三維重建只需幾幅人臉圖片就可以重建三維人臉點云，總的來說，設(shè)備要求比較低，實現(xiàn)起來比較容易。本文主要內(nèi)容是基于多幅圖像序列進行人臉表面重建，利用標(biāo)定好的相機從不同角度拍攝被測人臉的三到六副圖像，對人臉特征點進行特征提取和圖片序列的特征點匹配，然后獲得人臉的三維稀疏點云，對點云進行精簡和優(yōu)化，得到最后的三維人臉模型。本文的主要貢獻如下（1）本文提出了一種局部特征和全局特征加權(quán)的特征提取算法。局部特征可以提取人臉關(guān)鍵特征點，但是沒有全局特性，不能獲得人臉主輪廓特征點；而全局特征可以。本算法利用多層卷積網(wǎng)絡(luò)的深度學(xué)習(xí)方法定位人臉全局特征點，在此基礎(chǔ)上對人臉進行局部特征提取，獲得更多有效人臉特征點。實驗結(jié)果表明局部特征和全局特征的加權(quán)特征提取算法對人臉特征點的提取效果表現(xiàn)好。（2）本文提出了一種鄰近點比值選擇的人臉特征點匹配算法，對于多個相似特征點的選擇，我們針對人臉特征比值選擇適合的閾值，并通過實驗選擇適合的比值閾值，該算法提高了人臉特征匹配的正確率。（3）本文提出了一種點云精簡配準(zhǔn)優(yōu)化算法，引用敏感哈希查找鄰近點的思想，將三維點云映射到一個平面上，減少了鄰近點云的查找時間，效率大大高于基于KD樹優(yōu)化算法。