基于FCM聚类和模板匹配的视频马赛克检测方法，梁志敏，李文生，马赛克是数字电视节目中常见的一种视频缺陷现象，会造成视频质量的下降，因此在视频序列中有效地定位并修复马赛克块变得越来越重

流体现象的虚拟仿真有重要的应用价值,基于SPH(Smoothed-Particle Hydrodynamics)的流体仿真方法能够真实地反映流体的运动规律。在流体规模增大时流体仿真计算量很大,特别是复杂场景中的流体碰撞检测计算显著降低流体仿真效率。将SPH物理计算以及碰撞检测利用GPU进行并行加速,并在GPU显存中使用新的邻居粒子链表构建方法加快邻居粒子的查找,可以提高流体仿真效率;利用对体素化场景进行栅格化采样方法来加速碰撞检测计算,并将每个体素值压缩成1bit并保存在文件中以节省存储空间,初步的实验结果表明,该方法能够用于碰撞检测处理,且能够减少碰撞检测处理时间。

橙果识别的图像分割 为了识别橙色水果，使用了边缘检测和颜色检测方法。 对于这种方法，我使用了图像分割。 输入图像是在不同照明条件下捕获的桔子的图像，并使用图像分割来检测图像的颜色。 用Python完成的实现。 在该系统中，用户将输入橙色图像。 模型会将图像从RGB转换为灰度图像以进行进一步处理。

针对现有检测方法的不足，提出了一种通过挖掘PE文件结构信息来检测恶意软件的方法，并用最新的PE格式恶意软件进行了实验。结果显示，该方法以99.1%的准确率检测已知和未知的恶意软件，评价的重要指标AUC值是0.998，已非常接近最优值1，高于现有的静态检测方法。同时，与其他方法相比，该检测方法的处理时间和系统开销也是较少的，对采用加壳和混淆技术的恶意软件也保持稳定有效，已达到了实时部署使用要求。此外，现有的基于数据挖掘的检测方法在特征选择时存在过度拟合数据的情况，而该方法在这方面具有较强的鲁棒性。

基于机器学习的智能孤岛检测方法能有效地提高防孤岛保护的性能，但现有方法皆采用离线学习方案，对配电网因运行条件变化而导致的概念漂移现象缺乏自适应性。提出了一种具有在线增量学习能力的孤岛检测方法。首先，提出利用保护自采数据以及数据采集与监视控制(SCADA)系统采集的开关状态构成原始样本，并基于增量聚类方法进行样本筛选，实现有效样本的在线积累；然后，以各子样本集对系统最新状况的分类性能作为竞争准则，提出了一种样本集的优选方法，并利用加权支持向量机完成了增量学习。仿真结果表明，所提方法能够自主探测概念漂移的发生并进行持续的学习，有效地提高了孤岛检测的准确性和自适应性。

为解决软件定义网络（software defined network，SDN）控制器易受分布式拒绝服务（distributed denial of service，DDoS）攻击的问题，提出了一种基于Sibson距离的DDoS攻击检测方法。首先，针对现有SDN控制器负载过重问题，设计了一种分层式DDoS攻击检测架构，通过采用多个代理控制器来减轻主控制器负荷；其次，针对现有DDoS攻击检测误报率高的问题，提出了一种基于Sibson距离DDoS攻击检测算法，在提高检测时效性和保证检测精度的同时，加强对正常突发流的识别能力。仿真实验表明，该方法能有效区分攻击流和正常突发流，提高了网络的稳健性。

根据红外成像特性及金属表面缺陷区域灰度分布变化缓慢的特点，提出了一种基于小波纹理特性统计分析的铜带表面缺陷视觉检测方法。利用CCD视觉传感器获取受检金属表面的红外影像资料，引入一阶Haar小波分解红外图像，抽取4个小波特性，然后分别使用Hotelling T2和X2多变量统计法融合4个小波特性。最后根据统计值判别图像是否存在缺陷，并使用支持向量机对缺陷进行分类。比较分析了两种小波域多变量统计方法检测缺陷的性能。实验结果表明，Hotelling T2统计法在缺陷检测和识别方面的性能较好，对微小缺陷可达到92.8%的检测率和95.42%的识别率。

一、基础知识 电阻器是电路元件中应用最广泛的一种，在电子设备中约占元件总数的30%以上，其质量的好坏对电路工作的稳定性有极大影响。它的主要用途是稳定和调节电路中的电流和电压，其次还作为分流器分压器和负载使用。 1．分类 在电子电路中常用的电阻器有固定式电阻器和电位器，按制作材料和工艺不同，固定式电阻器可分为：膜式电阻（碳膜RT、金属膜RJ、合成膜RH和氧化膜RY）、实芯电阻（有机RS和无机RN）、金属线绕电阻（RX）、特殊电阻（MG型光敏电阻、MF型热敏电阻）四种。

针对现有图像盲取证方法在多重镜像篡改检测效果较差的问题,提出一种基于近似最近邻(ANN)搜索的图像篡改检测方法。提取图像的BRISK(Binary Robust Invariant Scalable Keypoints)特征描述子,获得图像的二值特征向量。利用PatchMatch计算特征间的偏移量并借助传导策略优化搜索相似图像块,实现篡改区域的初步检测。利用最小均方线性模型计算拟合误差移除误匹配点,精确定位篡改区域。在CASIA V2.0图像数据集和哥伦比亚大学图像数据集上进行实验,实验结果表明,该算法能够准确且高效地检测经复杂几何形变的篡改区域,特别是对多重镜像篡改检测的准确率更高。

传统Canny算法采用高斯滤波会造成图像的过度光滑，容易导致缓变边缘的丢失，而且梯度幅值的计算方法没有充分考虑到3×3邻域内周围像素对中心像素的影响。针对上述存在的问题与不足，结合小波融合技术的优势，提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法，利用改进的Canny算子和图像形态学分别对图像进行边缘检测，然后应用小波融合技术把两种方法检测出来的边缘进行图像融合，得到最终的图像边缘。仿真结果表明，该算法具有较好的抗噪能力，有效地提高了边缘检测的准确性和完整性。