一种基于显著性纹理结构的视觉任务建模方法

    公开(公告)号:CN116188662A

    公开(公告)日:2023-05-30

    申请号:CN202211566233.9

    申请日:2022-12-07

    Inventor: 杨秋伟

    Abstract: 一种基于显著性纹理结构的视觉建模方法,包括:步骤S1,对复数幅图像确定检测窗口、基本块和超级块大小;步骤S2,对复数幅图像中的每一个像素,计算所有邻域像素和中心像素灰度差值的总,再计算局部显著因子,以得到显著因子特征:步骤S3,用发散灰度共生矩阵提取复数幅图像的局部纹理结构;步骤S4,根据每一个算子的显著因子特征ξ(xc)和纹理结构特征,构造二维直方图,得到显著性纹理结构算子;步骤S5,根据显著性纹理结构算子,选择三分之一复数幅图像为训练集,剩下三分之二复数幅图像测试集,进行复眼视觉目标建模;步骤S6,在复眼视觉目标建模的基础上结合显著性纹理结构算子进行场景建模,实现基于显著性纹理结构的视觉建模方法。

    一种基于模拟壁画的手机动漫人物及背景创作方法

    公开(公告)号:CN102663798B

    公开(公告)日:2014-01-01

    申请号:CN201210124182.4

    申请日:2012-04-25

    Abstract: 本发明公开了一种基于模拟壁画的手机动漫人物及背景创作方法,采用下述4种方法中的任一种或多种:方法一:根据待处理像素的亮度值Y执行黯黄化移色操作;方法二:若当前像素的RGB和样板色之差小于variationWidth则保留原色,否则执行黯黄化移色操作;方法三:如果当前像素的RGB和样板色之差小于预设的变异宽度值且在破损区之内则替代为破损色,否则执行黯黄化移色操作;方法四:如果当前像素的RGB和样板色之差小于预设的变异宽度值,则该像素褪化为白色,否则执行黯黄化移色操作;该基于模拟壁画的手机动漫人物及背景创作方法易于实施,图像处理过程数量小,适于在手机上运行。

    一种基于模拟壁画的手机动漫人物及背景创作方法

    公开(公告)号:CN102663798A

    公开(公告)日:2012-09-12

    申请号:CN201210124182.4

    申请日:2012-04-25

    Abstract: 本发明公开了一种基于模拟壁画的手机动漫人物及背景创作方法,采用下述4种方法中的任一种或多种:方法一:根据待处理像素的亮度值Y执行黯黄化移色操作。方法二:若当前像素的RGB和样板色之差小于variationWidth则保留原色,否则执行黯黄化移色操作;方法三:如果当前像素的RGB和样板色之差小于预设的变异宽度值且在破损区之内则替代为破损色,否则执行黯黄化移色操作;方法四:如果当前像素的RGB和样板色之差小于预设的变异宽度值,则该像素褪化为白色,否则执行黯黄化移色操作;该基于模拟壁画的手机动漫人物及背景创作方法易于实施,图像处理过程数量小,适于在手机上运行。

    基于流条目数预测的自适应SFTO攻击检测与缓解方法

    公开(公告)号:CN116015847A

    公开(公告)日:2023-04-25

    申请号:CN202211668944.7

    申请日:2022-12-23

    Abstract: 本发明公开了基于流条目数预测的自适应SFTO攻击检测与缓解方法,属于网络安全领域。其中所述方法包括:在SDN交换机实时监测并滑动收集流表流条目数,使用LRCN模型预测流条目数;若未来两秒的流条目预测值达到阈值,收集流表信息并计算八元流表统计特征,根据LightGBM分类模型输出的受攻击概率判断流表是否受到攻击;若检测到攻击,依据受攻击概率和未来一秒流条目数的预测值自适应计算驱逐比例,基于比例对经过LightGBM排序模型排序的流条目进行驱逐,腾出流表空间防止溢出。本方法能实时监测并预测SDN交换机的流条目数,准确检测SFTO攻击并执行主动防御策略,具有较低的漏报率和误报率,且能自适应驱逐攻击流条目防止流表溢出,因此本方法能够有效检测和缓解SFTO攻击。

    基于CRITIC方法和机器学习的SFTO攻击检测缓解方法

    公开(公告)号:CN116707888A

    公开(公告)日:2023-09-05

    申请号:CN202310636029.8

    申请日:2023-05-31

    Applicant: 湖南大学

    Abstract: 本发明公开了一种基于CRITIC方法和机器学习的SFTO攻击检测缓解方法,属于计算机网络安全领域。其中所述的方法包括:基于滑动窗口对OpenVSwitch软件交换机采集,获取交换机流表项信息,提取四元检测特征,使用CRITIC方法计算各特征权重,对检测特征进行加权计算检测分数,并结合阈值进行攻击检测判定;提取并计算单条流表项缓解特征,输入攻击缓解模型进行判定,若判定为攻击流表项则加入驱逐列表进行删除;计算驱逐列表中各流表项匹配的源IP频率,安装流表项丢弃所有来自频率超过阈值的IP的数据包以切断攻击源。本发明提出的SFTO攻击检测缓解方法具有较高的准确率和较低的误报、漏报率,能够实际部署在SDN交换机上,是一种有效的SFTO攻击检测缓解方法。

    一种基于排序学习的SDN数据平面低速率DDoS攻击缓解方法

    公开(公告)号:CN115664765A

    公开(公告)日:2023-01-31

    申请号:CN202211284363.3

    申请日:2022-10-20

    Abstract: 本发明公开了一种基于排序学习的SDN数据平面低速率DDoS攻击缓解方法,属于网络安全领域。所述方法包括:基于OpenvSwitch交换机,轮询SDN交换机流表并提取流表项,形成原始数据;提取流表项的特征六元组和标识,结合源IP地址等信息,为流表项标记相关性标签和查询ID;采用集成学习XGBoost方法,基于Pairwise建立流表项排序学习模型,并部署在SDN交换机上;交换机上的攻击缓解系统实时监控是否发生了由DDoS攻击导致的流表溢出;若发生攻击,排序学习模型预测每条流表项的排序分数,并按排序分数降序重排流表、设定攻击检测阈值,最后自上而下遍历流表项,决定哪些流表项应被删除。本发明对数据平面低速率DDoS攻击检测率高,误报、漏报率低,自适应性强,缓解迅速、有效。

Patent Agency Ranking