检索结果

Select

1. 基于并行运算的双层图像锐化方法

张巍贺星霍颖翔滕少华滕毅李日贵

计算机应用 2013, 33 (08): 2325-2329.

摘要（549）

PDF （849KB）（388）

针对低清晰度照片或图像放大后边界模糊、画质差及人们对高清图像的实际需求，基于统一计算架构(CUDA)环境，提出了一个两层结构的图像并行锐化方法，设计并实现了一个基于GPU的并行锐化算法：第一层采用并行线性插值法，反复对图像非边界部分进行计算以及边缘区域锐化处理；第二层采用改进的梯度法对图像进一步优化。放大后的图像经该方法处理后，基本上可消除图像边缘区域的锯齿，使图像画质平滑、自然、清晰。经实验验证，设计的基于GPU的并行锐化算法在效率和画质上都优于目前流行的算法，提出的方法可应用于现有图像及照片放大后处理。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于超球支持向量机的多姿态协同人脸检测

滕少华陈海涛张巍

计算机应用 2013, 33 (07): 1988-1990. DOI: 10.11772/j.issn.1001-9081.2013.07.1988

摘要（711）

PDF （627KB）（565）

针对多姿态的人脸检测准确度差的问题，提出了一种多姿态的协同人脸检测模型。该模型由一组超球支持向量机组成，它们被分成三层：第一层1个、第二层3个、第三层9个，共13个支持向量机(SVM)。这些SVM按逐层精细化检测设计，协同完成人脸检测任务。因为一幅图像的大部分区域是非人脸，采用三层模型的设计一方面能提高人脸检测速度，另一方面也增强了检测的针对性，使得能逐层履行更精细的局部区域检测。另外，改进了k近邻(kNN)算法，使其能用于超球重叠样本的检测，并提高了人脸检测的准确度。实验结果表明，相对于传统基于SVM的人脸检测，所提算法在人脸检测的准确率上有5%左右的提升，通过逐层过滤，保证了人脸检测的速度。

参考文献 | 相关文章 | 多维度评价

Select

3. 聚类和时间序列分析在入侵检测中的应用

王令剑滕少华

计算机应用 2010, 30 (3): 699-701.

摘要（1765）

PDF （603KB）（1188）

入侵检测通过收集各种网络数据，从中分析和发现可能的入侵攻击行为。聚类算法是一种无监督分类方法，能够很好地用于入侵检测。提出一种基于聚类分析和时间序列模型的异常入侵检测方法，该方法不需要手动标示的训练数据集就可以探测到很多不同类型的入侵行为。实验结果表明，该方法用于入侵检测具有较高的检测率和较低的误报率。