區(qū)域分割
- 基于區(qū)域生長的非結(jié)構(gòu)巷道點云去噪方法
進行巷道點云區(qū)域分割。使用kd-tree 建立點云數(shù)據(jù)拓撲結(jié)構(gòu)，選取合適的種子節(jié)點和生長準則，并設(shè)定曲率閾值和角度閾值，通過區(qū)域生長算法實現(xiàn)巷道點云的有效分割，去除未加入分割區(qū)域的離群點云。區(qū)域生長算法在開源軟件Cloud Compare 基礎(chǔ)上進行二次開發(fā)實現(xiàn)。3）基于巷道點云區(qū)域分割結(jié)果進一步去噪優(yōu)化。通過區(qū)域分割，巷道被分割成不同的聚簇，根據(jù)噪聲特點，可以快速方便地將不需要的聚簇直接刪除，從而實現(xiàn)去噪優(yōu)化。2.2 kd-tree 原理使用移動三維激光
工礦自動化 2024年3期2024-04-22
- 基于局部密度聚類的雷達目標散射中心區(qū)域分割
目標散射中心區(qū)域分割的正確率有待提高[8]。聚類分析是一種無監(jiān)督的分類方法,作為數(shù)據(jù)處理的技術(shù),聚類分析現(xiàn)已在圖像分割等領(lǐng)域取得了不錯的效果。Rodriguez等[11]于2014年提出的密度峰值聚類(density peak clustering, DPC)算法是一種粒度計算模型,不僅在學術(shù)界引發(fā)了劇烈反響,同時也吸引了大量科研工作者對該算法的研究[12-15]。DPC算法的核心思想是刻畫聚類中心。該算法認為聚類中心同時具有兩個特點:一是聚類中心被局部密
科學技術(shù)與工程 2024年1期2024-02-20
- 基于顏色輪廓的網(wǎng)球收集機器人識別算法研究
識別上，提出區(qū)域分割和輪廓擬合的算法，對重疊區(qū)域提取分割、擬合還原網(wǎng)球輪廓。通過實驗驗證算法可行性，結(jié)果表明該算法可在不同環(huán)境下精確識別網(wǎng)球。［關(guān)鍵詞］網(wǎng)球識別；? 二值圖像；? 形態(tài)學；? 區(qū)域分割［中圖分類號］TP242? ［文獻標識碼］A拾取散落在場地上的網(wǎng)球以人工為主，不僅勞動強度大，而且效率低下。本文通過視覺技術(shù)對機器人目標識別進行研究，提出一種基于網(wǎng)球顏色與輪廓的識別算法。該算法可顯著提升網(wǎng)球識別準確率，進而提升網(wǎng)球愛好者的練球效率。1???
湖北工業(yè)大學學報 2023年2期2023-12-10
- 基于3D U-Net 模型實現(xiàn)T2WI 圖像中前列腺的區(qū)域分割及臨床驗證
分割或簡單的區(qū)域分割（中央腺體+外周帶），并未滿足前列腺系統(tǒng)穿刺的6 分區(qū)定位標準及影像醫(yī)生對前列腺癌定位的分割精度要求。我科已實現(xiàn)在前列腺T2WI 上使用U-Net 模型進行前列腺的全腺體分割[8]并已證實基于該分割模型的腺體徑線測量植入結(jié)構(gòu)化報告的可行性[9]。本研究在此基礎(chǔ)上進一步利用3D U-Net 模型進行精細的前列腺區(qū)域分割并利用臨床實際前列腺癌患者病例，驗證該模型是否可滿足臨床上影像醫(yī)生對癌灶的定位需求，以期為后續(xù)的前列腺癌自動檢出、定位奠定
中國臨床醫(yī)學影像雜志 2022年1期2022-12-10
- 機器視覺在藥品包裝缺陷檢測中的應用研究
、噪聲去除、區(qū)域分割和紋理比較等，可以自動完成包裝上缺陷的準確識別。該文以機器視覺在藥品包裝檢測中的應用為核心研究內(nèi)容，將對涉及的關(guān)鍵技術(shù)進行理論闡述和試驗驗證。1 藥品包裝圖像的預處理運用機器視覺進行藥品包裝的缺陷檢測，涉及2 個關(guān)鍵技術(shù)，分別是藥品包裝圖像的預處理和藥品包裝圖像的區(qū)域分割。預處理技術(shù)是指圖像在進入缺陷檢測之前所開展的準備工作。1.1 預處理的技術(shù)流程受到拍攝設(shè)備、拍攝環(huán)境和電磁干擾等各種因素的影響，藥品包裝被拍攝成圖像的過程中可能有多種
中國新技術(shù)新產(chǎn)品 2022年14期2022-11-01
- 基于YOLOv5的多任務(wù)自動駕駛環(huán)境感知算法①
測以及可行駛區(qū)域分割. 目標檢測主要用于檢測行駛道路上的道路交通標志、周邊車輛、行人等, 使得車輛可以遵守道路交通規(guī)則, 避讓行人. 車道線檢測是用于提取道路的邊緣線, 用于自動駕駛車輛的定位和糾偏, 是平穩(wěn)安全行駛的重要保障之一. 可行駛區(qū)域分割是將自動駕駛車輛行駛的道路進行全景分割, 并檢測其中可行駛的區(qū)域, 前方道路阻塞, 障礙物擋道等情況下, 可保證車輛行駛安全.近年來, 人工智能技術(shù)的革新進一步推動了自動駕駛領(lǐng)域的發(fā)展. 對于單任務(wù)的環(huán)境感知方法
計算機系統(tǒng)應用 2022年9期2022-09-20
- 駕駛環(huán)境感知算法研究
檢測、可行駛區(qū)域分割和車道線檢測，本文設(shè)計了一種簡單有效的網(wǎng)絡(luò)架構(gòu)。本研究使用CSPDarknet 作為編碼器從圖像中提取特征，然后將這些特征圖輸入到特征融合模塊，該模塊主要由FPN 和PAN 組成，最后將融合后的特征圖分別輸入到三個解碼器以完成各自的任務(wù)。1 算法設(shè)計1.1 特征提取和特征融合網(wǎng)絡(luò)本文選擇CSPDarknet[9]作為特征提取網(wǎng)絡(luò)，它支持特征傳播和特征重用，解決了優(yōu)化過程中的梯度重復問題,從而顯著減少了參數(shù)和計算量，有利于保證網(wǎng)絡(luò)的實時性
科學技術(shù)創(chuàng)新 2022年25期2022-09-14
- 區(qū)域分割局部主成分分析及其應用
時。關(guān)鍵詞：區(qū)域分割;本征維數(shù);局部主成分分析中圖分類號：TP18? ? ? 文獻標識碼：A文章編號：1009-3044（2022）17-0078-03流程工業(yè)在智能制造和工業(yè)4.0的推動下不斷向智能化、數(shù)字化、網(wǎng)絡(luò)化發(fā)展[1]。工業(yè)的信息化，集散控制系統(tǒng)使用，實時數(shù)據(jù)采集，為流程工業(yè)提供了高維數(shù)，多尺度基礎(chǔ)數(shù)據(jù)。從數(shù)據(jù)挖掘信息，實現(xiàn)對生產(chǎn)過程的智能監(jiān)控、分析、優(yōu)化，成為流程工業(yè)的關(guān)鍵任務(wù)之一。流程工業(yè)大數(shù)據(jù)的維度比較高，比如一套常規(guī)化工生產(chǎn)線數(shù)據(jù)采集點從
電腦知識與技術(shù) 2022年17期2022-08-31
- 一種基于Faster R-CNN模型的虹膜檢測改進方法＊
檢測[2]和區(qū)域分割。目標檢測主要用于從檢測圖像中判斷是否存在虹膜，如果存在則確定虹膜所在的位置。區(qū)域分割主要用于將虹膜與眼瞼、鞏膜、瞳孔、眼睫毛、光斑等干擾因素進行標記區(qū)分，提取出可供生物特征識別的有效虹膜區(qū)域。傳統(tǒng)的目標檢測方法通常選取相對穩(wěn)定的特征點，如HOG[3]特征建立特征模板，然后在圖像中使用滑動窗口逐一進行特征模板匹配，得到一系列目標候選區(qū)域。針對目標候選區(qū)域，通常采用AdaBoost[4]算法進行多層級聯(lián)分類和支持向量機[5]進行分類決策，
科技與創(chuàng)新 2022年16期2022-08-15
- “分區(qū)”與“契合”思想求解半空間含凸起地形對SH波散射問題的研究進展
域輔助問題，區(qū)域分割圖如圖6。區(qū)域Ⅰ是包含等腰三角形的夾雜凸起，區(qū)域Ⅱ是整個理論模型挖去區(qū)域Ⅰ余下的部分。理論模型邊界地表S和界面C滿足應力為零。區(qū)域Ⅰ在邊界D構(gòu)造駐波解，區(qū)域Ⅱ中D的總波場由入射波、反射波、散射波所構(gòu)成。在公共邊界進行契合，公共邊界D和D位移和應力都連續(xù)。Lin[20]等人研究了斜三角形山丘地形對SH波的散射問題。帶有斜三角山丘地形為區(qū)域Ⅰ，余下含有凹陷地形為區(qū)域Ⅱ。在區(qū)域Ⅰ中構(gòu)造了一個駐波函數(shù)，該駐波函數(shù)在三角形楔塊處滿足零應力條件。在
黑龍江工業(yè)學院學報(綜合版) 2022年4期2022-06-11
- 基于卷積神經(jīng)網(wǎng)絡(luò)的路面濕滑狀態(tài)檢測系統(tǒng)
術(shù)和路面積水區(qū)域分割技術(shù)。針對路面濕滑狀態(tài)識別和積水區(qū)域分割問題，結(jié)合遷移學習的路面濕滑狀態(tài)識別方法和全分辨率殘差網(wǎng)絡(luò)（Full-Resolution Residual Network, FRRN）的路面積水區(qū)域分割方法，設(shè)計一種路面濕滑狀態(tài)檢測系統(tǒng)。1 路面濕滑狀態(tài)識別與分割網(wǎng)絡(luò)1.1 路面濕滑狀態(tài)識別模型2015年，Christian團隊基于Google Inception Net結(jié)構(gòu)設(shè)計出第三代分類器 Inception V3。Inception V
汽車實用技術(shù) 2022年6期2022-04-02
- 養(yǎng)老保險全國統(tǒng)籌與新發(fā)展格局
金地方統(tǒng)籌的區(qū)域分割已經(jīng)成為社會發(fā)展不平衡的突出問題。正確認識養(yǎng)老保險全國統(tǒng)籌對構(gòu)建新發(fā)展格局的意義，將養(yǎng)老保險制度改革與新發(fā)展格局發(fā)展要求緊密融合，是實現(xiàn)養(yǎng)老保險高質(zhì)量發(fā)展、構(gòu)建新發(fā)展格局的重要舉措。新發(fā)展階段下養(yǎng)老保險迫切需要實現(xiàn)全國統(tǒng)籌養(yǎng)老保險區(qū)域分割問題的產(chǎn)生符合中國特色社會保險制度的發(fā)展規(guī)律，但隨著我國進入實現(xiàn)第二個百年奮斗目標的新階段，養(yǎng)老保險區(qū)域分割已經(jīng)成為制約社會保障制度高質(zhì)量發(fā)展的重要因素，其與國家經(jīng)濟社會高質(zhì)量發(fā)展的目標要求和新發(fā)展理念
中國社會保障 2022年9期2022-02-09
- 基于深度學習的海島區(qū)域分割和海岸線提取*
遙感影像進行區(qū)域分割和邊界提取，從而計算統(tǒng)計出該島嶼的面積變化情況，對研究島嶼及區(qū)域生態(tài)環(huán)境、氣候變化提供數(shù)據(jù)支持。為實現(xiàn)其他區(qū)域的島嶼海岸線變化監(jiān)測、區(qū)域大小監(jiān)控提供方法和思路，對島嶼和其相關(guān)海域的科學管理、海岸帶資源與環(huán)境保護研究、可持續(xù)開發(fā)和利用決策都具有一定的參考作用。1 研究區(qū)概況和數(shù)據(jù)來源淇澳島位于廣東省珠江入?？谖鱾?cè)伶仃洋上，鄰虎門，隸屬于珠海市。地理位置為：東經(jīng) 113°36′至113°39′，北緯 22°23′至22°27′。該地區(qū)屬于南
地礦測繪 2021年4期2022-01-18
- 帶分片光滑約束函數(shù)優(yōu)化問題的區(qū)域分割方法
問題首次提出區(qū)域分割方法，在原問題的約束函數(shù)為光滑函數(shù)的條件下，證明了子問題與原問題KKT解的關(guān)系。文中將區(qū)域分割方法應用于求解非凸非光滑優(yōu)化問題，并且證明了子問題KKT解與原問題KKT解的關(guān)系。1 預備知識考慮非凸非光滑優(yōu)化問題(1)其中,f:Rn→R，gi:Rn→R(i=1,2,…,m+1)，f,gi(i=1,2,…,m+1)是連續(xù)可微的，x∈Rn。令該函數(shù)是分片光滑函數(shù)，從而問題(1)也稱為帶分片光滑約束函數(shù)的優(yōu)化問題。文中設(shè)gm+1(x)=‖x‖2
長春工業(yè)大學學報 2021年6期2022-01-07
- 基于改進離散余弦間隔損失函數(shù)的遙感道路分割
個層次：道路區(qū)域分割和道路網(wǎng)絡(luò)提取。道路區(qū)域分割是將圖像中的每個像素分為道路和非道路，而道路網(wǎng)絡(luò)提取是獲取道路中心線及其連通性。在本文中，我們將道路提取任務(wù)作為二進制語義分割任務(wù)來處理，以生成道路的像素級標記，重點解決道路區(qū)域分割層次。近年來，深度學習技術(shù)在計算機視覺方面取得了很大進展，其中許多已經(jīng)被引入到遙感圖像的道路區(qū)域分割中。宋青松等[12]將全卷積網(wǎng)絡(luò)引入道路區(qū)域分割，實現(xiàn)了密集的端到端推理。但是FCN簡單的線性插值上采樣使得模型性能很差。從FCN
數(shù)字通信世界 2021年11期2021-12-08
- 基于深度神經(jīng)網(wǎng)絡(luò)的乳腺腫瘤自動區(qū)域分割方法*
RI成像進行區(qū)域分割，對提高乳腺腫瘤的檢測精度具有重要意義。分割乳腺腫瘤區(qū)域主要采取手工方式，可重復性低、耗時長。當前臨床醫(yī)學不斷向著智能化與自動化發(fā)展[3]。近年來，乳腺腫瘤的自動區(qū)域分割問題受到了越來越多的關(guān)注，很多學者提出了不同的自動區(qū)域分割模型和算法。然而實際上這些算法多數(shù)仍需進行人工干預，嚴格來說屬于半自動分割方法。隨著大數(shù)據(jù)與人工智能等技術(shù)的發(fā)展，乳腺腫瘤檢測的技術(shù)越來越多，在醫(yī)療圖像處理中應用深度神經(jīng)網(wǎng)絡(luò)也成為研究重點。為此，本研究提出一種基
生物醫(yī)學工程研究 2021年3期2021-10-20
- 三維人臉測量與分割系統(tǒng)研究
究問題。人臉區(qū)域分割是指結(jié)合人臉信息，將人臉區(qū)域分割為不同語義標注的部分。除生物識別外，人臉區(qū)域分割在動畫人臉設(shè)計與合成、皮膚美化與虛擬化妝、年齡性別等高等級特征預測等方面均有較多應用[2]。雖然對于人臉的二維圖像分割研究已較為成熟，但二維人臉缺少深度，無法表達完整的人臉信息，像素級分割的準確性仍依賴于人臉姿態(tài)、光照等條件。隨著計算成像的快速發(fā)展，已有多種成像方法用于三維人臉成像，如飛行時間（TOF）法[3-6]、激光掃描法等[6]。飛行時間法是通過激光光
應用光學 2021年4期2021-09-23
- 基于箱型圖與折點閾值邊界的電纜分割方法
于閾值邊界的區(qū)域分割方法；之后根據(jù)電纜的導體及結(jié)構(gòu)得到各區(qū)域的顏色信息并進行初步分割，對分割結(jié)果進行統(tǒng)計得到區(qū)域的色調(diào)中位數(shù)以及各通道的四分位數(shù)，計算箱型圖下邊界作為各通道的初始閾值邊界；最后根據(jù)目標區(qū)域內(nèi)部顏色相近但與其余區(qū)域顏色存在差異的特點，計算折點閾值邊界并完成區(qū)域的精確分割。1 電纜區(qū)域分割算法1.1 電纜區(qū)域分割流程電力電纜內(nèi)部由導體、絕緣層、護套、填充物四部分組成。其中導體、絕緣層和護套的尺寸有著明確的規(guī)定，需要進行檢測。導體材料有銅和鋁，顏
計算機應用與軟件 2021年9期2021-09-15
- 基于多元分層感知的移動物聯(lián)網(wǎng)區(qū)域分割算法
定程度上提高區(qū)域分割效果，增強網(wǎng)絡(luò)傳輸質(zhì)量。但是，分簇模型的建立過程往往需要消耗較多的網(wǎng)絡(luò)資源，難以對節(jié)點相遇過程進行充分評估，因此導致網(wǎng)絡(luò)傳輸質(zhì)量不佳，容易出現(xiàn)嚴重的傳輸抖動現(xiàn)象。為解決現(xiàn)有研究中存在的問題，本文基于多元分層感知機制，設(shè)計一種新的移動物聯(lián)網(wǎng)區(qū)域高效安全分割算法。通過將網(wǎng)絡(luò)拓撲分割為網(wǎng)絡(luò)層、傳輸層、最終匯聚層等3 個層次，用以衡量簇頭節(jié)點與普通節(jié)點的服務(wù)能力，在此基礎(chǔ)上充分評估移動物聯(lián)網(wǎng)節(jié)點相遇過程中的連通特性，并結(jié)合能量與路由兩個因素來設(shè)
計算機工程 2021年9期2021-09-15
- 基于飛機壁板特征的掃描路徑生成方法研究
等。本文采用區(qū)域分割的方法對各類特征進行分割和提取。考慮到槽、筋等特征中不易被掃描到的區(qū)域均為和掃描方向近似垂直特征面，在對模型進行區(qū)域分割之后，將這些特征面進行提取，作為后續(xù)處理的基礎(chǔ)。掃描路徑的生成主要是通過分析提取出的特征面來進行的：將每個特征面投影到一個二維平面內(nèi)，并在二維空間內(nèi)對該特征面規(guī)劃出一條合適的掃描路徑，將該路徑投影返回三維后，對其沿著一定角度進行偏置，就得到了最終規(guī)劃的三維掃描路徑。具體流程如圖2所示，從結(jié)果可視化圖可知該方法能夠有效識
南京航空航天大學學報 2021年3期2021-06-26
- 基于改進分割決策網(wǎng)絡(luò)的鋁材表面凹坑缺陷檢測
缺陷樣本鋁材區(qū)域分割(c)缺陷分割 (d)無缺陷樣本(e)無缺陷樣本鋁材區(qū)域分割圖1 數(shù)據(jù)集樣本本文對分割決策模型進行改進，在網(wǎng)絡(luò)模型前半部分增加鋁材區(qū)域分割分支，提高網(wǎng)絡(luò)對鋁材缺陷區(qū)域的關(guān)注，以提取重要特征，并對其單獨訓練，可以減輕網(wǎng)絡(luò)的過擬合；將鋁材缺陷區(qū)域分割輸出作為輸入添加至原網(wǎng)絡(luò)對應特征圖，并在其后加入SE模塊，添加網(wǎng)絡(luò)特征圖注意力機制，提升網(wǎng)絡(luò)對重要特征的提取能力.2 分割決策模型分割檢測模型在文獻[21]中被提出，該網(wǎng)絡(luò)通過對原始圖像的多次卷
陜西科技大學學報 2021年2期2021-04-20
- 基于縱向視差的鐵路危樹檢測
分割和識別。區(qū)域分割是圖像內(nèi)容分析的基礎(chǔ)和前提，研究較為廣泛?，F(xiàn)有區(qū)域分割技術(shù)主要包括閾值分割[1]、邊緣輪廓劃分[2-3]、聚類[4-5]、隨機場建模[6-7]等，最近的研究成果主要集中在隨機場建模和深度學習方法?；陔S機場建模的區(qū)域分割方法建立像素的概率分布模型，在數(shù)學理論上具有較好的支持，能較好體現(xiàn)樣本區(qū)域特征，對邊緣不明確的區(qū)域劃分效果有顯著優(yōu)勢，但建模速度較慢，結(jié)果劃分粒度相關(guān)?；谏疃葘W習的區(qū)域劃分[8-9]方法訓練區(qū)域分割的多層卷積神經(jīng)網(wǎng)絡(luò)，
計算機工程與應用 2020年21期2020-11-10
- 面向船舶的噴涂機器人離線編程技術(shù)研究
逆運動學解、區(qū)域分割、軌跡規(guī)劃、中間語言系統(tǒng)及后置處理等進行了研究，提出了一種針對大型船舶表面噴涂作業(yè)的離線編程與仿真系統(tǒng)，實現(xiàn)了從工件導入到基于工件特點進行區(qū)域分割再到軌跡規(guī)劃生成中間語言程序最后轉(zhuǎn)換為機器人程序的完整流程，并設(shè)計實驗針對不同特點的工件進行了噴涂仿真。1 基于雅可比偽逆法的逆運動學算法針對大型船舶的噴涂作業(yè)，項目中使用的噴涂機器人是川崎KJ264地面式噴涂機器人。該機器人CAD模型圖如圖1(a)所示。該噴涂機器人為六自由度機器人，有7個連
計算機技術(shù)與發(fā)展 2020年10期2020-10-28
- 基于深度分層背景去除的桿塔區(qū)域分割算法
況下，傳統(tǒng)的區(qū)域分割算法已不能滿足需求，故本文提出了基于深度分層背景去除的桿塔區(qū)域分割算法，利用雙目立體匹配算法構(gòu)建場景深度分層模型，獲取場景各目標的三維層次信息，從而準確去除背景，提取并鎖定待檢測桿塔區(qū)域。關(guān)鍵詞：桿塔區(qū)域檢測;雙目立體匹配算法;深度分層;區(qū)域分割0 引言近年來，我國電網(wǎng)建設(shè)高速發(fā)展階段，為電網(wǎng)巡檢帶來了更多困難與挑戰(zhàn)。利用無人機進行輸電線路巡檢有望成為一種常態(tài)化作業(yè)趨勢[1]。其中輸電線路的桿塔檢測尤為關(guān)鍵，對電力系統(tǒng)穩(wěn)定運行有著重要的
電力與能源系統(tǒng)學報·上旬刊 2020年4期2020-10-12
- 單側(cè)區(qū)域分割的多無人機掃描線搜索方法研究
的等面積單側(cè)區(qū)域分割方法（Unilateral Region Segmentation）。然后，每個搜索區(qū)域分派一架或一個編隊的無人機進行掃描線搜索，再基于人工勢場法來規(guī)避障礙物或者威脅從而獲得搜索路徑。最后，進行仿真分析，驗證了該算法在不同情況下的有效性、魯棒性以及適應性。該算法在面向任意搜索區(qū)域、考慮無人機機動性以及存在威脅等問題時具有明顯優(yōu)勢。關(guān)鍵詞： 多無人機;任意搜索區(qū)域;區(qū)域分割;掃描線搜索;人工勢場法;路徑規(guī)劃中圖分類號： V279 文獻標識
航空兵器 2020年3期2020-07-16
- 單洞非凸域上優(yōu)化問題的區(qū)域分割方法
上優(yōu)化問題的區(qū)域分割方法，將單洞可行域分割成兩個滿足法錐條件的可行域，則原問題分為Ⅰ、Ⅱ兩個分別滿足法錐條件的問題。通過法錐條件下組合同倫方法分別求解Ⅰ、Ⅱ兩個問題的KKT點，從而得到原問題的KKT點。區(qū)域分割方法只需利用已有的組合同倫方法對問題進行求解，不需要重新構(gòu)造組合同倫方程。顯然單洞非凸域Ω不滿足法錐條件，將可行域Ω用g(x)=0分成Ω1和Ω2兩個分別滿足法錐條件的區(qū)域。其中，g(x)=0為經(jīng)過Ωp球心的超平面，則原問題被分成Ⅰ、Ⅱ兩個獨立且可行域
長春工業(yè)大學學報 2020年3期2020-07-15
- 基于區(qū)域分割的大靶面單目視覺測量技術(shù)
的標定。2 區(qū)域分割算法研究及實現(xiàn)所謂圖像分割，主要指的是根據(jù)灰度、顏色、紋理和形狀等目標圖像自身的特征，把圖像劃分成若干個互不交迭的區(qū)域，并使這些特征在同一區(qū)域內(nèi)呈現(xiàn)出相似性，而在不同區(qū)域間呈現(xiàn)出明顯的差異性。在本文的研究中，圖像分割的作用是將大視場的標定問題轉(zhuǎn)化到多個小視場內(nèi)解決，這樣就避免了大視場光學成像系統(tǒng)成像邊緣畸變過大導致失真的問題。2.1 現(xiàn)有區(qū)域分割算法圖像分割算法常用的主要有3種，分別是基于閾值、邊緣和區(qū)域?qū)D像進行相關(guān)處理。顧名思義，閾
兵器裝備工程學報 2020年4期2020-05-18
- 基于區(qū)域分割的低覆蓋點云配準算法
提出一種基于區(qū)域分割的點云配準算法。首先，利用體積積分不變量計算點云上點的凹凸性，并提取凹凸特征點集;然后，采用基于混合流形譜聚類的分割算法對特征點集進行區(qū)域分割，并采用基于奇異值分解（SVD）的迭代最近點（ICP）算法對區(qū)域進行配準，從而實現(xiàn)點云的精確配準。實驗結(jié)果表明，所提算法通過區(qū)域分割可以大幅提高點云區(qū)域的覆蓋率，并且無需迭代即可計算剛體變換的最佳旋轉(zhuǎn)矩陣，其配準精度比已有算法提高了10%以上，配準時間降低了20%以上。因此，所提算法是一種精度高、
計算機應用 2019年11期2019-12-23
- 基于地形特征的無人機遙感梯田影像邊緣提取方法
方法進行梯田區(qū)域分割效果不理想，及時準確地掌握梯田信息較為困難。無人機遙感技術(shù)的不斷發(fā)展為高精度梯田地形信息的獲取提供了新方法。本研究以甘肅省榆中縣為例，首先從數(shù)字高程模型DEM數(shù)據(jù)中提取坡度，將正射影像與坡度數(shù)據(jù)融合，并通過基于Canny算子的粗邊緣提取方法和基于多尺度分割的精細邊緣提取方法，對比分析坡度對無人機遙感梯田影像邊緣提取的影響。試驗結(jié)果表明，正射影像和坡度融合的提取效果均優(yōu)于單一的正射影像數(shù)據(jù)提取效果，粗邊緣提取方法中正射影像和坡度融合的數(shù)據(jù)
智慧農(nóng)業(yè)（中英文） 2019年4期2019-09-10
- 學前教育幼兒角色游戲開展環(huán)境的營造探究
游戲;環(huán)境;區(qū)域分割環(huán)境對于個體的影響是巨大的，在開展日常教育教學活動的時候，每一名學前教育教師也應當意識到，如果想要幫助幼兒更好的沉浸角色當中去，以開展有效的角色游戲，那么，首先需要為幼兒創(chuàng)設(shè)更加符合幼兒心理預期和角色需求的外在環(huán)境。一、通過區(qū)域分隔來設(shè)置教室環(huán)境在設(shè)置游戲和區(qū)域分隔之前，教師首先需要考慮到整個班級的可活動空間和可使用空間，考慮到這些空間的結(jié)構(gòu)是否合理，每一個區(qū)域都可以安排多少名幼兒，每一名幼兒在這個區(qū)域內(nèi)主要的游戲內(nèi)容和游戲目標都有哪些
科學導報·學術(shù) 2019年35期2019-09-10
- 基于高光譜遙感圖像的目標毀傷區(qū)域檢測
像的目標毀傷區(qū)域分割方法。首先利用分類概率保持的鑒別分析方法對高光譜數(shù)據(jù)進行降維，然后利用基于局部高斯分布擬合模型的水平集演化方法對毀傷區(qū)域進行分割。仿真實驗結(jié)果驗證了方法的有效性。高光譜遙感圖像；降維；水平集；圖像分割引 言目標毀傷評估是精確打擊作戰(zhàn)體系的重要環(huán)節(jié)和核心步驟，精準快速的目標毀傷評估有助于有效估計作戰(zhàn)進程、制定和評估火力打擊方案、高效配置攻擊武器，是作戰(zhàn)進程和戰(zhàn)后總結(jié)最重要的一個環(huán)節(jié)[1]。基于圖像變化的檢測方法主要是利用武器攻擊前后采集的
遙測遙控 2019年3期2019-08-27
- 基于BP-遺傳算法優(yōu)化的超聲腫塊區(qū)域分割技術(shù)*
圖像的檢測和區(qū)域分割模型，實現(xiàn)超聲腫塊醫(yī)學圖像分析，能提高對超聲腫塊的醫(yī)學病理診斷和檢測識別能力，研究人體超聲腫塊圖像區(qū)域分割技術(shù)具有重要的實踐價值[1]。對超聲腫塊的區(qū)域分割是建立在對超聲圖像的掃描和模板特征匹配基礎(chǔ)上，結(jié)合超聲腫塊圖像的區(qū)域檢測和特征定位技術(shù)進行圖像的檢測和識別[2]，傳統(tǒng)方法中，對超聲腫塊圖像的區(qū)域分割和特征檢測方法主要采用分塊區(qū)域檢測方法、HAT小波檢測方法和Harris角點檢測方法，結(jié)合超聲回波檢測方法進行腫塊的邊緣輪廓檢測和定位
生物醫(yī)學工程研究 2019年2期2019-07-31
- 基于改進支持向量機算法的超聲圖像分割技術(shù)*
立在對圖像的區(qū)域分割和特征提取上，提取超聲圖像的差異性像素特征量，根據(jù)特征提取結(jié)果實現(xiàn)對超聲圖像的紋理特征分析，對超聲區(qū)域的準確診斷。相關(guān)的圖像識別和檢測方法研究受到重視[1]。在傳統(tǒng)方法中，對超聲圖像分割采用多層螺旋CT分割方法，結(jié)合 LVEDV、LVESV、LVSV、LVEF和LVMM等算法，實現(xiàn)超聲圖像分割。對超聲圖像三維測量系統(tǒng)的設(shè)計，采用低分辨成像技術(shù)實現(xiàn)[2]，結(jié)合超聲圖像的信息融合和稀疏化特征提取，利用幀掃描技術(shù)提取超聲圖像三維視覺特征[3]
生物醫(yī)學工程研究 2019年2期2019-07-31
- 區(qū)域分割優(yōu)化的暗通道先驗去霧算法
的問題。天空區(qū)域分割優(yōu)化[14-15]去霧算法最近被提出，取得不錯的效果。邢曉敏等人[16]提出最大類間差法的改進去霧算法，然而該算法存在區(qū)域誤分割的不足，造成還原出的無霧圖像顏色失真現(xiàn)象，因此，該去霧算法有待改進。針對上述問題，本文提出基于顏色特征的K均值區(qū)域分割優(yōu)化的改進暗通道先驗去霧算法。本文的改進算法對粗略透射率圖進行區(qū)域優(yōu)化處理，糾正暗通道先驗算法對天空區(qū)域透射率圖的估計偏差。將有霧圖像、優(yōu)化的透射率圖和大氣光值帶入霧天圖像退化模型，還原出無霧圖
無線電通信技術(shù) 2019年4期2019-06-25
- 海上風力發(fā)電機葉片裂紋圖像分割方法研究
。分析了基于區(qū)域分割、邊緣檢測及其他圖像分割方法及其應用效果。大多數(shù)研究人員在對檢測風機葉片裂紋時都使用較新技術(shù)來提高識別率，再將不同的方法進行結(jié)合運用，同時也不斷嘗試發(fā)掘新的圖像分割算法以得到更好的效果。針對不同研究目標使用不同算法得到的效果準確度各有差異，因而針對不同模態(tài)的圖像要結(jié)合不同的理論選取合適的方法。不管是引入新的概念和理論，還是將優(yōu)勢互補的算法相結(jié)合，都以提高風機葉片檢測的精確度為目標。關(guān)鍵詞：海上風力發(fā)電機;葉片裂紋;區(qū)域分割;邊緣檢測中圖
中國水運 2019年3期2019-03-29
- 圖像區(qū)域分割算法綜述及比較
法，其他典型區(qū)域分割算法還包括基于閾值的圖像分割算法和基于聚類和分類器的圖像分割算法。(二)基于邊緣信息的圖像分割。圖像邊緣信息作為圖像的最基本特征之一，通過找到圖像邊界線的方式來實現(xiàn)圖像分割的算法稱之為基于邊緣信息的分割算法，其中檢測邊緣信息算法的主要依據(jù)為亮度的不連續(xù)性，較為典型的算法為邊緣檢測算法[4]。(三)基于特定理論的圖像分割。作為研究歷史較久的圖像分割算法，不同學者在研究過程中結(jié)合其他領(lǐng)域的學科知識不斷地對已有的圖像分割算法進行豐富和完善，形
產(chǎn)業(yè)與科技論壇 2019年13期2019-03-20
- 基于超寬帶集中管控機制的物聯(lián)網(wǎng)數(shù)據(jù)傳輸算法
現(xiàn)帶寬管控及區(qū)域分割-固定-鏈路穩(wěn)定的一體化集中管控。仿真實驗表明：與當前常用的區(qū)域流量匯聚上傳算法（Upload algorithm for regional traffic aggregation，RTA算法）及成型度匯聚分割傳輸算法（Segmentation and transmission algorithm based on degree of convergence，STDC算法）相比，本文算法具備更高的匯聚帶寬與信道容量，以及更低的傳輸抖動率
井岡山大學學報(自然科學版) 2019年1期2019-03-08
- CT圖像特征的高精度區(qū)域分割
特征的高精度區(qū)域分割方法。2 CT圖像特征高精度區(qū)域分割方法設(shè)計2.1 血管的初步分割2.1.1CT圖像的灰度腐蝕運算 灰度腐蝕運算是將具有包含類似性質(zhì)的像素點聚集在一起構(gòu)成一片區(qū)域[5]。在原始CT圖像的待分割區(qū)域中，隨機選取一個種子點作為生長起點，并在與該種子點相鄰的區(qū)域中篩選與種子點相似度符合生長準則的像素，將這些符合要求的像素與種子所在區(qū)域合并，此時將合并后的新像素作為新種子點，并重復進行上述像素搜索與合并操作，直至無可合并像素?；叶雀g運算通過在
生物醫(yī)學工程研究 2018年4期2019-01-23
- 基于自動背景提取及Lab色彩空間的運動目標檢測
：背景建模；區(qū)域分割；Lab色彩空間；背景相減；形態(tài)學處理；運動目標檢測DOI：10.11907/rjdk.172791中圖分類號：TP317.4文獻標識碼：A 文章編號：1672-7800（2018）005-0183-04Abstract：The commonly-used background extraction methods may not bring about satisfactory effects in the case of heavy
軟件導刊 2018年5期2018-06-21
- 此心安處是吾鄉(xiāng)
同樣較高。從區(qū)域分割視角來看，除“入籍意愿”較高外，東部大城市流動人口的身份認同狀況不容樂觀。同時，受流動跨越行政距離的影響，省內(nèi)流動人口具有較強的“內(nèi)部優(yōu)勢”，其身份認同狀況優(yōu)于跨省而來的流動人口。關(guān)鍵詞：身份認同；制度區(qū)隔；結(jié)構(gòu)排斥；區(qū)域分割中圖分類號：C92-05文獻標識碼：A文章編號：1000-4149（2016）04-0021-13DoI：10.3969/j.issn.1000-4149.2016.04.003身份認同是流動人口在流入地實現(xiàn)社會融
人口與經(jīng)濟 2016年4期2017-05-13
- 京津冀區(qū)域交通一體化戰(zhàn)略思考
進程中，打破區(qū)域分割，加快推進交通一體化建設(shè)，是當前急需突破的重點領(lǐng)域。新常態(tài)下，交通一體化是實現(xiàn)京津冀區(qū)域協(xié)同發(fā)展的基礎(chǔ)。京津冀城市群是以首都為核心的世界級城市群，便捷的交通網(wǎng)絡(luò)和高效的交通基礎(chǔ)設(shè)施是京津冀區(qū)域一體化的重要戰(zhàn)略方向。借鑒國內(nèi)外典型城市群的區(qū)域交通一體化發(fā)展經(jīng)驗，深入剖析京津冀區(qū)域交通發(fā)展現(xiàn)狀，從對外交通、城際交通、交通結(jié)合部三個層面提出優(yōu)化建議。關(guān)鍵詞：交通一體化；京津冀一體化；區(qū)域分割；新常態(tài)中圖分類號：F512.7 文獻標志碼：A 文
經(jīng)濟研究導刊 2016年32期2017-04-06
- 基于頂點局部特征度的網(wǎng)格模型分割算法
局部特征度；區(qū)域分割；區(qū)域生長DOIDOI：10.11907/rjdk.161477中圖分類號：TP312文獻標識碼：A ：1672-7800（2016）008-0021-020 引言所謂網(wǎng)格模型區(qū)域分割，就是對網(wǎng)格模型按照拓撲特征或者幾何特征進行分割，獲得一組有一定外觀意義、若干相互連通的子網(wǎng)格的操作，包括區(qū)域生長法、層次聚類法和迭代聚類法等。區(qū)域生長法可以生成滿足網(wǎng)格某一特征的區(qū)域，實現(xiàn)模型簡化的目的。本文研究了一種改進的區(qū)域生長算法，首先提出了頂點的
軟件導刊 2016年8期2017-03-31
- 基于參數(shù)化模型的水平集SAR圖像多區(qū)域分割方法
SAR圖像多區(qū)域分割方法羅時雨，童玲，陳彥(電子科技大學自動化工程學院成都611731)提出了一種基于參數(shù)化模型的水平集合成孔徑雷達(SAR)圖像多區(qū)域分割方法。該方法采用改進的Edgeworth展開式自適應地對SAR圖像統(tǒng)計信息進行擬合。由于無需預先估計SAR圖像待分割區(qū)域的概率密度函數(shù)，因此該方法更適用于多區(qū)域分割。該方法根據(jù)分割區(qū)域數(shù)量，將改進的Edgeworth展開式嵌入到對應個數(shù)的能量泛函模型中，并給出水平集方法求解過程及數(shù)值實現(xiàn)方案，最終實現(xiàn)圖
電子科技大學學報 2016年6期2016-12-07
- 戶籍改革再出發(fā)
的勞動力市場區(qū)域分割問題遲遲難以解決。2015年，中國勞動年齡人口和流動人口出現(xiàn)逾30年來首次雙降。與此同時，GDP增速創(chuàng)25年新低。這與人口紅利的減少有很大關(guān)系。而戶籍改革可以進一步釋放人口結(jié)構(gòu)紅利?；诖耍醒氪罅ν七M戶籍改革，同時，也要看到重重困難。因為戶籍改革說到底，還是利益再分配過程，這是未來改革的難點與著力點。當前，中國面臨增長趨緩，亟須尋找新常態(tài)下的增長新動力。如何抓住時機，加快戶籍改革，推動新型城鎮(zhèn)化戰(zhàn)略，助力中國經(jīng)濟走出危機，是未來幾十年
檢察風云 2016年4期2016-05-14
- 圖像區(qū)域分割中的無監(jiān)督圖割方法
032）圖像區(qū)域分割中的無監(jiān)督圖割方法趙 婕1，2，謝 剛1（1．太原理工大學信息工程學院，山西太原030024；2．太原大學計算機工程系，山西太原030032）提出一種基于圖割算法的圖像多區(qū)域分割方法，該方法采用核函數(shù)對數(shù)據(jù)項進行隱性的非線性映射，將原始數(shù)據(jù)映射到高維特征空間，實現(xiàn)圖像的線性多類劃分，擴展了分段常數(shù)模型的應用范圍，提高了復雜區(qū)域的分割效果。由于圖像邊緣梯度變化劇烈，具有不連續(xù)性，在平滑項中加入圖像的梯度約束條件，減少過分割。同時，采用無監(jiān)
系統(tǒng)工程與電子技術(shù) 2015年6期2015-08-17
- 移動機器人同時定位與構(gòu)圖中的自適應區(qū)域分割方法＊
圖中的自適應區(qū)域分割方法＊黃佳維 石章松 吳中紅（海軍工程大學電子工程學院 武漢 430033）在移動機器人同時定位與構(gòu)圖中，區(qū)域分割是直線提取的第一個處理步驟，旨在降低直線提取時的迭代次數(shù)，提高運算效率。針對現(xiàn)有的分割方法沒有考慮掃描間隔與掃描點距離對分割閾值影響的問題，提出了一種考慮掃描間隔與探測點距離對分割閾值影響的自適應計算方法。實驗結(jié)果表明，該方法明顯提高了區(qū)域分割的準確度和魯棒性，降低了迭代次數(shù)和運算量。移動機器人同時定位與構(gòu)圖；直線提?。痪嚯x
艦船電子工程 2015年11期2015-06-07
- 等級Voronoi圖及加權(quán)Voronoi圖的ArcGIS矢量生成算法
法思想，通過區(qū)域分割和合并方法實現(xiàn)了對空間的多級劃分，為研究和發(fā)展GIS空間數(shù)據(jù)模型提供了重要的方法手段。等級Voronoi圖；等級加權(quán)Voronoi圖；ArcGIS；區(qū)域分割；區(qū)域合并0 引言等級Voronoi圖(Hierarchical Voronoi Diagram)亦稱作分層Voronoi圖，簡稱等級V圖或分層V圖,是對空間區(qū)域多級劃分，以樹狀形式表示區(qū)域?qū)哟侮P(guān)系的方法，是Voronoi圖理論和應用的擴展。等級V圖是一種數(shù)據(jù)結(jié)構(gòu)，用于提高數(shù)據(jù)組織、
地理與地理信息科學 2015年2期2015-06-07
- 高分辨率道路影像提取的研究現(xiàn)狀
緣提取、基于區(qū)域分割提取及兩者相結(jié)合的提取方式。關(guān)鍵詞：高分辨率影像；道路特征提取；提取方法；邊緣；區(qū)域分割高分辨率影像能夠提供更加豐富的信息，有利于提取不同尺度和不同類型的道路。根據(jù)高分辨率遙感影像的特點，近年來使用較高分辨率的遙感影像來提取道路特征的方面已取得一些研究成果?？偟膩碚f，提取道路特征的研究基本上可以分為三類：基于邊緣提取、基于區(qū)域分割提取和兩者相結(jié)合的提取方法。具有代表性的基于邊緣的道路提取方法主要有：賈承麗，趙凌君等（2008）先通過Fr
科技創(chuàng)新與應用 2015年12期2015-05-30
- 模糊C-均值聚類對點云數(shù)據(jù)的分割
基于邊的點云區(qū)域分割，他們利用提取的邊特征柵格，通過空間柵格、鄰近的曲率差可以識別提取的特征柵格，從而實現(xiàn)空間散亂點的分割[2]；Jiang等提出利用掃描線進行平面區(qū)域分割的方法[3]；董明曉等利用點云數(shù)據(jù)曲率的變化來實現(xiàn)點云數(shù)據(jù)區(qū)域分割[4]；龔友平等利用點云數(shù)據(jù)中的法矢和曲率等信息，實現(xiàn)了點云數(shù)據(jù)的區(qū)域分割[5]；Ahmad Kamal Aijazi等利用超體素分割方法對城市場景的點云數(shù)據(jù)進行了分割[6]。第三類則是通過聚類算法來實現(xiàn)點云數(shù)據(jù)的分割，根
安徽農(nóng)業(yè)科學 2015年17期2015-03-31
- 基于反射強度和K-means聚類的平面標靶定位研究
射強度值進行區(qū)域分割，對分割得到的每一區(qū)域基于K-means聚類方法得出區(qū)域中心坐標，進而獲得平面標靶的中心坐標。通過與重心法、反射強度加權(quán)法和軟件自動提取方法的結(jié)果比較，驗證本文中算法的準確性。1 基于反射強度和K-means聚類的標靶中心自動識別算法在對平面標靶定位之前，需要將標靶數(shù)據(jù)從掃描點云數(shù)據(jù)中分割出來，然后采用一定的算法將數(shù)據(jù)中的粗差點剔除。本文中采用人工選擇的方式得到平面標靶點云數(shù)據(jù)，在此基礎(chǔ)上利用總體最小二乘法消除數(shù)據(jù)中的異常值，將處理后的
激光技術(shù) 2015年3期2015-03-18
- 基于SLIC區(qū)域分割的三維地形重建算法*
基于SLIC區(qū)域分割的三維地形重建算法*常方媛1，馮志勇1，徐 超2(1.天津大學計算機科學與技術(shù)學院，天津 300072；2.天津大學軟件學院，天津 300072)為利用無人機在高空連續(xù)拍攝的兩幅航拍圖像準確實現(xiàn)三維地形重建，提出了通過將圖像進行區(qū)域分割來達到不同地形區(qū)域分別生成數(shù)字高程模型DEM數(shù)據(jù)的方法。首先利用簡單線性迭代聚類SLIC超像素算法將圖像分割為多個包含單一地形的超像素區(qū)域，再利用各區(qū)域的顏色信息進行相鄰同類地形區(qū)域的融合，最后在所得的各
計算機工程與科學 2015年9期2015-01-05
- 基于不規(guī)則區(qū)域分割及灰度排序分類的分形壓縮算法
者結(jié)合不規(guī)則區(qū)域分割壓縮算法的思想，首次將脈沖耦合神經(jīng)網(wǎng)絡(luò)(pulse coupled neural network，PCNN)分割算法引入分形壓縮，并且在分形壓縮過程中，根據(jù)PCNN分割后所得二值圖像的灰度值和原圖像的灰度值兩個特征聯(lián)合分類，從而進一步縮小搜索匹配范圍。1 分形圖像壓縮的編碼算法20世紀80年代末，Barnsley［5］提出了基于迭代函數(shù)系統(tǒng)(iterated function system，IFS)的分形圖像壓縮理論。其基本思想是利用數(shù)
中國石油大學學報（自然科學版） 2014年3期2014-10-24
- 一種基于多分辨率閾值選取原則的圖像分割方法*
0 引言圖像區(qū)域分割[1]是圖像處理中的關(guān)鍵一步，分割結(jié)果的好壞直接影響圖像的識別。目前，現(xiàn)有的區(qū)域分割算法可以分為[2－5]:基于區(qū)域的方法(區(qū)域生長法)、基于邊緣的方法、閾值分割法等?；趨^(qū)域的方法關(guān)鍵是生長準則的確定，但是此方法僅限于局部搜索范圍，并且種子像素的選取也具有一定的不確定性;基于邊緣的方法是假設(shè)區(qū)域之間的邊界上像素的灰度變化顯著，在提取閉合邊界的基礎(chǔ)上進行區(qū)域填充，得到區(qū)域的表示，但是這種方法首先要對灰度圖像進行邊緣特征提取，增加了難度和
彈箭與制導學報 2013年5期2013-12-10
- 基于區(qū)域分割和均方誤差改進的圖像修復算法
，肖 莽基于區(qū)域分割和均方誤差改進的圖像修復算法*李光耀1，耿瑞全1，譚云蘭2,1，肖 莽1（1.同濟大學電子與信息工程學院，上海 201804；2. 井岡山大學電子與信息工程學院，江西，吉安 343009)基于樣本塊的Criminisi圖像修復算法在搜索匹配塊時，使用全局搜索并用均方誤差（sum of squared differences）來衡量樣本塊差異。該方法存在搜索范圍過大，效率較低，僅考慮顏色的差異，容易導致修復結(jié)果邊界錯位等不足，本文提出了一
井岡山大學學報(自然科學版) 2013年6期2013-10-28
- 噪聲對三維圖像歸一化互信息配準的影響
提出將直方圖區(qū)域分割后再配準的方法，用以消除噪聲的影響，有效抑制了局部極值現(xiàn)象，完善了三維圖像的配準。1 基于歸一化互信息的圖像配準1.1 圖像數(shù)據(jù) 本文原始數(shù)據(jù)為一臨床MR（PD加權(quán)和T2加權(quán)）和CT圖像，具體參數(shù)見表1。表1 MR和CT圖像的分辨率及像素大小*1.2 圖像配準方法 互信息是信息統(tǒng)計學中的一個重要概念，用來描述兩個系統(tǒng)之間的統(tǒng)計相關(guān)性，或一個系統(tǒng)包含另一個系統(tǒng)信息的多少。若有兩副圖像A、B，用H(A)、H(B)分別表示A、B的熵，H(A,
中國醫(yī)學影像學雜志 2011年11期2011-04-07
- 有效部署防火墻的兩種方式
化君采取基于區(qū)域分割的層疊方式或三角方式來部署防火墻系統(tǒng)，以實現(xiàn)比較安全的網(wǎng)絡(luò)環(huán)境。防火墻是目前最為流行也是應用最為廣泛的網(wǎng)絡(luò)安全技術(shù)。在構(gòu)建安全網(wǎng)絡(luò)的過程中，防火墻作為第一道安全防線正受到越來越多用戶的關(guān)注。防火墻的設(shè)計基于兩大假設(shè)：1.在防火墻內(nèi)部各主機是可信的；2.防火墻外部每一個訪問都是攻擊性的，至少是有被攻擊的可能性。這種假設(shè)已不能適應互聯(lián)網(wǎng)的發(fā)展需求。大量事實顯示，來自內(nèi)外結(jié)合的攻擊是當前網(wǎng)絡(luò)安全的最大威脅。顯然，單一的防火墻難以消除這一威脅，
中國教育網(wǎng)絡(luò) 2010年4期2010-11-09