李东民 作品数:6 被引量:34 H指数:3 供职机构: 南京航空航天大学计算机科学与技术学院 更多>> 发文基金: 中央高校基本科研业务费专项资金 国家电网公司科技项目 更多>> 相关领域: 自动化与计算机技术 更多>>
云环境下基于编码树的新型保序加密算法 被引量:3 2018年 传统加密方式导致云服务器无法解析加密数据,限制了云平台服务能力。为此,提出一种基于编码树的保序加密算法,根据密文在编码树中的查找路径生成保序密文。针对保序加密过程中密文可变性,设计一种密文更新策略,在用户数据更新情况下快速进行密文更新,从而保证加密算法的高效性和可靠性。实验结果表明,该算法可减少客户端与服务器通信次数,提升保序密文生成效率。 纪鹏 吕旭明 苏善婷 陈硕 李东民 刘赛关键词:云计算 密码学 数据保护 基于自适应背景模板与空间先验的显著性物体检测方法 被引量:7 2017年 目前,显著性检测已成为国内外计算机视觉领域研究的一个热点,但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题,本文提出了基于自适应背景模板与空间先验的显著性物体检测方法,共包含三个步骤:第一,根据显著性物体在颜色空间上具有稀有性,获取基于自适应背景模板的显著图.将图像分割为超像素块,提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块,获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化;第二,根据显著性物体在空间分布上具有聚集性,利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三,将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000、SOD、ECSSD和新建复杂数据集CBD上进行实验验证,结果证明本文方法能够准确有效地检测出图像中的显著性物体. 林华锋 李静 李静 梁大川 李东民关键词:显著性检测 基于多尺度先验深度特征的多目标显著性检测方法 被引量:13 2019年 显著性检测是近年来国内外计算机视觉领域研究的热点问题,在图像压缩、目标识别与跟踪、场景分类等领域具有广泛的应用.针对大多显著性检测方法只针对单个目标且鲁棒性不强这一问题,本文提出一种基于深度特征的显著性检测方法.首先,在多个尺度上对输入图像进行超像素分割,利用目标先验知识对预显著区域进行提取和优化.然后,采用卷积神经网络提取预选目标区域的深度特征.对高维深度特征进行主成分分析并计算显著性值.最后,提出一种改进的加权多层元胞自动机方法,对多尺度分割显著图进行融合优化,得到最终显著图.在公开标准数据集SED2和HKU IS的实验表明,与现有经典显著性检测方法相比,本文方法对多显著目标检测更准确. 李东民 李静 梁大川 王超关键词:显著性检测 过分割 元胞自动机 基于故障树分析的嵌入式系统AADL模型可靠性分析方法 被引量:7 2017年 采用架构分析与设计语言(AADL)建立嵌入式系统的半形式化模型,实现从AADL模型到静态故障树(Static Fault Tree,SFT)模型的转换,并根据故障树定量分析法对系统可靠性进行分析。首先结合AADL错误模型附件建立可靠性模型;然后设计了从AADL模型到SFT模型的语义映射规则,并实现了将AADL模型中的基本元素转换为静态故障树中相对应的元素;最后结合飞机车轮刹车系统实例,使用文献中提出的方法对其进行可靠性分析,从而验证所提方法的可行性和有效性。 李东民 李静 林华锋关键词:AADL 故障树分析 可靠性分析 基于图和稀疏主成分分析的多目标显著性检测 被引量:3 2018年 针对具有多个显著目标且背景较为复杂的图像,提出了一种基于全连接图和稀疏主成分分析(sparse principal component analysis,sPCA)的显著性检测方法.首先,在不同的尺度空间上利用目标先验知识快速获取包含预选显著目标的空间位置信息,同时,在超像素分割的基础上构造全连接图,并计算超像素级的显著图.然后,利用目标先验知识提取并优化超像素显著图的显著性区域,采用稀疏主成分分析提取优化后的显著性像素点的主要特征,获取相应尺度的显著图.最后,将多个尺度下的显著图进行融合得到最终的显著图.该方法充分利用了超像素与像素显著性计算的优势,在提高检测速度的同时获得更高的检测精度.在公开的多目标数据集SED2和HKU_IS上进行实验验证,结果表明:该方法能够有效检测出复杂背景下的多个显著目标. 梁大川 李静 刘赛 李东民关键词:显著性检测 一种协同显著目标自动分割方法 被引量:1 2018年 图像分割是把图像中感兴趣的目标提取出来,广泛应用于图像识别、图像检索及目标追踪等领域,已成为国内外计算机视觉领域研究的一个热点.针对现有交互式分割方法需要用户进行有限步骤的交互,不能实现图像的自动分割这一问题,提出一种基于协同显著检测的多阶段显著目标自动分割方法.首先,利用基于聚类的协同显著目标检测方法获取协同显著图.然后,利用星形先验的图割方法和混合高斯模型拟合前景与背景,结合Grab Cut算法实现细分割.最后,利用显著目标的主动轮廓分割方法优化细分割的结果.在标准数据集上进行仿真实验,验证了提出方法的有效性. 王超 李静 李东民关键词:高斯模型 GRABCUT 主动轮廓模型