GIST特征和LMGIST包的python实现(有github)——使用gist特征检测恶意文件
2021-08-18 14:59
1 什么是Gist特征 (1) 一种宏观意义的场景特征描述 (2) 只识别“大街上有一些行人”这个场景，无需知道图像中在那些位置有多少人，或者有其他什么对象。 (3) Gist特征向量可以一定程度表征这种宏观场景特征 GIST定义下列五种对空间包络的描述方法 自然度（Degree of Naturalness） 场景如果包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平倾向的自然度低，反之自然度高。| 开放度（Degree of Openness） 空间包络是否是封闭（或围绕）的。封闭的，例如：森林、山、城市中心。或者是广阔的，开放的，例如：海岸、高速公路。 粗糙度（Degree of Roughness） 主要指主要构成成分的颗粒大小。这取决于每个空间中元素的尺寸，他们构建更加复杂的元素的可能性，以及构建的元素之间的结构关系等等。粗糙度与场景的分形维度有关，所以可以叫复杂度。 膨胀度（Degree of Expansion） 平行线收敛，给出了空间梯度的深度特点。例如平面视图中的建筑物，具有低膨胀度。相反，非常长的街道则具有高膨胀度。 险峻度（Degree of Ruggedness） 即相对于水平线的偏移。（例如，平坦的水平地面上的山地景观与陡峭的地面）。险峻的环境下在图片中生产倾斜的轮廓，并隐藏了地平线线。大多数的人造环境建立了平坦地面。因此，险峻的环境大多是自然的。 2 LMgist原理 2.1 LMgist算法主流程 G1:对输入图片进行预处理 (RGB或RGBA转128x128灰度图) G2:对输入图片进行Prefilt处理 G3:计算图片的Gist向量 2.2 G2 对输入图片进行Prefilt处理 2.2.1 Pad images to reduce boundary artifacts (扩边+去伪影) 2.2.2 Filter (构造滤波器) 2.2.3 Whitening (白化) 2.2.4 Local contrast normalization (局部对比度归一化） 2.2.5 Local contrast normalization (局部对比度归一化） 2.3 计算图片的Gist向量 2.3.1 Pading 2.3.2 FFT 2.3.3 遍历每个Gabor核函数 3 Gist的实现--LMgist LMgist的Matlab代码?
文章标题：GIST特征和LMGIST包的python实现(有github)——使用gist特征检测恶意文件
文章链接：http://soscw.com/index.php/essay/107565.html