比研究中，证实sift及相关改进算法具有相当的健壮性。sift算法检测图像的局部特征，具有独特性、多量性、实时性、扩展性强等特点。sift算法本质是在使用高斯卷积得到的不同尺度空间上定位出特征点，基于图像局部梯度方向确定其特征描述并进行匹配。3应用方案1灰度化首先需要对待提取整个屏幕进行截屏处理，截屏得到的图像按照bmp(位图bitmap)格式进行存储。截屏图像具有r、g、b三种颜色，数值范围均为0至255，为了便于处理需要对图像处理为256级灰度图像，这里采用一种常见的方法转化，公式如下：灰度值=3b+59g+2sift定位使用sift算法对windows屏幕程序各要素定位需要预先获取各目标对象的特征和属性。随后基于已经构建好的模型进行匹配。在选取特征的过程中由于sift算法的优良特性不用过多考虑平移、旋转、尺度、亮度等影响因子。sift算法[3]的步骤分为尺度空间的构建、极值点检测、极值点定位、特征点方向分配、生成特征点等五个步骤。首先需要建立一个目标特征库，通过分析提取大量应用程序界面内按钮、窗口等要素特征点将其加入目标特征库供特征匹配使用。由于各各应用程序按钮、窗口等要素的几何形状的差异性，特征点可能存在较大的区别，该目标特征库还需要具备学习功能，不断收集新的特征点加入特征库以提高识别的准确率和稳定性。3文本定位[4]得到各项应用程序界面元素对象之后还需要确定其中文本的位置并对其识别，目前常见的文本定位算法大致有三大类：一是基于边缘的检测算法，使用文字边缘信息和局部直方图定位;二是基于纹理的检测算法，该算法的核心思想是将文本视作一种特殊的纹理分割检测，适用于复杂背景情况下的文本定位但效率较低;三是基于连同区域的提取算法，该种算法利用区域几何条件设置阈值提取文字区域范围，在复杂背景条件下无法精确提取文字连通区域，应用面较为狭窄。本文结合纹理检测算法以及连通区域方法的特点，首先粗略得到大概连通区域，然后通过小波算法获取纹理特征，对于复杂条件下系统屏幕界面中的各种网络客服的种类和配置，在这样的发展背景下，相关人员的专业操作技能也应当得到提高。但从笔者的了解来看，很多数据安全管理人员并没有熟练掌握应有的安全管理技能，难以对信息资源进行有效利用，正是因为专业操作能力的缺乏，使社保系统内部的数据安全问题频繁发生。没有落实安全措施目前，现代化动态性、综合性的特点是人们对数

　　请收藏：https://m.bqgme.cc

（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）