《表2 纹理特征提取方法对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图像分析的恶意软件检测技术研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2列出了几种纹理特征提取方法的优缺点，由于几何法应用和发展极其受限且后继研究很少，所以在表2中没有体现。由表1可以看出，在提取恶意软件图像纹理特征的过程中，研究者大多采用GIST模型、Gabor滤波法等，其中GIST模型的使用最为频繁，该算法采用全局特征信息对场景进行识别与分类，不需要对图像进行分割和局部特征提取，可以实现快速场景识别与分类。具体细节可参考文献[24，25]。GIST模型、Gabor滤波法都属于信号处理法，选择这种方法的一个原因是信号处理法有利于纹理图像分割，有助于随后恶意软件的检测。NATARAJ[9]等人提出并实现了使用图像法检测恶意软件，并测试了几种不同的提取纹理特征的方法，实验结果表明，GIST模型和Gabor滤波法提取的纹理特征在纹理分割和分类方面都有着很好的表现，这也是使用信号处理法的另一个原因。但也有研究者，如韩晓光[15]等人，选择使用其他方法进行恶意软件图像纹理特征提取，实验结果证明了其他方法也是可行的。这也为后续的实验提供了新的思路，尝试使用不同的纹理特征提取方法进一步提高恶意软件检测的精确度和效率。