核的正交完备鉴别局部保持投影

针对完备鉴别局部保持投影算法所求得的最优判别矢量间存在信息冗余问题,提出了核的正交完备鉴别局部保持投影算法。通过将核函数技术与正交性原理融合,采用高斯核函数将原始样本映射到高维特征空间,在高维特征空间的局部总体散度矩阵中计算最优判别矢量,只需在整个范围内对值域空间进行特征值分解,去除局部零空间达到样本降维目的。该算法分别在UMIST人脸库和JAFFE人脸表情库上进行实验,实验结果表明算法的识别率高达95.59%。

联合损失下深度可分离残差网络的表情识别算法

为了增强神经网络特征提取能力进一步提高人脸表情识别准确率,提出了一种联合损失下深度可分离残差网络模型DSResNet-JLoss(deeply separable residual network under joint loss),该网络是基于深度可分离卷积与残差学习方法的轻量级网络模型。使用逐通道卷积和逐点卷积的方法取代常规卷积运算,解决了传统卷积神经网络参数冗余大,训练时间长收敛慢,且易过拟合的问题。并在网络中加入残差单元,使用shortcut连接,通过恒等映射,来解决因网络模型层数过多导致的梯度爆炸或衰减问题。提出联合损失函数,充分结合了交叉熵损失,中心损失和对比损失的优点,以减小表情特征的类内距离,增大类间距离。实验表明,该模型在FERPlus和RAF-DB两个公开数据集上均取得较好的成绩,表现出良好的泛化能力和鲁棒性。

深度残差卷积下多视角特征融合的人脸表情识别

针对现实生活中多视角下人脸表情识别不够精准、计算量大等问题,提出了一种深度残差卷积下多视角特征融合的人脸表情识别模型MVResNet-FER。首先改进ResNet中的残差块,并使用深度可分离网络取代常规卷积网络。其次添加了CBAM模块,以增强多视角下有效特征的提取和浅层特征信息的补充。然后使用RReLu激活函数取代原始的ReLu,避免梯度较大时部分节点出现失活。最后使用全局平均池化层代替全连接层实现降维,并将生成的特征向量送入Softmax进行分类。实验表明,本文方法在CK+和RaFD数据集上产生了较优异的结果,能有效提高人脸表情识别的准确率。

基于CBAM-DSC网络的表情识别方法

针对人脸表情网络模型参数复杂和计算性能偏低等问题,提出一种基于卷积注意力机制和深度可分离卷积(convolutional block attention module-depthwise separable convolution,CBAM-DSC)网络的表情识别方法。网络使用深度可分离卷积与传统卷积相结合,提出的改进的Inception模块通过不同分支提取不同特征信息的同时减少了网络参数量,提高网络运行的效率。最后添加了卷积注意力机制模块,能够使网络提取特征时重点关注关键信息,从而使得提取到的特征表达信息更准确,更利于分类。在RAF-DB数据集和CK+数据集上的仿真实验表明,网络模型CBAM-DSC具有较高的识别率,消融实验中相比传统CNN(convolutional neural network)网络的参数量减少了6.4%,提升了计算性能。

基于分块主颜色匹配的图像检索

针对颜色直方图无法表达颜色空间分布信息的问题,提出一种基于分块主颜色匹配的图像检索算法,对图像进行新的重叠分块,提取各分块的主颜色,将简化的二次式距离计算方法应用到分块主颜色的匹配中,并对图像各个分块的颜色特征采用不同的加权系数。实验结果表明,该算法在保持较高检索精度的同时,能够降低特征空间维度,提高检索性能。

基于翻转课堂理念的计算机组成原理教学研究

分析计算机组成原理课程现阶段教学情况,提出基于翻转课堂的教学理念对该课程进行改进的思路和方法。

一种基于变化向量分析的变化检测方法

变化检测阈值对变化检测精确度的确定具有十分重要的影响,目前变化阈值的确定一般通过经验来完成,带有很大主观性.本文以变化向量分析方法为基础,将其运用到对图像的变化检测中,提出了一种以区域扩散的自适应确定阈值的方法来解决此类问题,在进行像素信息比较后的差值图像上设定一个阈值,并把该阈值应用到整幅图像上,从而使得变化检测精确度达到最高.同时运用相关资料进行精确分析和评价.结果表明,此方法提高了变化检测精确度.

块矢量的三维模型数字水印

针对三维网格模型数据的版权保护提出一种基于块矢量分布的三维网格模型数字水印算法。对三维网格模型进行分块,用块质心集代替原模型质心,构造模型块曲面的基本几何单元,视觉系统产生最小代价的基础上,调整块质心来嵌入单位水印信息,从而改变顶点位置使水印信息遍布整个模型。实验结果表明该算法对剪切,仿射变换、随机噪声和网格简化等攻击有较好的鲁棒性,具有较高的水印信息嵌入量和信息的冗余度。

深度学习下融合不同模型的小样本表情识别

为了进一步提高人脸表情识别在小样本中的准确率,提出了一种深度学习下融合不同模型的小样本表情识别方法。该方法首先对单个卷积神经网络(CNN)模型进行比较,通过dropout层不同的节点保留概率p,筛选相对合适的CNN。之后采用尺度不变特征变换(SIFT)算法提取出特征,使用SIFT提取特征的目的是提高小数据的性能。为了减少误差,避免过拟合,将所有模型进行汇总,采用简单平均的模型融合方法得到CNN-SIFT-AVG模型。最后,只采用少量样本数据来训练模型即可。该模型已在FER2013、CK+和JAFFE数据集上进行了验证实验。实验结果表明,该模型可以很大程度上提高小样本表情识别的准确率,并在FER2013、CK+和JAFFE数据集上产生了较优异的结果,与其他表情识别方法相比,准确率最大提升约6%。

基于Hash函数的脆弱图像水印算法

为了增强水印的内容认证性,提出了一种适用于数字媒体产品内容篡改证明和完整性认证的脆弱水印算法.采用Hash函数加密生成基于图像内容的脆弱水印,并将其嵌入到随机选择的图像点的LSB(least significantbit),有效地抵抗了伪认证攻击.利用Hash函数Hamming重量对输入变化的敏感性,能够精确地定位对加入水印图像的篡改,并且水印提取不需要原始图像.实验结果表明该脆弱水印算法具有较好的篡改定位能力.

Gabor特征均值的子空间人脸识别算法的改进

针对人脸图像局部特征提取不充分的问题,在基于子空间分析的人脸识别算法中,提出了在线性和非线性空间中实现基于2DGabor均值的子空间人脸识别算法.首先,根据人脸图像的5个特殊区域,对人脸图像进行分块处理,分别对每一块进行2DGabor运算,并把每个训练样本相应像素点得到的特征矢量取均值,得到图像的特征向量,然后在线性和非线性空间中利用2DPCA(two-dimensional principle component analysis)和KDA(kernel fisher discriminant analysis)对特征向量进行降维处理,最后利用最近邻分类器和支持向量机分类器SVM(support vector machine)进行特征分类与识别,通过对ORL和FERET标准人脸库图像进行的实验仿真即对比结果表明,基于2DGabor均值的方法不仅提高识别率,而且对于人脸光照、姿态和表情变换均具有良好的鲁棒性.

基于Gabor特征的全局加权稀疏表示

针对Gabor特征的稀疏表示分类方法中最小范数l1稀疏求解精度的问题,提出了一种基于Gabor特征的全局稀疏表示的人脸识别算法.首先利用Gabor小波变换处理人脸图像得到Gabor特征,建立超完备字典,然后在全局特征中引入向量总变差模型,并融合Gabor特征和全局特征,最后利用稀疏表示模型对融合后的特征进行优化.通过实验可以得出,这种新型人脸识别算法无论是对于图像的光照还是姿态和表情等多种变化因素都具备较强的鲁棒性.

块矢量拉普拉斯矩阵的三维模型数字水印

针对三维网格模型数据的版权保护,提出了一种块矢量分布与拉普拉斯矩阵结合的三维模型数字水印算法.对三维模型进行块分解,选取嵌入域,对水印图像进行预处理,构造拉普拉斯矩阵,通过修改拉普拉斯矩阵的频谱系数嵌入处理后的水印信息.实验结果表明:该算法具有很强的鲁棒性、不可见性和较好的抗剪切和仿射变换能力,是一种新的高效的三维网格模型数字水印算法.

基于测地距离的KPCA人脸识别

针对人脸检测数据集中的信息均为高维特征向量且人脸识别易受表情变化影响等问题,本文提出一种基于测地距离的KPCA人脸识别方法,该方法利用非线性方法提取主成分。先采用KPCA方法把人脸数据映射到高维空间,进而在高维空间中提取人脸的主成分,其中核函数为多项式核函数;然后引入测地距离替换原来的欧氏距离进行相似度量,其能更准确地测量出两像素点间的实际距离,使得人脸识别率受表情变化影响小。该方法不但可以实现降维,而且还能达到有效提取特征的目的。在ORL人脸库上的实验结果表明,该方法的识别率明显优于PCA、KPCA等方法的识别率。

基于2D-DWT与FLD的人脸识别算法

基于加权二维离散小波变换(2D-DWT)与Fisher线性判别(FLD),提出一种人脸识别算法。利用db2小波对人脸图像进行2层小波分解,对于分解图像利用FLD法进行特征提取,运用最近邻分类法对提取的特征进行分类识别。在ORL标准人脸图像库上的实验结果证明,该算法能取得较好的识别率。

全局加权稀疏局部保留投影

针对稀疏保留投影(SPP)算法运行时间较长并且忽略了样本的类间差异信息的问题,在稀疏保留投影算法的基础上,提出了全局加权稀疏局部保留投影(GWSLPP)算法。该算法在保持样本的稀疏重构关系的同时,使样本具有很好的鉴别能力,算法通过对样本进行稀疏重构处理;然后对样本进行投影并且最大化样本的类间散度;最后利用得到的投影将样本分类。该算法分别在FERET人脸库和YALE人脸库上进行实验。实验结果表明,全局加权稀疏保留算法在执行时间和识别率综合性能上,优于局部保留投影(LPP)、SPP和FisherFace算法,执行时间只有25 s,识别率能达到95%以上,实验数据验证了算法的有效性。

语义自编码结合关系网络的零样本图像识别算法

为了解决零样本图像识别中传统模型容易出现投影域移位问题以及提高距离相似度度量的鲁棒性,提出关系网络改进语义自编码器的零样本识别算法.基于语义自编码器构建图像视觉特征和语义向量之间的特征映射,并将重构向量与对应向量真值进行级联后送入神经网络,最终利用输出的标量给出预测类别.实验表明,相比传统距离度量方法,文中算法在AWA、CUB和Image Net-2数据集上的识别率均有所提高,在某些数据集上语义-视觉的投影效果优于反向投影.

压缩感知的人脸图像去噪

为解决人脸识别领域的噪声图像恢复问题,提出一种压缩感知的人脸图像去噪算法,协同稀疏性度量(collaborative sparse measure,CSM).CSM算法利用图像的先验知识,用一个域将图像稀疏表示,将图像的二维稀疏表示和三维稀疏表示同时进行自适应混合空间域转换,利用增广拉格朗日技术求解.实验结果表明,CSM算法的信噪比明显高于传统算法的信噪比,具有高效性.

双混沌映射的图像加密技术

为了提高图像加密算法的安全性和高效性,提出了一种分段Logistic混沌映射与Cat映射相结合的双混沌系统。首先由改进后的Logistic映射确定选用哪种映射进行迭代,从而确定混沌密钥,最后对算法的安全性进行分析。实验结果表明,该算法的密钥空间较大,并具有较高的初值敏感性和抗攻击能力,是一种新的有效的图像加密算法。

余弦度量的多流形最大间距鉴别保持嵌入

针对LMMDE算法存在的缺陷,提出了余弦度量的多流形最大间距鉴别保持嵌入算法(Multi-manifold Maximal Margin Discriminant Preserving Embedding based on Cosine M easure,CM M M M DPE).该算法首先利用多流形思想将原始样本集中的每个样本分成若干个局部小块样本,形成一个多流形的样本空间.在为流形内的每个局部小块样本确定类间邻域和类内邻域时,采用余弦距离代替欧式距离的度量方式.定义了加权的类间邻域散布矩阵和类内散布矩阵,来描述整个多流形空间中样本之间的相似度,通过相应的准则函数为每个样本流形找到最优投影矩阵,对每个样本流形降维到更低维流形空间中,最后通过计算测试样本流形与训练样本流形的距离来判定测试样本的类别归属.通过在多个人脸库上的实验,验证了本文方法的有效性.