基于混合特征的近似重复图像检索方法

仅基于SIFT特征的近似重复图像检索有较高的错误率,无法满足大规模数据的检索精度要求。此文提出了一种基于混合特征的近似重复图像检索方法,该方法将SIFT特征点附近的边缘特征检测结果与SIFT描述子一起,用汉明嵌入的方式生成比特串。对于比特串的匹配结果,使用了一种评分加权方法,提高了结果精度。在Oxford5K数据集上的实验结果表明,该方法有效地提高了SIFT描述子的抗干扰能力,降低了近似重复图像检索的错误率,减少了在线查询所需时间,具有较高的工程应用价值。

一种改进的音频内容认证算法

介绍了一种基于内容的数字音频认证算法,主要目的在于突破现有音频认证算法仅能判断音频是否受到篡改、而难以定位一个乃至多个具体受篡改位置的局限性,提供更具意义的认证结果。现有的算法通过鲁棒性哈希和半脆弱水印来进行内容的认证,一般采用固定时间分帧并且缺乏重新同步的机制,因此当多处剪切、插入这类失同步的攻击发生时,这些算法都无法在攻击的结束位置重新同步从而导致认证结果有较高的漏警率。文章所述的算法通过提取音频中的关键锚点,以此将音频划分为一系列不等长片段,利用动态时间规整的方法完成同步,最后由机器学习训练得到的模型协助音频的内容认证。实验结果证明了该方法在多于一次的失同步攻击的情况下仍然保持良好的认证效果。

基于层次结构的动态粒子树SLAM算法

自发的全局定位能力是自主式移动机器人系统的一项重要功能。在导航定位领域,机器人需要对自己的位置和整个场景地图进行估计,这对于概率建模而言,无论是在计算上,还是可操作性上都是很难实现的,因此需要引入统计学中的采样来完成这一任务。SLAM算法的提出,让机器人导航有了巨大的进步,并且易于扩展,基于它的各种改进,可以支持对场景中动态物体,如人、搬动的桌椅等进行计算,不影响整个地图的建立。系统在原有SLAM算法基础上提出了一种基于层次结构的动态粒子树算法,通过分层次操作有效的维持了局部区域内的精度,并在全局上能保证地图的闭合,这使得算法能够很好的适应变化多样的家庭环境。并且动态粒子树结构能够在维持一个较小的存储空间的基础上,保持动态高效的全局信息更新,为整个系统的实时性、稳定性打下了良好的基础,使得整个系统能够很方便的移植到实际系统。