双倍比特量化近似查询索引算法研究

本文提出双倍比特量化与非对称距离的近似查询索引。首先,设计了一种双倍比特量化方法,通过把特征的每一维数据量化为两个比特二进制码,增加特征之间的区分性。然后,研究了非对称距离算法,通过计算浮点型查询特征与特征库中二进制码的距离,对海明空间下的最近邻进行重排序,以提高索引的查询精度。基准数据集上的实验表明,双倍比特量化与非对称距离的方法使最近邻查询精度提高15%~25%。

基于差分量化局部二值模式的人脸反欺诈算法研究

随着人脸识别技术已经融入到人们日常生活中,人脸欺诈检测作为人脸识别前的一个关键步骤越来越受到重视.针对打印攻击和视频攻击,提出了一种通过量化局部像素之间的差值来细化传统局部二值模式(local binary pattern, LBP)特征的差分量化局部二值模式(difference quantization local binary pattern, DQ_LBP)算法.DQ_LBP能够在不增加LBP维度的基础上提取像素之间的差值信息,以便更精确地描述图像的局部纹理特征.此外,使用空间金字塔算法统计了不同彩色空间中的DQ_LBP特征并将其融合成统一的特征向量,从而更加充分地描述了人脸的局部彩色纹理信息及其空间结构信息,进一步提高了算法的检测性能.实验结果表明:该算法在CASIA FASD,Replay-Attack,Replay-Mobile三个具有挑战性的人脸反欺诈数据库中都取得了较为优异的结果,而且在实时性设备的应用上具有很大的潜能.

基于双倍比特量化分类索引技术的图像检索研究

本文对图像数据进行双倍比特量化分类,增强了每个维度数据的差异程度。为了最大限度地提升量化后的查询精度,其间采用量化后比对结果和量化前的查询数据进行非等距计算,提高索引的查询精度。试验证明,最近邻查询的准确率较传统二进制映射中的双倍比特量化大大提高了性能。

基于权重量化与信息压缩的车载图像超分辨率重建

针对智能驾驶领域中需要在内存受限的情况下得到高质量的超分辨率图像的问题,提出一种基于权重八位二进制量化的车载图像超分辨率重建算法。首先,基于八位二进制量化卷积设计信息压缩模块,减少内部冗余,增强网络内信息流动,提高重建速率;然后,整个网络由一个特征提取模块、多个堆叠的信息压缩模块和一个图像重建模块构成,并利用插值后超分辨率空间的信息与低分辨率空间重建后的图像融合,在不增加模型复杂度的基础上,提高网络表达能力;最后,算法中整个网络结构基于对抗生成网络(GAN)框架进行训练,使得到的图片有更好主观视觉效果。实验结果表明,所提算法的车载图像重建结果的峰值信噪比(PSNR)比基于GAN的超分辨率重建(SRGAN)算法提高了0.22 dB,同时其生成模型大小缩小为LapSRN的39%,重建速度提高为LapSRN的7.57倍。

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。

三种面部性别识别算法的比较

首先介绍了FASTA-ELM、多尺度融合决策和多量化局部二进制模式三种算法在面部性别识别领域的应用。然后选取了FERET和PAL两个人脸数据集,其中PAL中的人脸图像由于角度和光照的影响,有很大的识别难度。接着将三种算法在这两个数据集上分别进行测试,发现FASTA-ELM能在不使用SVD的情况下计算输出权重的最小范数,并且可以推广到隐藏层矩阵较大的情况中去;而多尺度融合决策由于融合了多个尺度的信息,可以改善识别效果;多量化局部二进制模式则具有更好的泛化能力和处理噪声的能力。三种算法都达到了90%以上的识别正确率。