任意视点电视系统中深度数据的自适应非均匀量化方法

为了降低现有任意视点电视系统中深度数据量化所带来的量化失真,提出一种自适应非均匀深度量化方法.首先根据深度数据的统计特性,选取有效深度子空间;然后对有效深度子空间重新进行精细划分,得到对应的自适应量化表;最后使用该自适应量化表对原深度数据进行自适应量化.实验结果表明,与现有的均匀量化和普通非均匀量化方法相比,使用所提出的方法可使深度数据的量化信噪比平均提高20 dB.因此,自适应非均匀量化方法能够显著降低深度数据量化误差,有助于在任意视点电视系统的接收端获得高精度深度数据,从而得到主观效果更好的虚拟视图.

基于自适应非均匀量化的安全人脸识别方法

随着人脸识别技术的广泛应用,相应的隐私及安全问题也引起了人们的主意。主成份分析是人脸识别技术最典型的算法之一。分析了主成份分析方法的安全性,针对其存在的安全漏洞,提出了一种基于自适应非均匀量化的安全人脸识别算法,将主成份分析方法得到的人脸模板特征进行量化,用量化特征的哈希值代替人脸模板特征存储在数据库中,并给出了该算法的安全性分析。实验结果表明该算法在不改变算法准确性的同时也提高了系统的安全性。