基于自编码器和Fisher矢量编码的人脸防伪检测研究

为了应对针对人脸识别系统的欺骗攻击,设计一种基于软件的方法来检测人脸欺骗攻击。首先,从多个颜色通道中随机提取局部视频块并将其向量化,随后训练并使用自编码器将提取的向量进一步编码为局部低维特征;接着,利用这些特征拟合一个高斯混合模型;然后,使用Fisher矢量编码将来自同一样本的全部局部低维特征聚合成一个全局特征向量;最后,通过支持向量机对这些全局特征进行分类。在三个标准人脸欺骗数据集上的实验结果证明了该方法的有效性。在IDIAP数据集上的半错误率为0%,在CASIA数据集和MSU数据集上的等错误率分别为3.33%和2.08%。该方法结合自编码器和Fisher矢量编码,在低维特征的情况下取得了较高的性能,可以有效地抵抗人脸识别中基于照片和视频的欺骗攻击。

基于稀疏编码金字塔模型的农田害虫图像识别

相较于一般物体的图像,农作物害虫图像因具有复杂的农田环境背景,分类与识别更加困难。为提高害虫图像识别的准确率,该文提出一种基于图像稀疏编码与空间金字塔模型相结合的害虫图像表示与识别方法。该方法利用大量非标注的自然图像块构造过完备学习字典,并运用该学习字典实现对害虫图像的多空间稀疏表示。与此同时,结合多核学习,该文设计了一种害虫图像识别算法。通过对35种害虫的识别,试验结果表明:在相同方法下,该文所提特征提取方法可使平均识别精度提高9.5百分点;此外,进一步通过对221种昆虫及20种蝴蝶的识别,试验结果表明:与传统方法相比较,该文所提方法使得平均识别精度提高14.1百分点。

基于金字塔正交小波分解的快速分形图像编码

本文提出了一种基于小波分解的快速分形图像编码方法．先对子图像块进行金字塔Haar变换；然后从低频段开始依次累加误差并与阈值比较，大于阈值则结束匹配由于各频带的数据量和能量分布不均匀，许多搜索过程可以提前结束．文中只需用对比度比例因子来估计误差，仅对搜索成功的块才计算亮度平移值．此外，对四叉树剖分的块方法也作了进一步的改进实验表明在不影响图像质量的前提下，编码时间缩短了100倍以上．

基于稀疏编码空间金字塔匹配和GA-SVM的列车故障自动识别

针对货车运行故障动态图像中车辆挡键、集尘器和安全链锁紧螺栓的故障检测,提出一种基于稀疏编码空间金字塔匹配和遗传算法优化的支持向量机相结合的通用故障自动识别算法。首先在不同尺度空间对样本图像进行划分,对每个部分提取尺度不变特征变换特征,利用随机抽取样本的SIFT特征通过迭代学习生成字典并进行稀疏编码;其次利用主成分分析定义编码后的特征对故障识别准确率的贡献值,并据此对编码特征进行降维;然后利用编码降维后的特征结合遗传算法对线性SVM分类器进行训练;最后用训练好的分类器模型对挡键、集尘器和安全链锁紧螺栓的故障进行识别。实验结果表明,本文提出的算法能较好的应用于3种不同类型的故障识别,识别率分别为97.25%、99.00%和97.50%,同时对噪声和光照变化具有一定的鲁棒性,能满足车辆故障的实际检测需求。

结合Fisher判别分析和稀疏编码的图像场景分类

视觉词典法是当前广泛使用的一种图像表示方法,针对传统视觉词典法存在的表示误差大、空间信息丢失以及判别性弱等问题,提出一种基于Fisher判别稀疏编码的图像场景分类算法.首先利用近邻视觉词汇重构局部特征点,构建局部特征点的非负稀疏局部线性编码,从而有效地利用图像的空间信息;然后在非负稀疏局部线性编码的基础上引入Fisher判别约束准则,构建基于Fisher判别约束的非负稀疏局部线性编码模型,以获得图像的判别稀疏向量表示,增强图像稀疏表示的判别性;最后结合支持向量机(SVM)分类器实现场景分类.实验结果表明,该算法提高了图像稀疏表示的特征分类能力以及分类性能,更有利于场景分类任务.

基于稀疏编码的时空金字塔匹配的动作识别

针对复杂场景下的动作识别,提出一种基于稀疏编码的时空金字塔匹配的动作识别方法.通过稀疏编码的方法学习更具有判别性的码书和计算局部块(cuboids)的稀疏表示;然后基于max pooling的时空金字塔匹配进行动作分类.该方法在KTH和YouTube两大公开数据集上进行了评价,实验结果表明,与基于K-means的时空金字塔匹配方法相比,该方法提高了2%-7%左右的识别率,在复杂的视频中取得了较好的识别效果.

结合稀疏编码和金字塔匹配的视频检索

针对金字塔匹配下的视频检索系统中基础特征用矢量量化方法表示不够精确的问题,结合稀疏编码方法进行视频检索。视频的基础特征通过稀疏编码表示后,用金字塔方法进行多次匹配,将多次匹配结果线性合并,作为修正后的相似性度量结果。通过对UCF50的检索实验表明,该方法能显著提高检索的准确率。

一种基于稀疏编码空间金字塔匹配的图像分类算法

图像分类技术是近年来计算机视觉领域中的研究热点,在移动互联网领域中取得了成功应用。提出了一种基于稀疏编码空间金字塔匹配的图像分类算法。该方法首先对图像的SIFT特征进行稀疏编码,替代了传统的矢量量化方法,可以有效降低量化误差,构建更为准确的图像表征方式,然后结合空间金字塔匹配算法采用线性分类器对图像进行分类识别。在标准测试图像数据库上的实验结果表明,相比BOF和SPM方法,该算法可以将图像分类准确率提高4%~12%。

基于金字塔格型矢量量化(PLVQ)的多尺度图像编码

近年来 ,格矢量量化 ( LVQ)由于本身的特点和性质引起了人们的广泛兴趣 .由于小波图像系数的分布特点 ,本文选用金字塔格型矢量量化 ( PLVQ) .为了使 PLVQ更有效 ,作者提出了一种与图像本身无关的熵编码方法去消除 VQ输出冗余 .特别是 ,给出了由格点输出索引和由索引输出格点的快速算法 ,而且 ,在矢量量化中引入了重要图的概念 ,可以有效确定非零矢量的位置 .此外 ,还根据异步传输模式 ( ATM)的特点 ,选择了传输的优先级 .

基于零树、金字塔格型矢量量化的小波图象编码

近年来 ,金字塔格型矢量量化 (PL VQ)方法由于其本身的特点和性质引起了人们的广泛兴趣 ,而文献 [1]介绍的基于零树 (ZR)的编码也获得了极大的成功 .根据信号的二进小波分解特点和小波图象系数的分布特点 ,利用 D4格将 PL VQ和零树结合起来 ,提出了一种基于零树和金字塔格型矢量量化的小波图象编码方法 ,该方法首先采用金字塔格型矢量方法来量化小波图象系数 ,以得到非零格点和零格点 ;然后采用复合熵编码来处理非零格点 ;最后为了有效确定非零格点的位置 ,也就是为了有效地处理零格点 ,又引进了重要图的概念 .在此基础上 ,从下往上、从上往下二次扫描重要图 ,再采用改进的零树编码方法来处理零格点 .实验结果证明 ,本文算法优于传统的基于游长的熵编码 .

具有Fisher判据约束的非负稀疏编码模型

在标准非负稀疏编码(NNSC)的基础上,引入Fisher线性判据约束,提出一种改进NNSC模型。该模型能够提高稀疏系数的空间可分性和特征分类能力。通过测试掌纹自然图像可知,提取的图像特征具有方向性、空间性和选择性,利用掌纹特征基可实现图像重构,采用距离分类器可得到较好的识别效果。仿真结果验证了该模型在可视神经元建模、图像特征提取和模式分类中的有效性。

基于Fisher分类和自适应阈值的分形图像编码方法

根据分割的迭代函数系统(PIFS)理论,在Fisher分类方法的基础上,依据分类后图像块的特征使用自适应阈值搜索与range块属于同一类的相匹配的domain块来进行分形图像编码,并对典型测试图像进行实验,与传统的固定阈值方法的性能进行比较。结果,在相同比特率上,相对于传统固定阈值方法,自适应阈值方法极大地提高了压缩比,减少了编码的时间,自适应阈值方法得到的解码图像质量明显好于传统的固定阈值方法。

二值图像的金字塔表示和最佳级联方块编码

提出的最佳级联方块编码是一种压缩二值图像数据的方法,它实质上是将前缀方块编码的原理逐次应用于二值图像金字塔表示的相继各级,寻求编码比特数的最小值,以便获得最大的数据压缩比。

结合Fisher编码和距离学习的非刚体三维检索方法

针对目前非刚体三维特征描述子表现力不足的问题,提出一种结合Fisher编码和距离学习构建全局特征描述子的非刚体三维模型检索方法.首先提取三维模型的局部特征描述子,利用混合高斯模型对特征集合进行无监督字典学习;然后将局部描述子和字典中心作为输入,通过Fisher编码方法得到新的特征编码;最后采用距离学习对特征编码进行空间映射,重构得到类内距离小类间距离大的全局特征描述子,用于非刚体三维模型检索.在公开数据集SHREC10和SHREC11上进行实验的结果表明,相比于传统方法,该方法在检索精度上有显著提高.

基于多层自动编码机的Fisher判别分析

在常见的特征提取方法中,Fisher判别分析(Fisher Discriminant Analysis,FDA)只能提取线性特征,基于核的方法具有提取非线性特征的能力,但对核函数类型及其参数十分敏感.文中研究如何有效提取数据特征,提出了一种基于多层自动编码机(Stacked Auto Encoders,SAE)和Fisher标准的特征提取算法,该算法所使用的深度学习网络模型在训练过程中结合无监督特征提取SAE以及有监督的特征提取FDA.通过与多层自动编码机、极限学习机(Extreme Learning Machine,ELM)等模型提取的特征进行对比,在数据集Pendigits、mnist、ORL和AR上利用支持向量机对数据特征进行分类,结果表明:基于SAE的Fisher变换(FDA-SAE)在减少分类时间的同时还提高了分类结果准确率,特别是在小数据集AR上,当样本特征较少时效果非常明显.

图象小波变换编码的双金字塔数据结构

利用小波变换将图象分解成一组多分辨率子图象，提出了一种改进的编码方案——利用子图象的灰度统计分布特性和人眼视觉特性的分配比特数；采用双金字塔数据结构对图象数据进行编码，充分利用子图象的相似性，进一步减少了数据量。１０幅奶牛图象的平均压缩比达到２６．２，平均信噪比为３０．６ｄＢ，具有较好的图象恢复质量。

结合空洞编码器和特征金字塔的中心点船舶检测

为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(DE)增大32倍下采样特征图的感受野,生成覆盖多个目标尺度的特征图,并采用特征金字塔网络(FPN)进行上采样,在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图,从而提取到更丰富的船舶特征信息,提升船舶检测效果。结果表明,改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升,相比SSD和YOLOv3算法具有更高的精度优势。

基于k密集近邻算法的局部Fisher向量编码方法

在基于视觉词包模型的图像分类方法中,Fisher向量编码是常用的图像表示方法之一.该方法利用每一个特征关于所有高斯子模型似然函数的梯度信息来构建图像表达.而在编码过程中,每一个特征都会被投影到所有的高斯子模型上并进行编码,同时子模型之间的内在差异也未被考虑,这些不足削弱了Fisher向量的表达能力.为此,提出一种基于k密集近邻算法的局部Fisher向量编码方法.在编码过程中该方法引入局部性约束原则,并利用图像特征空间中高斯子模型间的拓扑结构差异.在多个数据集上进行测试,结果表明改进方法能够有效提升分类的准确率.

基于栈式去噪自动编码器的边际Fisher分析算法

特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调阶段,进一步提升算法的特征学习能力。实验结果表明,该算法与标准的栈式去噪自编码器和基于受限玻尔兹曼机的深度信念网相比,具有更好的识别效果。

基于稀疏编码空间金字塔模型的零样本学习

针对目前零样本图像分类均采用图像底层视觉特征训练属性分类器而导致分类精度较低的问题,提出一种基于稀疏编码空间金字塔模型的零样本学习方法,给出系统结构流程图.首先从原始视觉图像中提取SIFT特征,并进行SIFT特征点提取;然后构建空间金字塔最大池化模型,对已提取的SIFT中间特征进行稀疏编码;最后建立间接属性预测模型.给出基于稀疏编码的空间金字塔最大池化模型的零样本学习算法步骤,完成对目标图像的属性预测,从而达到零样本图像分类的目的.在Shoes数据集与OSR数据集上进行了对比试验.结果表明:试验证实了文中算法的有效性;相对于传统算法,试验耗时减少,图像属性预测精度增加,图像分类识别率提高.