A Codebook Design Method for Robust VQ-Based Face Recognition Algorithm

In this paper, we present a theoretical codebook design method for VQ-based fast face recognition algorithm to im-prove recognition accuracy. Based on the systematic analysis and classification of code patterns, firstly we theoretically create a systematically organized codebook. Combined with another codebook created by Kohonen’s Self-Organizing Maps (SOM) method, an optimized codebook consisted of 2×2 codevectors for facial images is generated. Experimental results show face recognition using such a codebook is more efficient than the codebook consisted of 4×4 codevector used in conventional algorithm. The highest average recognition rate of 98.6% is obtained for 40 persons’ 400 images of publicly available face database of AT&T Laboratories Cambridge containing variations in lighting, posing, and expressions. A table look-up (TLU) method is also proposed for the speed up of the recognition processing. By applying this method in the quantization step, the total recognition processing time achieves only 28 msec, enabling real-time face recognition.

基于图像分类的矢量量化数字水印算法

通过提取熵和标准差两个特征对图像进行分类,将分类结果采用PNN算法进行矢量量化,将其生成的码书作为LBG算法的初始码书以降低该算法对初始码书敏感的缺点。同时在水印提取过程中,首先对码书进行预处理以减少图像攻击对码书的影响,再提取水印图像。实验证明,使用该方法不仅得到了较高的图像质量,而且对常见的攻击也具有鲁棒性。另外,在传输过程中对码书和索引值的窜改,也具有一定的抗攻击性。

基于图像熵分类的移动终端数字水印方法

针对移动终端多媒体数据的版权保护问题,为克服移动终端处理能力弱和内存小的缺点,采用基于图像熵分类的方法设计码书,同时在水印嵌入过程中,优先将水印信息嵌入于复杂度较高的纹理区域,以提高嵌入水印后的图像质量,并采用等均值等方差最近邻码字搜索算法代替传统搜索算法以缩短编码时间.实验证明,文中方法能在提高码书质量的同时,有效减少码书训练时间,并对JPEG压缩、剪切图像攻击具有较强的鲁棒性.

一种基于分类矢量量化的图像压缩算法

数字化的图像数据量非常大,为了减少表达一幅图像所需的数据量,将分类矢量量化的方法应用于图像压缩。矢量量化的关键技术是码书设计问题,采用分类矢量量化的方法对小波变换后的高频子带数据进行压缩。通过设计合理的矢量构造方法,利用改进的SOFM算法进行码书设计,经实验证明能提高码书设计的时间效率和数据的压缩比。

基于方差分类初始化码书的三维邻域SOM算法

针对自组织特征映射算法用于图像矢量量化存在的问题,为了提高矢量量化码书的性能,提出基于方差分类初始化码书的三维邻域SOM算法,通过对三维邻域SOM算法中的初始化码书算法进行改进,建立了基于方差分类的初始化码书算法.实验表明,用该算法设计图像矢量量化码书具有码矢利用率高、码书的性能好等优点.

邻居匹配与局部约束线性编码的图像分类方法

为提高局部约束线性编码(locality-constrained linear coding,LLC)的效率,提出一种结合邻居匹配策略改进的LLC方法。依据输入向量的空间相关性,在采用LLC方法计算输入向量的近邻码值矩阵之前,计算输入向量与空间相邻的已编码输入向量之间的欧氏距离,用其推断输入向量与码本中所有码值之间欧氏距离的上下边界,依据距离下边界判决条件跳过部分码值与输入向量的距离计算,依据距离上边界快速求解输入向量的近似近邻码值矩阵,依据LLC方法进行向量编码。图像分类实验结果表明,该方法的分类正确率高,编码耗时少。

码书分类重排矢量量化方法及其应用

矢量量化可有效降低语音编码速率,但目前已有的多级分裂矢量量化、转换分类分裂矢量量化方法等都存在存储需求、计算复杂度以及解码语音质量等不能达到良好折衷的缺陷。该文提出了一种码书分类重排矢量量化方法。该方法通过将设计好的码书进行分类重排以降低码书搜索范围。并将该方法与多级分裂矢量量化结合,提出了码书分类重排多级分裂矢量量化方法。在量化比特及码书大小不变的前提下,实验结果表明:该方法可达到透明量化效果,量化时的计算复杂度最大降幅可达到多级分裂矢量量化方法的90.24%。

码书排序对快速码字搜索算法性能影响的分析

矢量量化快速码字搜索算法中,为了有效地减小搜索范围,必须对原始码书按一定的准则进行重新排序。对现存的两类快速码字搜索算法进行了总结,其中一类是码书按1维顺序关系排序,另一类是码书按2维相邻关系排序。通过实验给出了两类算法的搜索范围和编码时间,并进行了比较和分析,进而提出了在实际编码时如何更好地使用这两种排序关系的准则。