采用超复数小波生成对抗网络的活体人脸检测算法

为了提升人脸识别系统判别图像真实性的能力,针对较难检测到未知的活体人脸攻击问题,提出了一种采用超复数小波生成对抗网络的活体人脸检测算法。采用4个不同类型的数据集,随机选择3个作为训练集,另一个作为测试集,形成训练时未知的活体人脸。训练集视为3个源域,输入到超复数小波生成对抗网络中,使一个特征生成器与3个判别器进行对抗,当特征生成器成功欺骗过3个判别器时,形成具有3个源域共享且区别于3个源域的特征空间,能够检测到不同于源域的人脸特征。在判别器上设置了域间和域内的三元组约束函数,以此提高判别器的性能,将超复数小波的细节子带图与卷积网络联合,学习图像多个方向的细节纹理特征,用来提升判别器鉴定活性人脸特征的能力。由于真假人脸的远程光电体积描记术和深度图都具有较大的差异,所以将其嵌入到特征空间中,增强生成特征空间检测人脸特征的泛化性能,形成通用的特征空间。在该特征空间中使用测试集进行判别分类,得到真假人脸识别结果。实验结果表明,在CASIA-FASD、Replay-Attack和NUAA数据集上,所提算法的接受者操作特性曲线下的面积分别为84.65%、86.06%、91.21%,半错误率分别为24.05%、21.05%、15.01%,均高于对比算法的结果。

超复数域小波变换的显著性检测

针对现有频域显著性检测方法得到的显著区域不完整的问题,该文提出一种多尺度分析的频率域显著性检测方法。首先由输入图像特征通道信息构建4元超复数,然后通过小波变换对4元超复数域中幅度谱进行多尺度分解,计算生成多尺度下的视觉显著图,最后由评价函数选出效果较好显著图合成最终视觉显著图。实验结果表明,该文方法能够有效地抑制背景干扰,快速、精确地找到完整的显著目标,具有较高的检测精确度。

基于超复数小波和图像空域的卷积网络融合注视点预测算法

针对已有注视点预测模型存在特征细节缺失、尺度单一和背景信息干扰严重导致的注视点预测精度偏低等问题,提出了一种基于超复数小波和图像空域的卷积网络融合注视点预测算法.首先,针对细节特征丢失问题,使用超复数小波变换在频域中提取图像的细节特征,与卷积网络提取的空域特征进行融合.然后,通过空洞空间金字塔池化模块,融合不同感受得到的特征图,有效解决了特征尺度单一的问题.最后,引入了残差卷积注意力模块,结合空间和通道的注意力机制,能够有效抑制背景信息的干扰,提高注视点预测精度.在SALICON数据集上,CC、sAUC和SIM评价指标下,该算法的性能达到0.8847、0.7693和0.7780;在CAT2000数据集上,该算法在相应指标下的性能为0.7355、0.8701和0.6645.主客观对比实验结果表明,该算法具有较好的注视点预测能力.