排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
把U-正交变换应用到图像无损编码中,研究U-正交矩阵的基本三角可逆矩阵(TERM)分解与单行基本可逆矩阵(SERM)分解.一个N阶U-正交矩阵的TERM分解由N-1个自由变量决定,用区间收缩方法可以搜索到TERM分解的局部近似最优解.如果用行交换方法搜索正交矩阵的SERM分解,那么一个8阶的正交矩阵最多只有40320种可能的SERM分解,用穷举法即能找到SERM的近似最优分解.最后,用U-正交矩阵的可逆分解对图像进行无损编码,实验表明可逆U-正交变换的无损编码的码率与浮点U-正交变换的近似无损编码的码率基本相同,SERM分解要比TERM分解更有效,三次U-正交变换的编码效果与离散余弦变换的编码效果几乎完全相同.因此,在图像无损编码中,可用三次U-正交变换代替DCT. 相似文献
2.
采用递推方法构造一种正交变换,称之为U变换,该变换含有分段常数基向量、分段一次多项式基向量以及分段二次多项式基向量,是对Walsh变换、斜变换的推广。根据递推方式,可以得到相应的快速算法。利用平移复制算子和Kronecher积的性质,推导基于Kronecher积的快速算法和正交U变换的直接分解算法。将该变换应用于图像压缩中,构造基于人类视觉系统的量化表,实验结果表明,正交U变换的图像压缩性能明显优于斜变换的图像压缩性能,与DCT变换的图像压缩性能相当,为图像压缩提供了一种新的选择。 相似文献
3.
为了提高使用传统特征的有效卷积操作算法(ECOhc)的跟踪性能,提出基于各向异性高斯分布的视觉跟踪算法. 该方法根据不同目标的形状比构造水平和垂直方向上带宽不同的各向异性高斯函数,利用该函数训练跟踪器预测目标位置,提高算法的跟踪精度;提取颜色直方图特征跟踪预测新的目标位置,并在决策层加权融合2个预测位置,进一步提高跟踪精度. 在标准数据集OTB-100、VOT2016中测试算法,本研究算法在数据集OTB-100上的平均距离精度为89.6%,平均重叠率为83.7%,比ECOhc算法分别提高4.67%、6.62%;本研究算法在数据集VOT2016上的平均期望重叠率为33.3%,比ECOhc算法提高3.42%. 所提算法能有效提高目标跟踪的精度,在遇到遮挡、光线变化、变形等干扰时仍能稳定跟踪目标. 相似文献
4.
为解决图像背景复杂造成图像检索效果差的问题,提出了一种结合主体检测的图像检索方法。该方法首先训练用于目标检测的深度卷积神经网络模型,利用训练好的模型检测查询图像中的物体类别、类别概率和其所在区域坐标及特征。根据物体的类别概率和其所在区域的坐标判断图像主体后,在数据库中查找和主体类别相同的图像。计算查询图像与检索的同类别图像之间区域特征的余弦距离,结合类别概率对所有检索图像进行打分排序,返回分值最高的前10幅图像作为检索结果。最后在VCO2007数据集和自己收集的书页数据集上进行算法验证。实验结果表明,在随机选取的1 000幅测试图片检索结果的全正确率为96.5%,比现有方法提升了6.6个百分点。本文方法可有效排除图像背景的干扰,得到更加准确的检索结果和定位精度。 相似文献
5.
为了对数字图像进行加密,Masaki Miyam等把经典面包师变换推广到截断面包师变换情形;邹建成等给出了三进制下的截断面包师变换的数字图像信息加密方法.本文对这些方法进行了推广,给出了K进制面包师变换的定义,并讨论了其在数字图像加密中的应用.特别是,对基于面包师变换的数字图像加密算法的鲁棒性进行了分析.实验结果表明,这种加密方法能在一定程度上抵抗一些通常的图像攻击,如裁减、压缩和高斯噪音等攻击. 相似文献
6.
为提升快速在线目标跟踪与分割算法的跟踪精度,提出了一种动态的加权孪生网络跟踪算法。首先,对初始帧提取的模板特征与每帧提取的模板特征进行学习融合,提高跟踪器的泛化能力;其次,在掩膜分支产生目标掩膜的过程中用加权的方式融合特征,减少冗余特征带来的干扰,提高跟踪的精度。在数据集VOT2016和VOT2018上进行测试,所提算法的预期平均重叠率分别为0.450和0.390,精确性分别为0.649和0.618,鲁棒性分别为0.205和0.267,均高于基准算法,跟踪速度为34帧/s,达到了实时跟踪的要求。所提算法有效地提高了跟踪的准确性,能在复杂的跟踪环境下较好地完成跟踪任务。 相似文献
7.
为提高分层卷积相关滤波视觉跟踪算法的实时性能,提出一种稀疏卷积特征的实时目标跟踪算法。首先,在分析不同层卷积特征的基础上,采用等间隔采样的方式提取每个卷积层的稀疏卷积特征;然后,对每个卷积层特征的相关滤波响应值进行加权组合,得到目标预测的位置;最后,采用稀疏的模型更新策略进一步提高算法的运行速度。在OTB-2015新增的50组数据上对所提算法进行测试,实验结果表明,该算法的平均距离精度为82.2%,比原分层卷积特征跟踪算法提高了5.25个百分点,对目标姿态以及遮挡等变化具有较好的鲁棒性。该算法的平均跟踪速度为32.6帧/s,是原分层卷积特征跟踪算法的近3倍,能达到实时跟踪的效果。 相似文献
8.
针对分层卷积特征目标跟踪算法实时性不足和单分类器对目标表观变化适应能力差的问题,提出多高斯相关滤波器融合的实时目标跟踪算法. 为了加快跟踪算法,提取VGG-19网络的Pool4和Conv5-3层的多通道卷积特征,通过稀疏采样减少卷积特征通道数;为了防止特征减少造成精确度下降,利用不同高斯分布样本训练多个相关滤波器,并对所有分类器预测的目标位置进行自适应加权融合,提高算法对目标姿态变化的鲁棒性;采用稀疏模型更新策略,进一步提高算法速度,使算法具有实时性. 在OTB100标准数据集上对算法进行测试,结果表明,该算法的平均距离精度为86.6%,比原分层卷积特征目标跟踪算法提高了3.5%,在目标发生遮挡、形变、相似背景干扰等复杂情况时具有较好的鲁棒性;平均跟踪速度为43.7帧/s,实时性更好. 相似文献
9.
10.
量化水印算法分析 总被引:2,自引:0,他引:2
对量化水印算法稳健性与抗攻击能力问题,给出了公有水印算法稳健性充分必要条件和抗攻击能量上限,弥补了抗攻击能力评估上没有精确界限的缺陷。分析了载体系数的改变幅度及固定保真度优化中附加模板的取值范围,部分解决了保真度优化中出现的保护水印问题。指出了量化信息编码与一般变量信息承载之间的区别,明确了在信息容量计算中的差别原因。构造了优化视觉效果的嵌入方法和与其等价的其它10个嵌入方法。在同等的载体改变范围内,提出了比基于mod运算的水印嵌入方法抗攻击能力高一倍的量化水印算法,弥补了基于mod运算的水印嵌入方法的抗攻击能力比较低的缺陷。构造了嵌入灰度值的水印算法,避免了量化嵌入算法中把灰度值转换为二进制嵌入后所带来的缺陷。实验验证了此算法及理论分析结果。 相似文献