×
马科斯·埃斯库德罗·维尼奥洛;贝斯科斯，耶稣

挤压DCT以对抗伪装。 （英语） Zbl 1455.94017号

数学杂志。成像视觉。 62，编号2206-222（2020）.
摘要：本文提出了一种基于二维离散余弦变换（2D DCT）的新型伪装描述符。由于2D DCT在信号压缩中的广泛应用，它在图像和视频分析中得到了广泛的应用。2D DCT是评估稀疏表示中新技术的一个成熟示例，并广泛用于块和纹理描述，主要是因为它的简单性和在几个系数中浓缩信息的能力。对于不同的应用，一种常见的方法是选择这些系数的子集，该子集对于每个分析的信号都是固定的。在本文中，我们对这种方法提出了质疑，并提出了一种新的方法来选择相关系数的信号相关子集，这是所提出的方法的基础R-DCT公司和sR-DCT公司描述符。当我们建议用一组不同的系数来描述每个像素时，每个系数都与一个特定的基函数相关，为了比较任何两个获得的描述符，需要一个距离函数：我们提出了一个新的度量来应对这种情况。对变化检测数据集进行的实验表明，相对于其他常用描述符，所提出的描述符显著降低了伪装的可能性：92%相对于像素亮度，82%相对于RGB值，65%相对于性能最佳的LBP配置。

理学硕士：

94A08型 信息与通信理论中的图像处理（压缩、重建等）
94甲12 信号理论（表征、重建、滤波等）

关键词：

离散余弦变换;伪装;稀疏表示

软件：

筛选;BSDS公司;震波
PDF格式BibTeX公司 XML格式引用
\textit{M.Escudero-Viñolo}和\textit{J.Bescos}，J.Math。成像视觉。62，第2号，206--222（2020；Zbl 1455.94017）
全文： 内政部

参考文献：

[1] 艾哈迈德，N。；纳塔拉詹，T。；Rao，Kr，离散余弦变换，IEEE Trans。计算。，23, 1, 90-93 (1974) ·Zbl 0273.65097号
[2] 阿杰梅拉，巴基斯坦；贾达夫，Dv；Holambe，Rs，使用基于语音谱图特征的radon和离散余弦变换的文本相关说话人识别，模式识别。，44, 2749-2759 (2011)
[3] 阿贝莱兹，P。；Maire，M。；Fowlkes，C。；Malik，J.，轮廓检测和分层图像分割，IEEE Trans。模式分析。机器。智力。，33, 5, 898-916 (2011)
[4] R.巴布。；罗摩克里希南，K。；Srinivasan，S.，《视频对象分割：压缩域方法》，IEEE Trans。电路系统。视频技术。，14, 4, 462-474 (2004)
[5] Barnich，O。；Van Droogenbroeck，M.，Vibe:视频序列的通用背景减法算法，IEEE Trans。图像处理。，20, 6, 1709-1724 (2011) ·Zbl 1372.94018号
[6] Benedek，C。；Sziranyi，T.，《视频监控中检测投射阴影的颜色空间选择研究》，国际成像系统杂志。技术。，17, 190-201 (2007)
[7] Bescos，J.，在线mpeg-2视频的实时镜头变化检测，IEEE Trans。电路系统。视频技术。，14, 4, 475-484 (2004)
[8] Bhaskar，H。；Mihaylova，L。；Achim，A.，基于对称字母稳定混合模型的视频前景检测，IEEE Trans。电路系统。视频技术。，20, 8, 1133-1138 (2010)
[9] Bouwmans，T.，前景检测背景建模的传统和最新方法：概述，计算。科学。第11版，31-66（2014）·Zbl 1296.68170号
[10] Dalal，N.，Triggs，B.：RGBD视频中背景减法的基准框架。参见：图像分析和处理国际会议，第1卷，第219-229页。施普林格（2017）
[11] 陈，H。；莱斯，Pt；Tarpey，T.，功能数据的最优加权距离（L^2），生物计量学，70，3511-525（2014）·Zbl 1299.62116号
[12] Cheng，H。；刘，Z。；Yang，L。；陈，X.，视觉识别中的稀疏表示与学习：理论与应用，信号处理。，93, 6, 1408-1425 (2013)
[13] 孔戴，D。；Foggia，P。；Percannella，G。；图法诺，F。；文托，M。；Bai，X。；汉考克，Er；Ho，Tk；威尔逊，Rc；比吉奥，B。；罗伯斯·凯利（Robles-Kelly，A.），《一种用于恢复移动人群伪装错误的算法》，结构、句法和统计模式识别，365-374（2010），柏林，海德堡：施普林格，柏林，海德堡
[14] Dalal，N.，Triggs，B.：人体检测定向梯度直方图。收录于：2005年IEEE计算机学会计算机视觉和模式识别会议（CVPR'05），第1卷，第886-893页（2005）
[15] 北卡罗来纳州多鲁迪安。；劳里亚，S。；Swift，S.，《使用自适应盲更新和RGB-D摄像机的运动目标检测》，IEEE Sens.J.，19，18，8191-8201（2019）
[16] Drimbarean，A。；Whelan，Pf，颜色纹理分析实验，模式识别。莱特。，22, 10, 1161-1167 (2001) ·兹比尔0990.68121
[17] Elad，M.：图像处理和深度学习中的稀疏建模（Keynote Talk）。IEEE SigPort（2017）。http://sigport.org/2259。2019年11月20日访问
[18] Elad，M。；Figueiredo，Mat；Ma，Y.，《关于稀疏和冗余表示在图像处理中的作用》，Proc。IEEE，98，6，972-982（2010）
[19] Escudero，M.、Tiburzi，F.、Bescos，J.：摄像机运动和多模式背景下的Mpeg视频对象分割。摘自：2008年IEEE第15届图像处理国际会议，ICIP，第2668-2671页（2008）
[20] Felzenszwalb，P.F.，Girshick，R.B.，McAllester，D.：可变形零件模型的级联对象检测。摘自：2010年IEEE计算机视觉和模式识别会议（CVPR），第2241-2248页（2010）
[21] Fu，J。；Lee，S。；Wong，S。；Yeh，J。；王，A。；Wu，H.，乳腺微钙化图像分割特征选择和模式分类，计算机。医学成像组，29，6，419-429（2005）
[22] 高，Y。；马，J。；Yuille，Al，用于标记样本不足的人脸识别的半监督稀疏表示分类，IEEE Trans。图像处理。，26, 5, 2545-2560 (2017) ·Zbl 1409.94172号
[23] Graps，A.，小波简介，IEEE计算。科学。工程，2，2，50-61（1995）
[24] De Gregorio，M.，Giordano，M.:（CwisarDH^+）：通过学习失重神经网络在RGBD视频中进行背景检测。摘自：图像分析和处理国际会议，第1242-253页。施普林格（2017）
[25] Guleryuz，Og，使用过完备字典进行去噪的加权平均，IEEE Trans。图像处理。，16, 12, 3020-3034 (2007)
[26] 海基拉，M。；Pietikäinen，M.，一种基于纹理的背景建模和检测运动对象的方法，IEEE Trans。模式分析。机器。智力。，28, 4, 657-662 (2006)
[27] 埃尔南德斯，E。；Weiss，G.，《小波第一教程》（1996），博卡拉顿：CRC出版社，博卡拉顿·Zbl 0885.42018号
[28] X.洪。；赵，G。；Pietikäinen，M。；Chen，X.，结合LBP差异和特征相关性进行纹理描述，IEEE Trans。图像处理。，23, 6, 2557-2568 (2014) ·Zbl 1374.94141号
[29] 胡，W。；Yang，Y。；张伟。；Xie，Y.，使用基于张量的低秩和显著融合稀疏分解的运动对象检测，IEEE Trans。图像处理。，26, 2, 724-737 (2017) ·Zbl 1409.94251号
[30] 伊万诺夫，Y。；Bobick，A。；Liu，J.，《快速光照独立背景减法》，国际计算机杂志。视觉。，37, 2, 199-207 (2000) ·Zbl 0985.68626号
[31] Javed，S.、Bouwmans，T.、Sultana，M.、Jung，S.K.：使用图正则时空RPCA对RGB-D视频进行运动目标检测。摘自：国际图像分析与处理会议，第1230-1241页。施普林格（2017）
[32] 季S。；Park，Hw，基于DCT的压缩视频中的运动对象分割，Electron。莱特。，36, 21, 1769-1770 (2000)
[33] Kim，S。；Paeng，K。；Seo，Jw；Kim，Sd，Bi-DCT：用于密集立体匹配的基于DCT的局部二进制描述符，IEEE信号处理。莱特。，22, 7, 847-851 (2015)
[34] Le Gall，D.，MPEG：多媒体应用的视频压缩标准，Commun。ACM，34，4，46-58（1991）
[35] 李，B。；袁，C。；熊，W。；胡，W。；彭，H。；丁，X。；Maybank，S.，基于联合稀疏表示和多视图字典学习的多视图多实例学习，IEEE Trans。模式分析。机器。智力。，39, 12, 2554-2560 (2017)
[36] 李，L。；黄，W。；Gu，Iy-H；Tian，Q.，用于前景物体检测的复杂背景的统计建模，IEEE Trans。图像处理。，13, 11, 1459-1472 (2004)
[37] Li，S.，Florencio，D.，Li，W.，Zhao，Y.，Cook，C.：小波域伪装运动前景检测的融合框架。ArXiv电子版（2018）·Zbl 1409.94363号
[38] 李，Z。；江，P。；马，H。；杨，J。；Tang，D.，基于梯度特征的核密度估计动态对象分割模型，Image Vis Compute，27，6，817-823（2009）
[39] Lienhart，R.W.：自动镜头边界检测算法的比较。摘自：光电仪器工程师学会（SPIE）会议系列，第3656卷，第290-301页（1998年）
[40] 刘，Z。；黄，K。；Tan，T.，基于EM框架的自顶向下信息的前景目标检测，IEEE Trans。图像处理。，21, 9, 4204-4217 (2012) ·Zbl 1373.94798号
[41] Lowe，Dg，《不同尺度关键点的独特图像特征》，国际计算机杂志。视觉。，60, 2, 91-110 (2004)
[42] Maddalena，L.，Petrosino，A.：利用颜色和深度进行背景减法。参见：图像分析和处理国际会议，第1卷，第254-265页。施普林格（2017）
[43] Maddalena，L.，Petrosino，A.：SOBS算法：极限是什么？2012年IEEE计算机学会计算机视觉和模式识别研讨会，第1卷，第21-26页。IEEE（2012）
[44] Martin，D.，Fowlkes，C.，Tal，D.，Malik，J.：人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用。收录于：2001年IEEE第八届计算机视觉国际会议论文集，ICCV 2001，第2卷，第416-423页（2001）
[45] Mendez-Vazquez，H.，Garcia-Reyes，E.，Condes-Molleda，Y.：不同照明条件下基于局部外观的人脸识别方法的新组合。摘自：第13届伊比利亚美洲模式识别大会会议记录：模式识别、图像分析和应用进展，第535-542页。施普林格（2008）
[46] 梅扎利斯五世。；Kompatsiaris，I。；北卡罗来纳州布尔古利斯。；Strintzis，M.，视频索引和检索的实时压缩域时空分割和本体，IEEE Trans。电路系统。视频技术。，14, 5, 606-621 (2004)
[47] Minematsu，T.、Shimada，A.、Uchiyama，H.、Taniguchi，R.：前景分割的外观和深度的简单组合。参见：图像分析和处理国际会议，第1卷，第266-277页。施普林格（2017）
[48] Nanni，L。；Lumini，A.，通过纹理描述符对氨基酸进行编码，Artif。智力。医学，48，1，43-50（2010）
[49] Ojala，T。；Pietikainen，M。；Maenpaa，T.，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE Trans。模式分析。机器。智力。，24, 7, 971-987 (2002)
[50] Paclik，P.，Duin，R.，van Kempen，G.，Kohlus，R.：后向散射图像中纹理的监督分割。摘自：《2002年第16届模式识别国际会议论文集》，第2卷，第490-493页（2002）
[51] 波里克利，F。；巴希尔，F。；Sun，H.，压缩域视频对象分割，IEEE Trans。电路系统。视频技术。，20, 1, 2-14 (2010)
[52] 钱，X。；华，X-S；陈，P。；Ke，L.，PLBP：一种有效的金字塔表示局部二值模式纹理描述符，Pattern Recognit。，44, 2502-2515 (2011)
[53] Jo Ramsay，《功能数据分析》（2004），纽约：威利出版社
[54] Randen，T。；Husoy，J.，《纹理分类过滤：比较研究》，IEEE Trans。模式分析。机器。智力。，21, 4, 291-310 (1999)
[55] Rao，Kr；Yip，P.，《离散余弦变换：算法、优点、应用》（2014），剑桥：学术出版社，剑桥
[56] Reddy，V.，Sanderson，C.，Lovell，B.C.：通过基于自适应区域的背景建模实现稳健的前景对象分割。摘自：2010年第20届模式识别国际会议（ICPR），第3939-3942页（2010）
[57] 雷迪，V。；桑德森，C。；Lovell，Bc，《监控环境中杂乱图像序列静态背景估计的低复杂度算法》，J.图像视频处理。，2011, 1 (2011)
[58] Satopaa，V.，Albrecht，J.，Irwin，D.，Raghavan，B.：在干草堆中找到“膝盖”：检测系统行为中的膝盖点。2011年第31届分布式计算系统国际会议研讨会，第166-171页（2011）
[59] St-Charles，P-L；比洛多，G-A；Bergevin，R.，《子感知：具有局部自适应灵敏度的通用变化检测方法》，IEEE Trans。图像处理。，24, 1, 359-373 (2015) ·Zbl 1408.94896号
[60] 斯塔克，J-L；Murtagh，F。；Fadili，Jm，《稀疏图像和信号处理：小波、曲线、形态多样性》（2010），剑桥：剑桥大学出版社，剑桥·Zbl 1196.94008号
[61] 蒂莫·阿霍宁；吉·马塔斯；何，楚；Pietikäinen，Matti，《局部二元模式直方图傅里叶特征的旋转不变图像描述》，图像分析，61-70（2009），柏林，海德堡：施普林格-柏林-海德堡
[62] 富田，F。；Tsuji，S.，《视觉纹理的计算机分析》（2013），柏林：施普林格出版社，柏林
[63] Toyama，K.，Krumm，J.，Brumitt，B.，Meyers，B.：Wallflower:背景维护的原则和实践。载：《第七届IEEE国际计算机视觉会议论文集》，1999年，第1卷，第255-261页。IEEE（1999）
[64] 蔡，D-M；Chiu，W-Y，使用傅里叶图像重建的运动检测，模式识别。莱特。，29, 16, 2145-2155 (2008)
[65] Varchie，P.，Sills-Lavoie，M.，Bilodeau，G.-A.：一种高效的基于区域的背景减法技术。摘自：2008年加拿大计算机和机器人视觉会议，CRV’08，第71-78页（2008）
[66] Wang，H。；Divakaran，A。；Vetro，A。；Chang，S-F；Sun，H.，《视听索引和分析中使用的压缩域特征调查》，J.Vis。Commun公司。图像表示。，14, 2, 150-183 (2003)
[67] Wang，R.，Bunyak，F.，Seetharaman，G.，Palaniappan，K.：使用通量张量和分裂高斯模型检测静态和运动物体。2014年IEEE计算机视觉和模式识别研讨会（CVPRW），第420-424页（2014）
[68] Wang，Y.、Jodoin，P.-M、Porikli，F.、Konrad，J.、Benezeth，Y.、Ishwar，P.:CDnet 2014：一个扩展的变化检测基准数据集。2014年IEEE计算机视觉和模式识别研讨会（CVPRW），第393-400页。IEEE（2014）
[69] Wang，Z。；Bovik，Ac，均方误差：喜欢还是放弃？信号保真度测量的新视角，IEEE信号处理。Mag.，26，1，98-117（2009）
[70] Wang，Z。；博维克，澳大利亚；谢赫，Hr；Simoncelli，Ep，《图像质量评估：从错误可见性到结构相似性》，IEEE Trans。图像处理。，13, 4, 600-612 (2004)
[71] Wright，J。；杨，艾；Ganesh，A。；Sastry，Ss；Ma，Y.，基于稀疏表示的鲁棒人脸识别，IEEE Trans。模式分析。机器。智力。，31, 2, 210-227 (2009)
[72] Xu，Y。；黄，S。；纪浩。；Fermüller，C.，类SIFT纹理的尺度空间纹理描述，计算。视觉。图像理解。，116, 9, 999-1013 (2012)
[73] Zamir，A.R.，Sax，A.，Shen，W.，Guibas，L.J.，Malik，J.，Savarese，S.：任务分类：解开任务转移学习。摘自：2018年IEEE计算机视觉和模式识别会议，第13712-3722页。IEEE（2018）
[74] 曾博士。；Zhu，M.，使用多尺度全卷积网络进行背景减法，IEEE Access，616010-16021（2018）
[75] 查，Y。；毕，D。；杨勇，用多尺度判别模型学习复杂背景，模式识别。莱特。，30, 1003-1014 (2009)
[76] 张洪勋；Xu，De，融合背景模型的颜色和纹理特征，模糊系统和知识发现，887-893（2006），柏林，海德堡：施普林格-柏林-海德堡
[77] 张，X。；朱，C。；王，S。；刘，Y。；Ye，M.，伪装运动物体检测的贝叶斯方法，IEEE Trans。电路系统。视频技术。，27, 9, 2001-2013 (2017)
[78] 张，Z。；Xu，Y。；杨，J。；李，X。；Zhang，D.，《稀疏表示的调查：算法和应用》，IEEE Access，3490-530（2015）
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。