×

兹马思-数学第一资源

挤压DCT来对抗伪装。(英语) Zbl 1455.94017
摘要:提出了一种基于二维离散余弦变换(2D-DCT)的抗伪装描述子。二维离散余弦变换(2ddct)由于在信号压缩中的广泛应用,在图像和视频分析中得到了广泛的应用。由于它的稀疏纹理和稀疏系数的简单性,它被广泛地应用于二维离散余弦变换(DCT)中。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是固定的。本文对这种方法提出了质疑,并提出了一种新的选择相关系数子集的方法,这是本文提出的方法的基础R-DCT公司高级DCT描述符。当我们提出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联,为了比较任何两个这样得到的描述符,需要一个距离函数:我们提出了一种新的度量来处理这种情况。在变化检测数据集上的实验表明,与其他常用描述符相比,所提出的描述符显著降低了伪装的可能性:像素亮度为92%,RGB值为82%,最佳LBP配置为65%。
理学硕士:
94A08型 信息与通信理论中的图像处理(压缩、重建等)
94A12型 信号理论(表征、重构、滤波等)
软件:
;BSD系统;震波
PDF格式 BibTeX公司 XML 引用
全文: 内政部
参考文献:
[1] 艾哈迈德,N。;纳塔拉詹。;Rao,Kr,离散余弦变换,IEEE Trans。计算机,23,1,90-93(1974)·中银0273.65097
[2] 阿杰默拉,Pk;贾达夫,Dv;Holambe,Rs,《基于radon和离散余弦变换的语音频谱图特征的文本无关说话人识别》,模式识别,442749-2759(2011)
[3] 阿贝莱兹,P。;梅尔,M。;福克斯,C。;Malik,J.,轮廓检测和分层图像分割,IEEE Trans。肛门模式。机器。国际,33,5898-916(2011年)
[4] 巴布,R。;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,14,4462-474(2004)
[5] 巴尼奇,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] 贝内代克。;司仁义,T.,《视频监控中阴影检测的颜色空间选择研究》,国际成像系统杂志。技术,17190-201(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] 巴斯卡,H。;米哈洛娃,L。;Achim,A.,基于对称α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] 布曼,T.,《前景探测背景建模的传统和最新方法:概述》,计算机。科学。第11版,第31-66页(2014年)·Zbl 1296.68170
[10] Dalal,N.,Triggs,B.:RGBD视频中背景减法的基准框架。国际图像分析与处理会议,第一卷,第219-229页。斯普林格(2017)
[11] 陈,H。;赖斯,Pt;Tarpey,T.,《功能数据的最佳加权(L^2)距离》,生物识别,70,3516-525(2014)·Zbl 1299.62116
[12] 程,H。;刘,Z。;杨,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,9361408-1425(2013)
[13] 康德。;福贾,P。;珀坎内拉,G。;塔法诺,F。;文托,M。;白,X。;汉考克,呃;哦,Tk;威尔逊,Rc;比吉奥,B。;《结构识别》,海因堡《结构识别》,第365期,海因堡,海因堡
[14] Dalal,N.,Triggs,B.:用于人类检测的定向梯度直方图。在:2005年IEEE计算机学会计算机视觉和模式识别会议(CVPR'05),第一卷,第886-893页(2005年)
[15] 多鲁甸,N。;劳里亚,S。;Swift,S.,使用自适应盲更新和RGB-D摄像机进行运动目标检测,IEEE Sens.J.,19,18,8191-8201(2019年)
[16] 特里姆巴伦,A。;惠兰,Pf,色彩纹理分析实验,模式识别。利特,22,10,1161-1167(2001)·Zbl 0990.68121
[17] Elad,M.:图像处理和深度学习中的稀疏建模(主题演讲)。IEEE SigPort(2017年)。http://sigport.org/2259。访问日期:2019年11月20日
[18] 埃拉德,M。;菲格雷多,马特;Ma,Y.论稀疏和冗余表示在图像处理中的作用。IEEE,98,6972-982(2010年)
[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。2008年:第15届IEEE国际图像处理会议,ICIP,第2668-2671页(2008年)
[20] Felzenszwalb,P.F.,Girshick,R.B.,McAllester,D.:可变形零件模型的级联目标检测。在:2010年IEEE计算机视觉和模式识别会议(CVPR),第2241-2248页(2010年)
[21] 傅杰。;李,S。;黄,S。;是的,J。;王,A。;吴,H.乳腺微钙化的图像分割特征选择和模式分类,计算机。医学。影像组,29,6419-429(2005)
[22] 高,Y。;文学硕士、法学硕士。;Yuille,Al,基于半监督稀疏表示的人脸识别分类方法,IEEE Trans。图像处理,26,5,2545-2560(2017)·Zbl 1409.94172
[23] Graps,A.,小波导论,IEEE计算。科学。工程学,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。国际图像分析与处理会议,第1242-253页。斯普林格(2017)
[25] Guleryuz,Og,《过完备字典去噪的加权平均法》,IEEE Trans。图像处理,16,12,3020-3034(2007)
[26] 海基拉,密苏里州。;Pietikäinen,M.,一种基于纹理的背景建模和运动目标检测方法,IEEE Trans。肛门模式。机器。国际,28,4657-662(2006年)
[27] 赫尔南德斯,E。;魏斯,G.,《小波第一课程》(1996),博卡拉顿:CRC出版社,博卡拉顿·Zbl 0885.42018
[28] 洪,X。;赵,G。;皮提克伊宁,M。;结合LBP差分和特征相关进行纹理描述,IEEE翻译。图像处理,23,6,2557-2568(2014)·Zbl 1374.94141
[29] 胡,W。;杨,Y。;张伟。;Xie,Y.,基于张量的低秩和显著融合稀疏分解的运动目标检测,IEEE Trans。图像处理,26,2724-737(2017)·Zbl 1409.94251
[30] 伊万诺夫,Y。;博比克,A。;Liu,J.,快速光照独立背景减法,国际计算机杂志。第37、2199-207页(2000年)·Zbl 0985.68626
[31] Javed,S.,Bouwmans,T.,Sultana,M.,Jung,S.K.:基于图形正则化时空RPCA的RGB-D视频运动目标检测。国际图像分析与处理会议,1230-1241页。斯普林格(2017)
[32] 吉,S。;Park,Hw,基于DCT的压缩视频中的运动对象分割,电子。利特,36,21,1769-1770(2000)
[33] 金,S。;平,K。;搜索引擎优化,Jw;Kim,Sd,Bi DCT:基于DCT的密集立体匹配的局部二进制描述符,IEEE信号处理。Lett.,22,7,847-851(2015年)
[34] Le Gall,D.,MPEG:多媒体应用的视频压缩标准,Common。ACM,34,4,46-58(1991年)
[35] 李,B。;元。;熊伟。;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。肛门模式。机器。国际,39,12,2554-2560(2017年)
[36] 李,L。;黄,W。;顾,伊-H;田,Q.,前景目标检测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电子印刷品(2018)·Zbl 1409.94363号
[38] 李,Z。;江,P。;硕士,H。;杨,J。;唐,D.,基于梯度特征的核密度估计动态目标分割模型,图像可视化计算,27,6817-823(2009)
[39] Lienhart,R.W.:自动镜头边界检测算法的比较。在:光学仪器工程师学会(SPIE)会议系列,第3656卷,290-301页(1998)
[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,《尺度不变关键点的独特图像特征》,国际计算机杂志。第60、2、91-110页(2004年)
[42] Maddalena,L.,Petrosino,A:开发背景减法的颜色和深度。国际图像分析与处理会议,第一卷,第254-265页。斯普林格(2017)
[43] Maddalena,L.,Petrosino,A.:SOBS算法:限制是什么?2012年IEEE计算机学会计算机视觉和模式识别研讨会,第一卷,第21-26页。IEEE(2012)
[44] Martin,D.,Folkes,C.,Tal,D.,Malik,J.:人类分割自然图像的数据库及其在评估分割算法和测量生态统计方面的应用。2001年第八届IEEE国际计算机视觉会议论文集,ICCV 2001,第2卷,第416-423页(2001年)
[45] Mendez Vazquez,H.,Garcia Reyes,E.,Condes Molleda,Y.:一种在不同光照条件下基于局部外观的人脸识别方法的新组合。第13届伊比利亚-美洲模式识别大会论文集:模式识别、图像分析和应用的进展,第535-542页。斯普林格(2008)
[46] 梅扎里斯,V。;Kompatsiaris一世。;北布尔古利斯。;Strintzis,M.,视频索引和检索的实时压缩域时空分割和本体论,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。国际图像分析与处理会议,第一卷,第266-277页。斯普林格(2017)
[48] 纳尼,L。;Lumini,A.,《用结构描述符编码氨基酸》,人工制品。因特尔。医学,48,1,43-50(2010年)
[49] 奥贾拉,T。;皮蒂凯宁,M。;Maenpaa,T.,多分辨率灰度和旋转不变纹理分类与局部二进制模式,IEEE Trans。肛门模式。机器。国际,24,7,971-987(2002年)
[50] Paclik,P.,Duin,R.,van Kempen,G.,Kohlus,R.:背向散射图像中纹理的监督分割。2002年第16届模式识别国际会议论文集,第2卷,第490-493页(2002年)
[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:一种有效的局部二元模式纹理描述子,模式识别,442502-2515(2011)
[53] Jo Ramsay,Functional Data Analysis(2004),纽约:威利,纽约
[54] 兰登,T。;Husoy,J.,《纹理分类的过滤:比较研究》,IEEE Trans。肛门模式。机器。国际,21,4,291-310(1999)
[55] 韩国饶;Yip,P.,离散余弦变换:算法、优势、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进行鲁棒前景对象分割。在:2010年第20届国际模式识别会议(ICPR),第3939-3942页(2010年)
[57] 雷迪,V。;桑德森,C。;罗弗尔,Bc,监控环境下基于杂乱图像序列的静态背景估计的低复杂度算法,图像视频处理,2011,1(2011)
[58] Satopaa,V.,Albrecht,J.,Irwin,D.,Raghavan,B.:在干草堆中寻找“膝盖”:在系统行为中检测膝盖点。2011年第31-166期国际计算机系统研讨会
[59] 圣查尔斯,P-L;比洛多,G-A;Subsense: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,24,1359-373(2015)·Zbl 1408.94896号
[60] 斯塔克,J-L;默塔赫,F。;《稀疏图像与信号处理:小波、曲线、形态多样性》(2010),剑桥:剑桥大学出版社,剑桥·Zbl 1196.94008
[61] 阿霍恩,蒂莫;马塔斯,吉阿西;他,楚;Pietikäinen,Matti,旋转不变图像描述与局部二值模式直方图傅里叶特征,图像分析,61-70(2009),柏林,海德堡:斯普林格柏林海德堡,柏林,海德堡
[62] F.托米塔。;Tsuji,S.,视觉纹理的计算机分析(2013),柏林:斯普林格,柏林
[63] 富山,K.,克鲁姆,J.,布鲁米特,B.,梅耶斯,B.:墙花:背景维护的原则和实践。第七届IEEE计算机视觉国际会议论文集,1999年,第一卷,第255-261页。IEEE(1999)
[64] 蔡,D-M;邱,W-Y,利用傅立叶图像重建进行运动检测,模式识别。Lett.,29,16,2145-2155(2008年)
〔65〕 Varcheie,P.,Sills Lavoie,M.,Bilodeau,G.-A:一种有效的基于区域的背景扣除技术。2008年:加拿大计算机和机器人视觉会议,2008年,第71-78页(2008年)
[66] 王,H。;迪瓦卡兰,A。;维特罗,A。;张,S-F;Sun,H.,《视听索引和分析中使用的压缩域特征调查》,J.Vis。公社。图像代表,14,2150-183(2003)
[67] Wang,R.,Bunyak,F.,Seetharaman,G.,Palaniappan,K.:使用分裂高斯模型的通量张量进行静态和移动目标检测。在:2014年IEEE计算机视觉和模式识别研讨会会议(CVPRW),第420-424页(2014年)
[68] Wang,Y.,Jodoin,P.-M.,Porikli,F.,Konrad,J.,Benezeth,Y.,Ishwar,P.:CDnet 2014:扩展的变更检测基准数据集。在:2014年IEEE计算机视觉和模式识别研讨会会议(CVPRW),第393-400页。IEEE(2014)
〔69〕 王,Z。;博维克,Ac,均方误差:爱它还是离开它?信号保真度测量的新视角,IEEE信号处理。杂志,26,1198-117(2009)
[70] 王,Z。;博维克,Ac;酋长,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,134600-612(2004)
[71] 赖特,J。;杨,唉;加内什,A。;沙斯特里,党卫军;Ma,Y.,《基于稀疏表示的鲁棒人脸识别》,IEEE Trans。肛门模式。机器。国际期刊,31,2,210-227(2009)
[72] 徐,Y。;黄,S。;吉,H。;Fermüller,C.,《类筛文本的尺度空间纹理描述》,计算机。维斯。图片下方,116999-1013(2012)
[73] Zamir,A.R.,Sax,A.,Shen,W.,Guibas,L.J.,Malik,J.,Savarese,S.:任务分类:分解任务转移学习。在:2018年IEEE计算机视觉和模式识别会议,13712-3722页。IEEE(2018)
[74] 曾德。;Zhu,M.,使用多尺度全卷积网络进行背景差分,IEEE Access,616010-16021(2018)
[75] 查,Y。;Bi,D。;Yang,Y.,利用多尺度判别模型学习复杂背景,模式识别。Lett.,30,1003-1014(2009年)
[76] 张宏勋;徐德德,背景模型融合颜色与纹理特征,模糊系统与知识发现,887-893(2006),柏林,海德堡:斯普林格柏林海德堡,柏林,海德堡
[77] 张,X。;朱,C。;王,S。;刘,Y。;叶,M.,《伪装运动目标检测的贝叶斯方法》,IEEE Trans。电路系统。视频技术,27,9,2001-2013(2017)
[78] 张,Z。;徐,Y。;杨,J。;李,X。;Zhang,D.,《稀疏表示的调查:算法与应用》,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。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。