人脸非线性视角流形建模方法

针对线性子空间不足以描述头部视角空间非线性变化等因素影响人脸视角流形的精确建模问题,提出一种新的视角流形建模方法,并从理论上将该方法与经典的流形学习建模方法及概念驱动的视角流形建模方法进行比较,通过基于非线性张量分解的人脸及视角识别实验比较视角流形对识别结果的影响,从而给出视角流形的有效性比较.实验结果表明,本文提出的视角流形建模方法比概念驱动的视角流形和TensorFace中的线性视角系数均有更好的识别效果.     

提升高精度图像弱目标视觉质量的高效压缩算法

为了实现对高精度图像进行高效压缩,同时确保重建图像的弱目标区域有较好的保真效果,提出了一种提升弱目标区域质量的基于误差优化编码的高精度图像压缩算法. 首先,使用JPEG-LS （joint photographic experts group lossless）压缩算法对图像数据进行压缩,在游程编码过程中自适应地选择需要二次编码的误差数据,并完成了基于视觉质量的非均匀量化;其次,对量化值进行数据分解,去除量化值之间的相关性,并对分解后的数据进行MQ算术编码的熵编码;图像重建时根据量化间隔重建反量化值,并设计了反量化优化和滤波优化过程;最后,将本文算法与JPEG-LS、JPEG2000 （joint photographic experts group 2000）算法进行了性能比较,结果表明:本算法能够实现高精度图像数据的高效压缩,且复杂度低,易于硬件实现,虽然引入了误差数据二次优化编码等过程,但增加编码的数据量较小,故与JPEG-LS算法的压缩速度相当,然而比JPEG2000算法的压缩速度提升4.47倍;同时有效减少了常规算法造成的信息损失,重建图像的峰值信噪比与JPEG-LS、JPEG2000相当或略低,但弱目标区域的视觉质量及保真效果更好.