孙寿健
,
魏立线
,
刘佳
,
苏光伟
液晶与显示
doi:10.3788/YJYXS20153002.0326
针对 JPEG 图像通用隐写检测中检测效率低、训练时间长的问题，提出一种基于集成分类器的新检测方法。算法以 CC-PEV 为特征对图像进行描述并作为隐写分析特征；然后，随机构造若干个特征子空间，用 bootstrap 方法构造图像训练子集，分别进行训练得到数个基分类器；根据基分类器的分类结果赋予基分类器不同的权重，将基分类器的结果按照其权重进行融合得到最终的结果。本文对该算法进行了测试，对它的集成性、检测准确率和训练时间进行分析。实验结果表明，相对于传统的集成方法，本文方法用自举方法构造训练集、随机方法构造子特征空间、赋予基分类器不同权重进行融合能够显著地提高算法准确率。本文方法相对于 SVM 和传统的集成分类方法，具有更高的检测率，对于特征维数更大的图像检测，具有更好的拓展性和一般适用性。
关键词:
隐写分析
,
集成
,
分类器
,
权重
田耘
,
甄雯
,
赵海军
液晶与显示
doi:10.3788/YJYXS20173206.0499
瞳孔定位的精确度很大程度取决于图片质量,但实际应用中通常要在低质量图片下进行瞳孔定位.我们的目标是在图片质量不佳的情况下进行精确的瞳孔中心定位.对于这个目标,本文提出一种基于改进SIFT特征和SVM分类器的瞳孔中心初始定位方法,并通过一个大小可变的修正矩形框得到最终瞳孔中心位置.实验结果表明,相比于其他国内外先进方法,本文的方法可以在低质量(光照不均、表情变化等)图片上拥有更高的瞳孔定位精度,定位结果在瞳孔区域内的精度为87.32%.
关键词:
瞳孔定位
,
分类器
,
SIFT特征
,
修正矩形框
