A dynamic constraint representation approach based on cross-domain dictionary learning for expression recognition

Facial expression recognition (FER) is an active research area that has attracted much attention from both academics and practitioners of different fields. In this paper, we investigate an interesting and challenging issue in FER, where the training and testing samples are from a cross-domain dictionary. In this context, the data and feature distribution are inconsistent, and thus most of the existing recognition methods may not perform well. Given this, we propose an effective dynamic constraint representation approach based on cross-domain dictionary learning for expression recognition. The proposed approach aims to dynamically represent testing samples from source and target domains, thereby fully considering the feature elasticity in a cross-domain dictionary. We are therefore able to use the proposed approach to predict class information of unlabeled testing samples. Comprehensive experiments carried out using several public datasets confirm that the proposed approach is superior compared to some state-of-the-art methods.     

基于字典尺度自适应学习的欠定盲语音重构算法

针对欠定盲语音分离传统字典学习算法不能优化字典尺寸的问题,提出了一种尺度自适应同步码字优化(Scale Adaptive Simultaneous Codeword Optimization, SASimCO)算法。设计了一种迭代调整字典尺寸的自适应字典学习策略,将训练的字典用于语音盲分离中,以提高语音源信号的恢复性能。所提算法依据设计的候选矩阵,计算候选矩阵中的原子重要性,按照原子重要性准则对字典进行添加与删除原子操作,最后迭代训练得到一个稀疏表示误差最优的字典,用于语音源信号的恢复。使用SiSEC(Signal Separation Evaluation Campaign)数据集对所提算法进行的仿真实验表明,相较于传统字典学习算法,所提算法提高了1～3 dB语音源分离性能,证明了该算法的优势。     

基于稀疏优化的图像压缩感知重建算法

在信号的稀疏表示方法中,传统的基于变换基的稀疏逼近不能自适应性地提取图像的纹理特征,而基于过完备字典的稀疏逼近算法复杂度过高.针对该问题,文章提出了一种基于小波变换稀疏字典优化的图像稀疏表示方法.该算法在图像小波变换的基础上构建图像过完备字典,利用同一场景图像的小波变换在纹理上具有内部和外部相似的属性,对过完备字典进行灰色关联度的分类,有效提高了图像表示的稀疏性.将该新算法应用于图像信号进行稀疏表示,以及基于压缩感知理论的图像采样和重建实验,结果表明新算法总体上提升了重建图像的峰值信噪比与结构相似度,并能有效缩短图像重建时间.     

Quality assessment of screen content images based on multi-stage dictionary learning

In this paper, we propose an effective method for quality assessment of screen content images (SCIs) based on multi-stage dictionary learning. To simulate the brain’s layered processing of signals, we proposed a hierarchical feature extraction strategy, which is called multi-stage dictionary learning, to simulate the hierarchical information processing of brain. First, the standard deviation of normalized map obtained from training image is used to select the training data in a certain proportion, which can ensure the learning efficiency and reduce the training burden. Next, the reconstructed map is weighted as the input of the next-stage dictionary learning. Then using the trained dictionary, the sparse representation is applied to extract features. Meanwhile, considering that some important features may be ignored in the process of multi-stage dictionary learning, we use Log Gabor filter to extract feature maps, and then calculate the correlation between feature maps as another kind of compensation features. Final, for the two feature sets, we choose SVR and feature codebook to learn two objective scores, and then use the adaptive weighting strategy to get the final objective quality score. Experimental results show that the proposed method is superior to several mainstream SCIs metrics on two publicly available databases.     

基于改进的Cabor 原子结构的快速稀疏分解

针对稀疏分解过完备字典中原子数量庞大导致稀疏分解计算复杂的缺点,文中提出了一种基于改进的Gabor 原子结构的快速稀疏分解。该稀疏分解根据Gabor 原子本身的特点,通过理论推导,证明了位移因子和频率因子的变化会导致Gabor 原子本身相位的变化,其变化范围包含了Gabor 原子相位因子的变化。所以它的相位因子在稀疏分解中可以不用考虑,从而减少了计算量,提高了稀疏分解速度。仿真结果表明,对比采用没有去掉相位因子的Gabor 原子构建的过完备字典,基于改进的Gabor 原子结构的稀疏分解速度提高了11. 7 倍,并且该算法没有智能计算的随机性缺陷。     

基于联合字典的无参考真实失真图像的质量评价

针对真实失真图像提出一种基于联合字典的无参考 (NR)图像质量评价(IQA)方法,分为训练和测试两个阶 段。在训练阶段,首先对真实失真图像提取美学特征和自然场景统计特征,然后对图像特征 和标签进行联 合字典学习,训练得到特征字典和质量字典。在测试阶段,根据特征字典和质量字典计算真 实失真图像的 质量值。在LIVE Challenge数据库上的实验结果表明,本文方法的评价结果与主观评价结果 有较好的相关 性,符合人类视觉系统的感知,相比较传统的无参考方法,具有更好的优越性。     

基于均值hash的图案织物疵点检测

图案织物的疵点检测是织物瑕疵自动化检测的难 点,论文提出以均值hash特征描述子表示图案织 物的均值hash特征和灰度特征,实现了图案织物的疵点检测。首先,基于图案织物的周期性 ,构建了无疵 点织物的均值hash特征词典;然后,提取测试织物图像块中的均值hash特征和灰度特征;通 过图像块的 均值hash特征与词典进行匹配,利用汉明距离表示差异度,获得了结构显著图;将图像块的 灰度特征与全 局灰度平均值比较,得到灰度显著图;最后,融合显著图,定位了缺陷位置。大量图案织物 的实验结果表 明,均值hash特征描述子能有效地表示周期性图案织物的结构特征,算法结合灰度特征,提 高了织物疵点检测的成功率,并具有良好的视觉效果。     

基于多原子快速匹配追踪的图像编码算法

该文提出一种多原子快速匹配追踪信号稀疏分解算法,并将其应用于静态图像编码。多原子匹配追踪通过每次迭代选取多个原子的形式,实现信号的快速稀疏分解。在此基础上,通过构造多尺度脊波字典实现图像的稀疏分解,并对稀疏分解的数据进行自适应量化和编码。实验结果表明,多原子匹配追踪获得了与匹配追踪相当的逼近性能,同时极大地提高了稀疏分解的速度。新的编码算法在低比特率情况下,获得了比JPEG2000更理想的编码性能。     

无线传感器网络数据自适应稀疏变换

针对无线传感器网络节点位置移动及传输干扰等因素可导致数据稀疏结构改变的问题,提出一种基于字典学习的无线传感器网络自适应稀疏变换方法。根据网络数据稀疏结构变化,自适应构建最优稀疏变换基,同时在字典学习问题中引入无线传感器网络数据稀疏基的可压缩约束,以满足无线传感器网络中大规模数据处理特点及稀疏变换的高实时性要求。理论分析和仿真结果表明,所提算法可有效提高无线传感器网络数据稀疏变换算法的顽健性,同时具有良好的实时性。     

基于Fourier原子的基追踪方法在SAR超分辨成像中的应用

将基追踪方法的应用扩展到SAR图像的超分辨问题上来.首先在相位历史域依据SAR目标属性散射模型构造了一类具有快速算法的Fourier原子;其次利用Fourier原子的可分离特性,分别在图像的行和列的方向上构造相应的字典,降低了字典的维数和计算复杂度,并且设计了一种新的迭代算法进行快速求解基追踪优化问题;最后对得到的表示系数作IFFT变换以得到更高分辨率的SAR图像.仿真算例和MSTAR实测数据计算表明,基于Fourier原子的基追踪方法能够快速稳定实现,同时具有良好的超分辨性能.