基于分块相位一致性的人脸识别算法

针对基于可见光的人脸图像的识别容易受光照和表情变化的影响,人脸的表情变化仅限于局部等问题,以及图像的相位一致性特征不受图像的亮度或对比度影响的特点,提出了一种基于分块相位一致性的人脸识别算法。该算法用log-gabor滤波器对图像进行滤波,利用相位一致性模型提取相位一致性特征图像;对每幅特征图像进行分块主元分析(PCA)处理;融合所有子图像的距离信息,采用最近邻分类器进行分类识别。实验证明该方法具有更好的识别性能。     

基于核函数的Fisher判别分析算法在人耳识别中的应用

针对人耳图像自身的特点,并通过对现有生物识别技术的研究,本文尝试采用了一种基于核函数的Fisher判别分析算法对人耳进行识别。该算法不仅可以有效地提取人耳特征,获得较高的识别率;而且还可以解决因为光照和人耳旋转角度等因素带来的非线性问题。实验表明:采用基于径向基核函数的Fisher判别分析算法对人耳图像进行识别,其识别率最高,为98.701%。     

一种新颖的低分辨率条件下的掌纹识别方法 *

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术。当今的掌纹识别方法存在的比较困难的问题之一就是在特征提取时受一些客观因素制约 ,影响后面的匹配精度。为此 ,提出一种改进的基于相位相关的掌纹图像匹配算法。该算法不受光照、平移的影响 ,对噪声也有很好的鲁棒性。在此基础上实验了该算法在不同分辨率下的表现 ,发现当分辨率降为原图像的十六分之一时 ,该算法仍然能取得较高的识别率 ,证明了该算法在较低分辨率下的有效性。     

中国人人耳图像数据库的设计与建立

为推动人耳识别技术在理论上和应用上的发展,建立一个标准的、开放的人耳数据库尤为重要。设计一个人耳采集系统,构建一个标准的中国人人耳图像数据库。该数据库包含200个中国人的人耳,采集时每个人耳有3种典型的光照变化、4个拍摄角度和1种遮挡,总共拍摄人耳图像6400幅。该数据库相对于目前大多数研究机构的自建入耳数据库,在样本数、图像采集条件等方面具有综合优势,有埋对人耳识别算法的研究和评测产生积极影响。     

基于不变矩匹配的人耳识别

人耳识别技术是一门新型的个体生物识别技术,头部转动是影响人耳识别的重要原因之一.本文提出一种基于加权高阶不变矩特征方法的人耳个体生物识别系统,并初步建立60只人耳图像库.通过实验得出了主要测试数据,识别准确率可达到95%,证明该系统能够克服因头部转动对识别的影响.表明不变矩方法在人耳识别中具有一定优势.     

基于人耳生物特征的身份识别

人耳识别技术的研究与应用在个体生物特征识别范围属于一种新的尝试.本文首先讨论了人耳识别技术的可行性及其特点,介绍了基于二维灰度图像、3D深度图像和耳纹图像的人耳自动识别方法,并重点对静态人耳图像识别方法进行了总结.最后针对人耳识别技术中的一些关键性问题,如人耳特征信息的提取、人耳图像的遮挡与缺损处理、人耳识别方法以及人耳图像库的构建进行了探讨,提出一些解决问题的思路.     

基于相位谱分析技术的图像特征提取研究*

讨论了Fourier 变换后得到的相位信息中包含有丰富的纹理结构信息。将相位一致性原理应用于边缘检测中, 取得了很好的效果, 展示了相位信息所揭示的图像的本质特征。利用相位重构图像能够在很大程度上去除光照条件影响的特性, 通过光照无关特征提取对人脸图像进行处理, 提高了识别准确率, 同时也证明了相位谱重构与相位一致性分析结合可以进行人脸图像的光照无关特征提取。     

基于独立分量分析的人耳识别方法

应用独立分量分析（ICA）方法从高阶统计相关性角度出发提取人耳图像的特征变量，并采用基于欧氏距离测度的最近距离分类器进行人耳图像的识别。与传统的主成分分析（PCA）方法相比具有更好的鉴别能力。通过与PCA的对比实验结果表明，该方法具有更高的识别率，对姿态和光照的变化也具有较好的鲁棒性。     

人耳图像特征提取方法及其在矿工身份识别中的应用

针对现有人耳特征提取方法主要采用几何形状法和代数法提取,存在偏差较大的问题,提出了一种新的人耳图像特征提取方法,并将其应用到矿工身份识别中。该方法利用三尺度canny算子提取人耳边缘图像,运用凸包算法提取人耳边缘特征点,采用轮廓搜索算法提取人耳外轮廓,在极平面上用外耳轮廓上的点到极点的距离与人耳长轴的比值构成人耳特征向量,解决了几何形状法提取人耳特征偏差大的问题。将用该方法提取的人耳图像特征用于矿工身份识别,正确识别率达96%。     

基于交叉融合特征的人耳识别

结合人耳图像特点和两种整体统计特征提取方法的优缺点，该文用主成分分析(PCA)方法提取图像的表示信息特征，用压缩后的类平均向量中的判别信息获得先验类别特征并根据特征分量的类间类内方差比准则将两种特征交叉融合成新的特征向量。分别在2个不同的人耳图像库中进行识别实验，结果表明，该文提出的交叉融合特征识别方法比传统的PCA和PCA+LDA方法的正确识别率高，而且在有一定程度的光照变化和一定角度变化的情况下仍可获得很好的识别效果。     

基于局部信息统计的人耳识别方法

提出了一种基于局部信息统计的人耳识别方法。该方法将一幅人耳图像分成若干个子区域,分别提取每个子区域的分类特征,将各个子区域的特征串联为一个特征向量构筑人耳特征矢量,更加全面描述了人耳图像的局部与结构信息,应用最近邻分类器进行模式分类。采用三种不同的特征提取方法,以USTB人耳图像库对算法进行测试,实验结果表明,与全局信息比较同种方法识别率提高30%以上,验证了局部信息方法的有效性。     

An ear biometric system based on artificial bees and the scale invariant feature transform

Ear recognition is a new biometric technology that competes with well-known biometric modalities such as fingerprint, face and iris. However, this modality suffers from common image acquisition problems, such as change in illumination, poor contrast, noise and pose variation. Using a 3D ear models reduce rotation, scale variation and translation-related problems, but they are computationally expensive. This paper presents a new architecture of ear biometrics that aims at solving the acquisition problems of 2D ear images. The proposed system uses a new ear image contrast enhancement approach based on the gray-level mapping technique, and uses an artificial bee colony (ABC) algorithm as an optimizer. This technique permits getting better-contrasted 2D ear images. In the feature extraction stage, the scale invariant feature transform (SIFT) is used. For the matching phase, the Euclidean distance is adopted. The proposed approach was tested on three reference ear image databases: IIT Delhi, USTB 1 and USTB 2, and compared with traditional ear image contrast enhancement approaches, histogram equalization (HE) and contrast limited adaptive histogram equalization (CLAHE). The obtained results show that the proposed approach outperforms traditional ear image contrast enhancement techniques, and increases the amount of detail in the ear image, and consequently improves the recognition rate.     

基于视觉词袋模型的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像特有的纹理特征,首先采用空间金字塔视觉词袋模型进行人耳特征提取,该模型将人耳图像中相对低级的局部描述子特征转化为具有高级语义含义的全局特征.最后采用支持向量机对样本向量进行训练与判别.实验表明,本文所采用的模型能取得较高的识别率,可作为人耳识别方法的一种扩展与探索.     

基于图像力场转换的耳廓图像识别

首先讨论了耳廓识别技术的可行性、可靠性及其特点,针对耳廓识别特点提出一种基于图像力场转换的耳廓识别方法(Force-field fisher classifier).该方法通过力场图像转换提取耳廓图像特征后,采用Fisher线性判别分类识别,减小了光照变化对耳廓识别的影响.在我们选取的耳廓图像库上识别率达到了98.5%.     

Local contrast enhancement and adaptive feature extraction for illumination-invariant face recognition

Recognizing human faces in various lighting conditions is quite a difficult problem. The problem becomes more difficult when face images are taken in extremely high dynamic range scenes. Most of the automatic face recognition systems assume that images are taken under well-controlled illumination. The face segmentation as well as recognition becomes much simpler under such a constrained condition. However, illumination control is not feasible when a surveillance system is installed in any location at will. Without compensating for uneven illumination, it is impossible to get a satisfactory recognition rate. In this paper, we propose an integrated system that first compensates uneven illumination through local contrast enhancement. Then the enhanced images are fed into a robust face recognition system which adaptively selects the most important features among all candidate features and performs classification by support vector machines (SVMs). The dimension of feature space as well as the selected types of features is customized for each hyperplane. Three face image databases, namely Yale, Yale Group B, and Extended Yale Group B, are used to evaluate performance. The experimental result shows that the proposed recognition system give superior results compared to recently published literatures.     

一种复杂光照下的人脸识别算法

为提高光照变化下的人脸识别率,提出了一种基于局部对比增强（LCE）和局部相位量化（LPQ）的人脸识别方法。采用面部对称的思想结合LCE算法对受不均匀光照的人脸图像进行光照补偿;利用LPQ算子对增强后的图片进行标记,并用分块离散余弦变换（DCT）进行降维;分块计算LPQ直方图序列作为人脸图像的特征描述向量,送入最近邻分类器进行分类识别。通过Yale B和CAS_PEAL数据库上的实验,证实了所提方法的有效性。     

改进的脉冲耦合神经网络人脸特征提取方法

针对基于子空间分解的人脸特征提取方法对人脸图像在采集过程中的光照、旋转、位置等变化较为敏感的问题,提出了一种改进的脉冲耦合神经网络人脸特征提取方法。该方法模拟生物视觉的感知过程,将人脸图像分解成由若干二值图像组成的认知序列,计算序列中的每幅二值图像的熵作为人脸特征,基于支持向量机实现分类与识别;同时克服了标准的脉冲耦合神经网络模型参数过多的缺点,识别率也有所改善。理论与实验结果表明,该方法与现有的基于子空间分解的人脸特征提取方法相比,对人脸图像在采集过程中的光照、旋转、位置等变化有较强的鲁棒性,而且具有较低的维数。     

基于FABEMD的变化光照下人脸识别方法

在光照变化的环境下,人脸识别因受到光照强度和方向的非线性干扰而变得困难重重。在人脸局部区域,光照的变化比较缓慢,而皮肤对光照的反射率特征变化比较快,可以认为光照变化是低频信号,而人脸本质特征是高频信号。FABEMD是一种快速自适应的BEMD（Bidimensional Empirical Mode Decomposition,二维经验模式分解）方法,它能够将图像分解为不同尺度的高频图像和低频图像,高频图像代表了人脸皮肤细节纹理特征,而低频图像则代表了轮廓特征。但是并不能定量判别什么样的高频信号以及多少高频信号能够用来消除光照影响,所以提出了两种衡量高频细节信息量的方法,将这些信息量的相对值来推算融合不同尺度的高频信号权重系数。基于Yale B人脸数据库的实验数据证明了所提方法能够取得很好的识别效果。