基于Gabor和Curvelet的近邻二值模式手指静脉识别方法

针对手指静脉拓扑结构简单、有用识别信息较少的情况,提出一种基于Gabor和Curvelet的近邻二值模式(NBP)手指静脉识别方法。该方法主要利用Gabor的方向及尺度特性和Curvelet多尺度几何分析优势,有效提取手指静脉的纹理特征。首先对指静脉感兴趣区域做5个尺度8个方向的Gabor变换;其次,利用Curvelet变换将每个尺度下的图像进行融合,减小经过Gabor变换后的特征维数,从而获得集成Gabor特征的图像,再对其做NBP编码得到特征向量。最后,利用汉明距离进行匹配。在两个手指静脉数据库上进行实验,结果表明,该方法可获得最高的识别率为99.821 1%、97.359 1%,相比与分块LBP+分块PCA、小波灰度曲面等方法,识别率至少提高0.390 4%和1.074 6%,证明该方法能够进一步提高手指静脉识别率,具有应用前景。     

尺度及旋转不变纹理图像检索

针对图像检索时常见的尺度及旋转问题,本文提出了一种基于双树复小波变换的尺度及旋转不变纹理图像检索方法.对图像进行尺度变化的预处理,对原图像和变化后的图像分别进行DT-CWT后,提取纹理特征并插值为特征矩阵;分别在尺度维和旋转维上进行FFT消除尺度和旋转变换影响,得到尺度和旋转不变的特征向量;采用Canberra距离进行相似性度量.通过对尺度及旋转变化的纹理图像库的实验表明,该方法对图像的旋转和尺度变化具有较好的鲁棒性.     

Gabor多方向特征融合与分块统计的表情识别

为了克服传统Gabor特征存在提取时间长和数据维数过高的不足,提出一种Gabor多方向特征融合与分块统计的表情特征提取方法。为了提取局部方向信息并降低特征维数,首先对预处理的人脸表情图像进行Gabor变换并提取多尺度多方向的表情特征;然后借鉴局部二值模式(local binary pattern,LBP)的思想将相同尺度、不同方向的特征进行融合,并对融合图进行分块,统计每块融合图的均值和标准差,以此构建块特征矢量(block feature vector,BFV),再将其联合起来形成整幅图像的表情特征矢量(expression feature vector,EFV);最后利用支持向量机(support vector machine,SVM)对提取的EFV进行分类。该算法在JAFFE和Cohn-Kanade(CK)库上进行实验,分别取得了95.67%、96.17%的平均识别率以及1 213 ms和4 565 ms的平均特征提取时间。实验结果表明所提方法能较快、较准确地进行人脸表情识别。     

基于多尺度Gabor变换的人脸识别算法优化

针对人脸识别中的光照变化和姿态问题,提出首先获取已经过归一化处理的人脸图像(几何尺寸归一化和光照归一化),然后利用多尺度二维环形对称Gabor小波变换对归一化的人脸图像进行特征提取,再用局部二值模式对高维数据进行降维,最后使用直方图交的方法进行人脸相似度判决,从而实现较高识别率的实时人脸识别.实验表明,在FERET、Y...     

基于集成Gabor特征的步态识别方法

步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图是一种有效的步态表征方法.通过提取步态能量图中的动态区域并利用Gabor小波变换对其特征提取,但经过Gabor变换后特征维数较高,必须经过有效的特征融合和选择。由此针对传统的Gabor特征提取后存在特征维数较高的缺点,提出了一种基于集成Gabor特征的步态识别方法。首先,采用均值融合和差分二值编码这两种集成方法,对动态区域Gabor特征图进行多尺度和多角度的集成,获得26张集成Gabor特征图;然后从26张集成Gabor特征图中选出4张作为最终的特征向量;最后将特征向量输入KNN分类器进行步态识别。实验结果表明,基于集成Gabor特征的步态识别方法,能够对步态特征进行有效分离和表达,同时降低维数并紧凑表征数据,对步态信息进行正确归类。     

基于Gabor纹理特征的掌纹识别

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.本文针对预处理环节,提出6种不同的预处理方法,通过比较得到了有一定参考价值的实验结果.本文采用最小冗余度的椭圆Gabor滤波器组对掌纹图像滤波,得到4个尺度6个方向的子带,计算每个子带的均值与方差,得到48维的纹理特征,在整个数据库中对48维特征进行归一化,最后采用绝对值距离衡量不同特征向量间的差异.实验结果表明,本文提出的算法具有较高的检索识别率.     

基于小波MCBP和WEF的人脸表情识别

现有的多尺度中心化二值模式（MCBP）通过在原始图像上改变CBP算子的半径,随着算子半径的增加计算量也迅速增加。针对这个问题,提出一种基于小波的MCBP（WMCBP）的人脸表情识别方法,对小波分解后的两幅低频图像的特征区域进行CBP变换,得到多级局部CBP直方图序列特征．该方法不仅能获得更加准确的多尺度信息,而且大大降低了运算量。为进一步提高表情识别率,引入了加权的小波能量特征（WWEF）。通过对JAFFE人脸表情库的实验证明;这两部分特征在一定程度上可互补,将它们融合能在不明显增加运算量的前提下增强WMCBP的表情识别能力。     

基于小波系数KPCA和PNN的电能质量扰动分类

针对电能质量扰动分类,提出基于小波系数特征的核主成分分析(KPCA)和概率神经网络(PNN)的分类新方法.对正常信号和六种常见电能质量扰动(电压暂降、暂升、短时中断、谐波、电压波动和振荡暂态)进行小波变换和多尺度分析,提取各类扰动在多个尺度上小波系数作为特征向量;利用KPCA进行主成分提取,降低了小波系数特征向量维数,再输入PNN进行分类.仿真表明,该方法分类速度和准确率良好.     

小波变换在HSV颜色空间上的图像检索应用研究

在传统的基于小波变换的图像检索方法中,并没有对HSV颜色空间的不同颜色分量进行小波变换并考虑它们的重要性大小。针对这个问题,提出一种新的在HSV颜色空间中利用小波变换进行图像检索的方法。该方法首先将每张图像由RGB颜色空间转换到HSV颜色空间,然后分别对图像的每个颜色分量（H,S,V）进行小波变换,并用小波系数矩阵的二阶矩表示图像的纹理特征,从而得到图像的特征向量,最后根据三个颜色分量重要性大小合理分配权值,计算查询图像与图像数据库中图像的相似度,得到图像检索结果。实验结果表明,本方法在图像实验数据库中能获得较好的检索效果。     

基于小波的灰色预测理论应用于水电机组故障预测分析

基于神经网络"能量-故障"映射关系,提出将小波频带分析与灰色预测理论相结合进行水电机组故障预测.运用小波分解提取各频带能量,应用预测理论建立水电机组故障特征量的预测模型,预测各频率成分能量的变化,重构由预测各频带能量成分组成的特征向量,应用于水电机组故障预测分析.以水轮机主轴摆度信号为例,应用该方法进行了特征信息提取和预测,表明将小波能量提取与灰色预测理论相结合进行振动特征信息的预测比较有效,为故障预测提供了新思路.     

Finger-knuckle-print recognition using Gabor feature and MMDA

Recently, a new biometrics recognition, finger-knuckle-print, has attracted the interest of researchers. The popular techniques used in face recognition are not applied in finger-knuckle-print recognition. Inspired by the success of Gabor in face recognition, we propose a method that uses Gabor feature and a multi-manifold discriminant analysis (MMDA) method to identify finger-knuckle-print. The experimental results show that our proposed method can work well.     

基于卷积神经网络的表情不变三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于卷积神经网络的三维人脸识别方法.根据人脸先验知识,构建基于测地线距离的三维人脸特征点模型;利用该模型,提取输入三维人脸的局域Gabor特征和测地线距离特征,进而获得表情不变的人脸表述;将上述特征输入类Lenet-5卷积神经网络,获得最终的识别结果.在Facewarehouse三维人脸数据库上的实验结果表明,该方法的正确识别率达到97.60%,优于几种经典三维人脸识别方法,对表情变化均有较强的稳健性.     

注意力机制 CNN 结合肌电特征矩阵的手势识别研究

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。 针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制 CNN,用于识别 NinaproDB1 中 52 类手势。 首先使用时间窗截取低通滤波后的 sEMG,计算多种信号时域特征;然后利用笛卡尔 积组合并相乘不同特征,对特征相乘值进行归一化后得到 EFM。 同时,引入 ECA 机制使网络关注重要的深层特征,从而提升手 势分类效果。 分别输入 sEMG、肌电时域特征和 EFM 到注意力机制 CNN 进行手势识别,EFM 识别准确率最高,达到了 86. 39%, 高于近年来手势识别研究方法精度。 验证了提出方法的有效性,为多类别手势准确分类提供可行新方案。     

Comparative performance of principal component analysis, gabor wavelets and discrete wavelet transforms for face recognition

This paper compares the performance of face recognition systems based on principal component analysis (PCA), Gabor wavelets (GW) and discrete wavelet transform (DWT). The three techniques are implemented in the MATLAB programming environment, and their performance is investigated using frontal facial images from the FERET database. The images are preprocessed to yield a standardized image used for identification. PCA produces an orthonormal basis for the image space that extracts the dominant facial features, providing exceptional recognition performance. The GW technique is modelled after biological experiments and is used to filter spatial-frequency features of the image at key points of the face. The DWT is investigated for its potential use in facial-feature extraction and is also applied to rotated versions of the facial image, thereby increasing the directional filtering capability. A face similarity measure that uses the extracted features provides recognition that is robust against variations in illumination.     

基于频响曲线稀疏表示的变压器绕组变形模式识别方法

为了提高电力变压器绕组状态监测水平,提出了一种基于频响曲线稀疏表示的变压器绕组变形模式识别方法。文章在构建了Gabor原子的过完备原子库和通过有限元模型仿真得到了正常及变形绕组频响曲线的基础上,将正常情况及变形情况下的绕组频响曲线在过完备原子库上进行稀疏表示,并对所有匹配的Gabor原子分别进行短频傅里叶变换、叠加,得到正常曲线及变形曲线的等效时频分布,然后将两条曲线的等效时频分布值相减,得到可以反映绕组频响曲线变形程度的特征向量。最后,利用支持向量机模型实现了不同绕组变形故障的识别。试验结果表明,提出的方法具有较高的可靠性,适用于绕组变形模式识别。     

3D face recognition based on principal axes registration and fusing features

A 3D face recognition approach which uses principal axes registration (PAR) and three face representation features from the re-sampling depth image: Eigenfaces, Fisherfaces and Zernike moments is presented. The approach addresses the issue of 3D face registration instantly achieved by PAR. Because each facial feature has its own advantages, limitations and scope of use, different features will complement each other. Thus the fusing features can learn more expressive characterizations than a single feature. The support vector machine (SVM) is applied for classification. In this method, based on the complementarity between different features, weighted decision-level fusion makes the recognition system have certain fault tolerance. Experimental results show that the proposed approach achieves superior performance with the rank-1 recognition rate of 98.36% for GavabDB database.     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

基于I-DCV的人脸识别方法

在人脸识别的过程中,利用独立成分分析(ICA)方法得到的特征能够很好的描述原始图像,但是不具备很好的判别分类能力。判别共同矢量(DCV)是一种在类内散布矩阵的零空间中求取投影矩阵的方法,相比线性鉴别分析(LDA)方法,可以得到更具鉴别能力的特征。因此本文提出一种新的特征提取算法,简称I-DCV,首先对预处理后的人脸图像应用独立成分分析算法去除二阶及高阶冗余信息,然后利用DCV对求取的独立特征向量作进一步的处理,最后依据欧式距离进行分类识别。实验结果表明,本文提出的方法具有很好的识别性能。     

鲁棒的超声图像肝硬化识别方法

为了减少利用超声图像进行肝硬化诊断时临床医师的主观性对诊断准确性的影响,首次提出了一种利用Gabor变换和LBP特征融合的方法对肝硬化和正常肝脏进行识别。首先对原始肝脏样本分别提取其Gabor特征和LBP特征,然后将这两种特征进行融合,得到鲁棒性较强的特征,并利用C-SVM进行训练和分类。该方法克服了超声环境下肝脏图像所受的光照影响、边缘模糊,以及在尺度因素的影响下,其病变区域与正常区域的纹理用肉眼很难区分等困难,对正常肝脏和肝硬化的识别精度达到了100%,说明提出的方法可有效提高在超声环境下对肝硬化的诊断准确率,减少临床医师主观性的影响。