基于SIFT算法的多表情人脸识别

目前人脸识别系统在识别表情变化的人脸图像时识别准确率会降低,多表情人脸识别在人脸识别领域仍是一个热门的研究方向。本文采用SIFT算法对多表情人脸进行识别,在多表情人脸库上进行了两类仿真实验:实验一中对比了同一个人的不同表情的识别效果,实验二中对比了两个不同的人的相同表情的识别效果,实验结果表明SIFT算法能够克服不同人脸间的整体相似性并能有效提取出人脸的局部细节特征。对Jaffe表情库进行仿真实验,取得了当阈值T=0.35时对多表情人脸图像的正确识别率95.69%,实验结果表明,将SIFT算法应用于多表情人脸识别有巨大的潜在科研价值。     

基于小波分解和支持向量机的准正面人脸识别方法

基于小波分解提取人脸特征技术和多分类支持向量机模型，提出了一种新的准正面人脸识别算法。小波分解提取人脸特征具有对表情变化不敏感的特点；支持向量机作为分类器被认为具有很高的推广(generalization)性能，无需先验知识。在所提出的算法中，首先对训练图像进行预处理，然后使用小波分解方法对人脸图像进行特征提取，用所提取的人脸特征向量训练多分类支持向量机模型，最后用训练好的支持向量机进行人脸识别。利用ORL人脸图像库对该算法的实验测试结果，以及与其它人脸识别方法的比较结果表明了该算法在识别性能方面的优越性。     

低分辨率KINECT传感器采集三维点云的人脸识别

针对传统的三维人脸识别算法成本较高且不能很好地处理带有光照、表情等变化人脸识别的问题,设计了低分辨率Kinect传感器采集三维点云的鲁棒人脸识别系统。首先,通过鼻尖检测、人脸剪裁、姿势校正、对称填充及平滑采样得到规范的纹理图像;然后,在纹理图像上运用判别色彩空间变换,从而最大化类与类之间的分离性;最后,利用多模态稀疏编码有效地重建误差以得到查询图像与训练集之间的相似度,并利用Z-得分技术完成最终的人脸识别。在通用人脸数据库CurtinFaces、PIE及AR上的识别率可高达96.7%,实验结果表明,相比其它几种人脸识别算法,本文算法取得了更好的识别效果。     

考虑光照鲁棒性的超分辨率人脸识别系统设计

为保障不同光照下低分辨率人脸的超分辨率识别精度与效率,设计了考虑光照鲁棒性的超分辨率人脸识别系统。通过包含DSP单元与ARM单元的控制器模块,驱动人脸视频采集模块。采集不同复杂光照的人脸视频信息并解析成视频帧后,预估视频帧序列的位移情况,恢复视频帧序列的超分辨率,融合超分辨率视频帧构成人脸图像样本。利用人脸特征提取模块补偿全部人脸图像样本复杂光照,并提取其LBP特征构成人脸库。通过人脸识别模块匹配人脸图像的LBP特征与人脸库,识别出超分辨率人脸图像。结果表明,该系统的光照鲁棒性人脸图像采集与人脸图像LBP特征提取两部分的实现效果均较好。可有效识别出背光、强光及弱光下的超分辨率人脸,识别效率较高,识别成功率能够达到96.7%,为光照鲁棒性人脸识别提供保障。     

一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。     

基于振铃抑制的多视频超分辨率重建

为了利用较少低分辨率视频序列实现多视频超分辨率重建,本文提出一种将时空分别进行重建的算法。首先利用已有方法进行时间重建,再以得到的高时间分辨率的视频序列帧为参考帧,结合输入低分辨率视频序列帧进行空间重建。此外,针对传统重建方法在配准不精确的情况下会产生振铃现象这一问题,提出一种加入自适应惩罚项的改进迭代反投影(IBP)算法。实验结果表明,本文算法在输入低分辨率序列较少的情况下,能较好地实现多视频超分辨率重建,且能有效抑制振铃现象;重建出的高分辨率视频序列的结构相似度较对比算法提高3.4%~6.1%;在主观感受上,图像边缘锐利、人工效应少。     

一种互信息与梯度信息结合的多模图像配准方法

数字化X射线图像(digital radiography,DR)与数字重建放射图像(digitally reconstructed radiography,DR)属于不同模态图像,实现二者的高精度快速配准是一个技术难题。在实际应用中,往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先,对正侧面图像进行小波分解,获得低分辨率子图像并配准,使用粒子群优化(particle swarm optimization,PSO)算法进行全局寻优;然后,根据配准结果,判断互信息与梯度信息配准结果是否正确,如果配准错误,则在下一阶段中不使用该结果作为配准依据;最后,以PSO算法寻优结果作为Powell算法的寻优初始点,对原始正侧图像进行精确配准。实验结果显示,本算法快速完成配准,配准精度达到2 mm,满足实际应用要求。     

基于2D-PCA特征描述的非负权重邻域嵌入人脸超分辨率重建算法

在基于邻域嵌入人脸图像的超分辨率重建算法中,训练和重建均在特征空间进行,因此,特征选择对算法性能具有较大影响。另外,算法模型对重建权重未加限定,导致负数权重出现而产生过拟合效应,使得重建人脸图像质量衰退。考虑到人脸图像的特征选择以及权重符号限定的重要作用,该文提出一种基于2维主成分分析(2D- PCA)特征描述的非负权重邻域嵌入人脸超分辨率重建算法。首先将人脸图像分成若干子块,利用K均值聚类获得图像子块的局部视觉基元,并利用得到的局部视觉基元对图像子块分类。然后,利用2D-PCA对每一类人脸图像子块提取特征,并建立高、低分辨率样本库。最后,在重建过程中使用新的非负权重求解方法求取权重。仿真实验结果表明,相比其他基于邻域嵌入人脸超分辨率重建方法,所提算法可有效提高权重的稳定性,减少过拟合效应,其重建人脸图像具有较好的主客观质量。     

分块CS-LBP和加权PCA的低分辨率人脸识别

针对局部二值模式(LBP)特征在低分辨率的人脸图 像上识别率较低的问题,提出了一种基于分块中心对称局部二值模式(CS-LBP,center symmetric local binary pattern)和加权主成分分析(PCA)算法的低分辨率人脸识别算法。 首先利用分块CS-LBP算子提取低分辨率人脸图像的特征;然后利用加权PCA算子对特 征进行降维, 从而得到更强的分类特征;最后利用最近邻分类器选出人脸最优分类类别并计算识别率。在 ORL人脸库上的实验表明,在人脸图像分辨率下降到(12×10)时,本 文算法的识别率仍能达 到85.00%,基本满足了实际运用中对识别率的要求,并且降低了运算 时间。     

基于离散余弦变换和支持向量机的人脸识别研究

提出了一种基于图片分割的人脸特征提取方法,该方法利用二维离散余弦变换对每个子图进行分解,并提取其中最具代表性的系数作为该子图的特征,文中构造了一对多的支持向量机作为分类器来识别不同的人脸。基于ORL人脸数据库对算法性能进行了模拟,实验结果表明,所提出的算法实现简单,并具有较好的性能。     

基于子模式下LBP-HOG特征融合的单样本人脸识别方法

针对目前单样本人脸识别率不高这一问题,本文 提出一种基于子模式下的分层LBP和 金字塔模式HOG特征相融合的单样本人脸识别方法。该方法针对人脸不同部位对人脸识别所 做贡献的程度,先通过已有人脸不同部位的分类器将人脸不同器官提取出来并以此为基准将 其分为不同的子图像。然后针对LBP描述子提取的纹理特征数量较少且不能很好的描述图像 边缘和方向信息等问题,将分层LBP与金字塔不同层级的HOG特征相融合的方法作用在每一个 子图像上,得到每一个子图像的融合特征向量,计算训练样本与测试样本对应的每一个子图 像的融合特征的欧氏距离并且乘上预先设定的该子图像对应的权重参数,然后将它们相加得 到最终的欧氏距离,通过阈值判断该人脸所属id。最后通过在ORL人脸库上进行实验,结果 表明本文提出的方法比现有单样本人脸识别方法识别率更高。     

Nonrigid registration using free-form deformations: application tobreast MR images

In this paper we present a new approach for the nonrigid registration of contrast-enhanced breast MRI. A hierarchical transformation model of the motion of the breast has been developed. The global motion of the breast is modeled by an affine transformation while the local breast motion is described by a free-form deformation (FFD) based on B-splines. Normalized mutual information is used as a voxel-based similarity measure which is insensitive to intensity changes as a result of the contrast enhancement. Registration is achieved by minimizing a cost function, which represents a combination of the cost associated with the smoothness of the transformation and the cost associated with the image similarity. The algorithm has been applied to the fully automated registration of three-dimensional (3-D) breast MRI in volunteers and patients. In particular, we have compared the results of the proposed nonrigid registration algorithm to those obtained using rigid and affine registration techniques. The results clearly indicate that the nonrigid registration algorithm is much better able to recover the motion and deformation of the breast than rigid or affine registration algorithms.     

基于平均序列SRC的视频人脸跟踪和识别研究

为了从大字典视频中跟踪和识别人脸,提出了一种基于平均序列的稀疏表示分类端到端识别方法。首先,利用所有可用视频数据和属于同一个人的人脸跟踪帧进行联合优化;然后,将严格的时间约束添加到l1-最小化;最后,运用人脸跟踪中所有单个帧重建各个身份,利用稀疏重建完成人脸分类。在You Tube人脸数据集上的实验验证了本文方法的有效性,在You Tube名人数据集和本文搜集的电影预告片数据集上的实验结果表明,相比几种较为新颖的分类方法,该方法取得了更高的识别精度,并且在拒绝不明身份上的准确率比SVM高8%。     

一种增量符号相关的景象匹配方法

针对图像灰度变化和遮挡问题，提出一种增量符号相关的景象匹配方法。介绍了增量符号相关算法的理论基础，基本原理为将二维图像变换为一维向量，再将一维向量按照某种编码规律进行编码,得到由0、1组成的特征字符串，对由实时图和基准图上同样大小的基准子图变换而来的特征字符串求相关，相关系数最大者即为最佳匹配区。将此算法与绝对差算法和归一化积相关算法进行实验对比，在对算法进行定量分析的基础上，证明增量符号算法对灰度变化和遮挡有较好的鲁棒性，为图像匹配导航与制导提供了新的思路。     

采用灰度加权核函数的动态背景运动目标检测算法

针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题,提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准,然后将图像分为3232的子块,分别计算每一子块图像的灰度加权核函数（GWK）,利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量,确认灰度加权核函数发生变化的子块,进而完成图像中的运动目标检测。实验结果表明,基于灰度核函数的运动目标检测算法运行速度快,可以有效抑制图像配准误差以及灰度起伏的影响,实时实现运动目标检测,具有较好的实时性和鲁棒性。     

Facial expression recognition in image sequences using geometric deformation features and Support Vector Machines.

In this paper, two novel methods for facial expression recognition in facial image sequences are presented. The user has to manually place some of Candide grid nodes to face landmarks depicted at the first frame of the image sequence under examination. The grid-tracking and deformation system used, based on deformable models, tracks the grid in consecutive video frames over time, as the facial expression evolves, until the frame that corresponds to the greatest facial expression intensity. The geometrical displacement of certain selected Candide nodes, defined as the difference of the node coordinates between the first and the greatest facial expression intensity frame, is used as an input to a novel multiclass Support Vector Machine (SVM) system of classifiers that are used to recognize either the six basic facial expressions or a set of chosen Facial Action Units (FAUs). The results on the Cohn-Kanade database show a recognition accuracy of 99.7% for facial expression recognition using the proposed multiclass SVMs and 95.1% for facial expression recognition based on FAU detection.     

基于PCA算法的人脸识别研究

介绍了PCA算法及其在人脸识别中的应用。PCA算法是一种基于统计的算法,其优点是识别率高,速度快。基于PCA算法的特征脸方法首先根据人脸数据库训练出一系列的特征脸,然后把人脸数据库中的每个人脸图片进行映射,得出每个人的特征系数,这组系数可以表示该张图片。最后计算出待识别样本的特征系数,并与人脸数据库中的特征系数一一进行比较,以距离相近的作为识别结果。     

Reconstruction of 3-D head geometry from digitized point sets: an evaluation study

In this paper, we evaluate different methods to estimate patient-specific scalp, skull, and brain surfaces from a set of digitized points from the target's scalp surface. The reconstruction problem is treated as a registration problem: An a priori surface model, consisting of the scalp, skull, and brain surfaces, is registered to the digitized surface points. The surface model is generated from segmented magnetic resonance (MR) volume images. We study both affine and free-form deformation (FFD) registration, the use of average models, the averaging of individual registration results, a model selection procedure, and statistical deformation models. The registration algorithms are mainly previously published, and the objective of this paper is to evaluate these methods in this particular application with sparse data. The main interest of this paper is to generate geometric head models for biomedical applications, such as electroencephalography and magnetoencephalographic. However, the methods can also be applied to other anatomical regions and to other application areas. The methods were validated using 15 MR volume images, from which the scalp, skull, and brain were manually segmented. The best results were achieved by averaging the results of the FFD registrations of the database: the mean distance from the manually segmented target surface to a deformed a priori model surface for the studied anatomical objects was 1.68-2.08 mm, depending on the point set used. The results support the use of the evaluated methods for the reconstruction of geometric models in applications with sparse data.