基于知识库进行人脸图像特征提取的研究

采用区域性增强法对人脸图像进行预处理，用基于知识库的方法提取人脸几何特征．通过选用人脸上３２个特征点，结合人像学，美学原理及人脸识别的心理特征，提出一种简便的，高精度的“知识库”法和“区域处理”法，使人脸图像可有别于其它图像进行处理．     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

人脸图像特征点眼睛的定位与提取

采用类间方差分析法对人脸图像进行二值化处理后，得到轮廓清晰连续的边缘图像，能较准确地对眼睛特征点进行定位与提取。     

人脸表情特征提取方法的研究进展

讨论了静态图像表情特征提取方法和序列图像表情特征提取方法,对近年来人脸表情特征提取方法进行了比较研究,得到了一些结论,并对未来可能的研究情况进行了展望.     

稀疏表示的局部模式特征提取与识别

针对人脸图像在复杂光照环境下提取的特征不够丰富,导致识别率低的问题,提出一种稀疏表示的局部模式特征提取与识别算法.首先将图像进行分块,依次对每个子区域的像素进行阈值化处理,并将其与中心像素值比较的结果编码到中心对称局部二值模式算法中来实现特征提取;然后在此基础上采用中心对称局部方向模式算法提取二阶特征,得到最终的纹理特...     

基于扩展二维不变矩的三维人脸特征提取

将二维不变矩理论和算法扩展应用于三维人脸特征提取的研究,在对三维人脸模型进行预处理及网格归一化的基础上,建立了具有平移、比例和旋转不变性的三维人脸模型的Zernike矩不变量特征表示,并基于距离可分性设计了一种特征评价测度,对所提特征和深度特征进行了对比评价。多姿态三维人脸数据库的实验结果表明,三维人脸模型的Zernike矩不变量特征具有对不同姿态人脸模型鲁棒、可分性强等优点。     

基于二维人脸图像的特征提取技术研究

针对目前人脸识别中特征提取的技术特点,提出了一种基于二维人脸图像的特征提取方法,利用肤色分析及灰度投影对二维人脸的关键特征点进行定位、分析并提取.经实验证明,此方法能够对人脸区域的特征点实现准确、可靠的定位.     

基于稀疏张量的人脸图像特征提取

在多线性主成分分析(Multi-linear principal component analysis,MPCA)的基础上提出了用于特征提取的稀疏张量主成分分析(STPCA)方法。该方法把MPCA中的特征值分解问题转化为线性回归问题,以此得到稀疏的投影矩阵,并通过该投影矩阵来降低遮挡对特征提取效果的影响。最后在Georgia tech和AR人脸库上进行对比实验,结果表明:本文方法无论在识别的精确度上还是在对遮挡的鲁棒性上都优于原有的MPCA算法。     

人脸检测中的图像光照处理研究

在人脸检测过程中,由于光照条件的不同对人脸的检测结果影响很大.提出了一种基于灰度统计模型的对数变换和局部归一化相结合的复合光照处理算法,并且有效的消除了局部归一化所产生的虚假边界.该算法不仅可以调节光照条件较差的图像,对于光照条件较好的图像,也产生较少负面作用.通过与其他常用的一些光照调节方法也做了相应的比较,实验表明,此算法能有效地改善图像质量,减少不同光照条件对人脸检测准确率的影响.     

基于局部特征的图像模式识别算法研究

本文对基于局部特征的图像模式识别的SIFT/SURF算法进行了详细描述及分析,对比两种算法的不同特点,即运算速度、收敛性、抗噪性等,并对两种算法进行了实验.实验结果对于算法改进具有显著的借鉴意义.     

人脸识别特征抽取方法的研究进展

人脸识别属于生物识别的研究领域,是模式识别的一个重要研究方向,特征抽取是解决人脸识别的关键问题。通过对各种特征抽取技术和方法的分析比较,认为光照和姿态是影响人脸识别效果的两个主要因素,提出了人脸识别的解决思路和今后的研究趋势。     

ISAR目标象的特征提取和特征选择

描述了一个ＩＳＡＲ目标识别系统，它以二维ＦＦＴ处理实现对ＩＳＡＲ目标象的特征提取，以位于频谱中心的一个正方形窗口实现特征选择，系统的分类器是最近邻分类器。通过ＩＳＡＲ目标识别的仿真，实验研究了特征选择窗口的长度对系统识别率的影响。实验结果表明：低通形式的特征选择窗口是特征选择的最佳方案，而且存在一个最佳的特征窗口长度，这个最佳值可以由训练样本集自身确定出来。     

复杂图像特征点提取与匹配方法

采用改进的SIFT（Scale Invariant Feature Transform）算法对自然环境下获取的复杂场景图像进行特征量提取;通过添加存入最小优先级队列的限制条件,对现有的BBF（Best Bin First）匹算法进行改进以提高算法的搜索效率;针对复杂图像误匹配较为严重的现象,设置匹配判定准则和几何约束条件,对匹配结果中可能的误匹配加以剔除。实验结果表明,新方法在匹配效率和匹配准确率的提高上效果明显。     

脂肪肝B超图像特征提取研究

为了建立适合于脂肪肝B超图象识别的最佳特征矢量，首先提取正常肝和脂肪肝B超图像的近远场灰度比特征以及灰度共生矩阵、灰度游程长度两种纹理模型中的9个特征。再用Kolmogorov-Smimov假设检验和人工神经网络进行两次特征选择。通过特征选择，最初的10个特征矢量只有近远场灰度比以及灰度共生矩阵的角二阶矩、熵、反差分矩共4个特征被保留下来，用于脂肪肝的识别。这4个特征组成了适合于脂肪肝B超图象分析的最佳特征矢量。研究表明由这4个特征组成的最佳特征矢量对脂肪肝识别有着较好的性能。     

中文文本分类中特征提取方法的比较与改进

目前有多种特征提取方法用于文本自动分类,其中CHI方法效果较好,研究发现CHI方法存在着词与类别的无独立性假设及计算复杂度高等缺点,提出一种改进了的CHI方法ICHI（ImprovedCHI）,通过分类实验仿真数据显示,在SVM与KNN分类中这种改进后的特征提取方法ICHI特征提取效果优于传统的CHI方法,改进后的方法ICHI能提高文本分类的准确率,适合局部特征提取．     

基于计算机图像处理的书法笔画特征提取

提出一种利用计算机图像处理技术进行楷书基本笔画特征提取的方法.从书法笔画图像细化得到笔画骨架出发,提取笔画的全局特征和局部特征,用骨架关键点将笔画分为多个笔段,并结合书法写作特点通过对笔段内部及笔段之间特征进行分析,对书法笔画图像的形体特征选择、提取进行初步的探索.     

模糊指纹图像的特征提取

指纹图像增强和特征匹配是自动指纹识别系统的两个关键问题。但由于指纹在获取过程中各种干扰因素的存在，图像增强并不能完全消除噪音，会产生大量的伪特征点，从而降低匹配的速度及准确性。本文在指纹预处理的前提下，提出了一种有效的特征点的提取算法以消除伪特征点，从而保证特征点的稳定性、可靠性。     

基于特征提取的缺陷图像分类方法

针对缺陷图像表面复杂多变、特征不宜提取的特点, 提出了一种归一化转动惯量特征和不变矩特征相结合的时域分析方法来构建缺陷图像的统计特征量, 同时增加缺陷矩形框区域内压缩度、距离极值比和线度特征量作为缺陷分类的依据;提出了在缺陷频谱图像内提取特征量的频域分析方法, 并将矩形框区域内所有像素点灰度平均值和灰度方差值作为缺陷分类的另一重要依据;同时将BP神经网络应用于缺陷图像的自动分类中, 构建了系统的缺陷分类器, 并对现场采集的常见6种缺陷类型进行了实验.结果表明, 该特征提取方法在很大程度上提高了特征的分类有效性;该BP分类器识别率较高, 现场整体识别率达到90%以上, 在一定程度上解决了缺陷图像分类难的问题.