基于傅里叶变换的红外人脸图像温度归一化

为了减少环境温度对红外人脸图像的影响,本文提出了一种基于傅里叶变换的红外人脸图像温度归一化方法。首先,对不同环境温度下的红外人脸图像变换到傅里叶域,得到幅度谱和相位谱。其次,基于统计分析理论,幅频系数和相频系数的方差用于表示不同特征受环境温度影响的程度。为了达到归一化的目的,对方差较大的幅频系数和相频系数用训练样本的均值进行替换。最后,为了验证温度归一化的有效性,将归一化的红外人脸图像用于传统的基于PCA的红外人脸识别系统。实验结果表明,本文提出的归一化方法可以提取稳定的红外人脸特征,提高了环境温度变化下红外人脸识别的识别率。     

Extraction of illumination invariant facial features from a single image using nonsubsampled contourlet transform

Face recognition under varying lighting conditions is challenging, especially for single image based recognition system. Exacting illumination invariant features is an effective approach to solve this problem. However, existing methods are hard to extract both multi-scale and multi-directivity geometrical structures at the same time, which is important for capturing the intrinsic features of a face image. In this paper, we propose to utilize the logarithmic nonsubsampled contourlet transform (LNSCT) to estimate the reflectance component from a single face image and refer it as the illumination invariant feature for face recognition, where NSCT is a fully shift-invariant, multi-scale, and multi-direction transform. LNSCT can extract strong edges, weak edges, and noise from a face image using NSCT in the logarithm domain. We analyze that in the logarithm domain the low-pass subband of a face image and the low frequency part of strong edges can be regarded as the illumination effects, while the weak edges and the high frequency part of strong edges can be considered as the reflectance component. Moreover, even though a face image is polluted by noise (in particular the multiplicative noise), the reflectance component can still be well estimated and meanwhile the noise is removed. The LNSCT can be applied flexibly as neither assumption on lighting condition nor information about 3D shape is required. Experimental results show the promising performance of LNSCT for face recognition on Extended Yale B and CMU-PIE databases.     

基于Gabor变换的人眼定位方法

提出了一种基于Gabor变换的人眼定位方法,在对图像进行规一化处理以减少光照影响的基础上,利用Gabor变换后的图像在眼睛处的幅值较大的特点,通过投影方法得到人眼的坐标.实验结果表明,该方法能准确地定位眼睛的中心位置,并对表情、姿态和光照的变化有较好的鲁棒性.     

A Multi-View Face Recognition System

In many automatic face recognition systems,posture constraining is a key factor preventing them from application.In this paper a series of strategies will be described to achieve a system which enables face recognition under varying pose.These approaches include the multi-view face modeling,the threschold image based face feature detection,the affine transformation based face posture normalization and the template matching based face identification.Combining all of these strategies,a face recognition system with the pose invariance is designed successfully,Using a 75MHZ Pentium PC and with a database of 75 individuals,15 images for each person,and 225 test images with various postures,a very good recognition rate of 96.89% is obtained.     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置，然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系，最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明，该算法能够有效并准确地检测和校正人脸，可以显著提高识别率。     

人脸的层次化描述模型及识别研究

人脸自动识别是一个困难但有重要意义的工作。文中提出了一种基于人脸层次化描述的识别方法。该方法首先对人脸进行快速准确的特征定位及标准化,然后采用主元分析神经网络分别对定位的人脸及其特征区域进行最佳特征提取,从而得到人脸在低分辨率和较高分辨率上的两层特征描述用以识别,具有识别率高、特征数据量适中、可用于大量人像识别等特点。此方法在１３００幅人像上进行了测试,结果表明其在人脸转动、表情变化或入脸未经训练     

三维模型有向三角面片链码压缩方法

首先提出一种适用于三角面片链码算法的改进 MC 规格化方法,使用单位为 2 的体素作为改进 MC 算法中的单位体素,并使用其中的 27 个顶点重新构建等值面,最终获取高质量的规格化三角网格模型。 在新的规格化模型上提出一种新的面片遍历方式,在三角面片链码算法的基础上,采用优先遍历右连接面片原 则,控制面片的遍历方向,该方法能够减少面片遍历次数,并且延长面片链码的平均长度。实验结果表明,采 用新的规格化方法和新的遍历方法,压缩效果与原三角面片链码相比,具有明显的提升。     

面向时延数据的分块PCA红外人脸识别

时延数据下的高识别性能是红外人脸识别系统应用的基础,提出一种基于分块PCA的红外人脸识别方法,提高红外人脸识别系统对时延数据识别率.为了充分利用图像的局部特征,对图像进行大小分块,并对各分块图像进行主成分分析;然后,为了缓解外部环境温度对识别的影响,通过训练学习不同温度下的红外人脸数据,去除每个图像块受环境温度影响较大的特征值.最后,为了结合整体特征,并将余下的特征值组合成特征向量用于识别.实验结果表明,本文提出的方法可以提高红外人脸识别系统对时延数据的识别率.     

基于KL肤色的人脸初定位

提出了一种基于KL肤色的复杂背景中的人脸初定位方法,将KL变换应用到色系坐标系的转换中,提出了一种新的基于KL肤色的人脸快速初定位方法,并且讨论了这种定位方法在复背景的图象中的应用。     

基于小波变换的加权特征脸识别算法*

针对人脸识别中难以克服的表情影响,提出了一种基于小波变换的加权特征脸识别方法.本方法先对人脸图像进行小波分解,有效地将原图像降维,然后让各个子图像并行进行特征脸识别,最后通过加权排序得到识别结果.通过在Striling人脸库中进行实验,表明利用本方法进行人脸识别大大提高了识别率同时减少了计算量.