基于QR 分解的彩色图像自嵌入全盲水印算法

针对彩色图像的版权保护问题,基于QR 矩阵分解提出了一种自嵌入全盲水印算 法。先将原始图像的G 通道分量进行非下采样剪切波变换,再对得到的低频分量分块QR 分解, 通过判断各子块R 矩阵中第一行元素向量的l1 范数与所有子块R 矩阵第一行元素l1 范数均值之 间的大小关系生成特征水印。然后对B 通道分量DWT 变换后的低频分量进行分块QR 分解, 并通过修改该子块QR 分解后R 矩阵中第一行最后一列元素来嵌入特征水印。特征水印的生成 和嵌入在两个通道内独立完成,水印检测无需原始载体图像,算法无需借助外加水印信息即可 完成对图像版权的鉴别。实验结果表明,该算法在经历添加噪声、JPEG 压缩、缩放、剪切和行 偏移等常见攻击时,具有很强的鲁棒性。     

基于子模式的完全二维主成分分析的步态识别算法

提出一种基于子模式的完全二维主成分分析的步态识别算法.首先对步态能量图进行子块划分,自适应地去掉对分类无用的子块.然后分别对每个子图像采用完全二维主成分分析方法进行特征抽取.最后将各个子块的特征合为整体采用最近邻分类器来测试识别.应用上述方法在CASIA步态数据库上进行实验,通过实验确定分块数目.实验结果表明本文算法明显好于完全二维主成分分析方法,不但有利于提取局部特征,而且对外套变化、背包,行走方向变化的步态识别也较有效.     

一种自适应加权HOG特征的人脸识别算法

为了提高人脸识别在复杂条件下的识别率,提出一种基于自适应加权梯度方向直方图特征（AW-HOG）的人脸识别方法。该方法首先将人脸图像分成均匀子块,并利用HOG描述算子提取分块人脸特征,根据各分块对识别的贡献率自适应地计算各分块的权重,然后融合权重系数以及各分块的HOG特征,形成AW-HOG特征并采用主成分分析（PCA）算法进行降维,最后利用支持向量机（SVM）进行分类识别。在Yale B 以及AR标准人脸库上的实验结果表明,提出的人脸识别方法在识别率上优于传统算法且对光照具有较强的鲁棒性。     

一种融合多模式单演特征的人脸识别方法

为了更好地利用单演幅值和区域主方向信息,分别提出了一种单演韦伯差异激励局部块二值模式和单演区域主方向模式,并在此基础上进一步采用分块子模式策略融合两种特征。该方法首先对单演幅值求取差异激励,将差异激励分解为正值和幅值图像;然后对正值和幅值图像采用基于分块的局部二值模式编码,采用主成分分析方法求取单演区域主方向,并对主方向进行均匀量化,再采用异或编码。在获取两种特征后,采用分块子模式的策略对两种特征进行加权融合。在AR和CAS-PEAL上的实验表明,MWLMBP和MDOP两种特征提取方法能够有效提取图像的判别信息,进一步融合两种特征的方法能够有效增强特征的分类能力,提高特征的识别性能。     

分块双向2DPCA融合局部特征的人脸识别

针对(2D)2PCA无法保存某些重要局部特征的问题,提出一种分块双向二维主成分分析融合局部特征方法。首先,将图像分解为互不重叠的子块,每个子块包含重要的局部信息,利用(2D)2PCA对子块进行特征提取并投影到特征子空间。然后,对每个子块分别设计一个分类器并在一定置信度范围内判别测试样本所属类别。最后,根据所有子块所属类别的置信度之和完成人脸分类。在四个人脸识别数据库上的实验结果表明,相比其他几种人脸识别算法,该方法取得了更高的识别精度。     

一种基于DCT的彩色图像双水印算法

提出了一种用于版权保护和完整性认证的彩色图像双水印算法。基于YCbCr颜色空间,将原始图像各个分量进行分块,在各分量图像子块DCT域中直流系数上嵌入鲁棒水印以标示版权;在亮度分量的中频系数上嵌入抗JPEG压缩的半脆弱水印以进行篡改检测和篡改定位。仿真实验表明该算法能够很好地标示版权和检测篡改。     

一种基于颜色特征的图像检索方法

随着大量图像数据库的广泛应用,使得图像检索成为图像资源管理和检索的一个研究热点.传统的基于颜色特征的固定分块的方法在进行相似性匹配时比较对应子块的颜色特征,各子块间的约束关系较强,对图像的旋转也较敏感,利用循环队列的数据结构对固定分块的方法进行改进,可以使基于固定分块的方法具有旋转不变性.     

基于空间分布差异度的分块彩色图像检索方法

传统的基于颜色直方图的彩色图像检索方法具有计算简单和尺度变化不敏感的优点,但传统的方法普遍存在丢失图像空间信息和特征维数较高的缺点。为克服上述缺陷,提出了一种基于空间分布差异度的分块颜色直方图图像检索新方法。该算法首先将图像进行划分,并计算图像各子块间的相似度;然后,对分块的图像进行空间分布差异度的计算,并由此确定各分块的权值系数;最后,对各子块的相似度进行加权累加从而得到整幅图像的相似度。实验表明,该算法能克服传统方法的弊端,并具有较好的平均查找性能。     

一种新的区域复制图像篡改盲检测技术

提出了一种新的图像盲检测技术,该技术先对图像进行两次分块得到两个子块集,分别对这两个子块集中的子块进行小波变换,将最大变换尺度的小波近似系数以向量形式表示各子块,一个子块集组成一个矩阵,利用主成分分析方法(PCA)对这两个特征矩阵进行二次特征提取,利用Pearson相关系数法对二次提取后的子块特征进行篡改检测,标记出篡改块。实验结果表明,该技术在降低运算复杂度的基础上,不仅能较好地检测进行了多处复制粘贴篡改的图像,且在抗高斯模糊、JPEG有损压缩和噪声方面都有较强的鲁棒性,尤其在篡改图像经过滤波和加性噪声混合严重干扰后,仍能检测出大部分篡改区域。     

一种基于局部排序PCA的线性鉴别算法

主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+LDA。与PCA和PCA+LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+LDA方法。     

结合分块DCT系数及其统计特征的人脸识别

提出了一种基于分块DCT系数及其统计特征的人脸识别算法。对图像进行分块,对每一块进行DCT变换,选择低频部分的系数作为识别的特征,将每一块分解为一幅低通滤波图和一个包含DCT高频系数的反L型块;分别对这两块求其均值、方差和熵这三个统计特征;利用支持向量机(SVM)和最近邻分类器对这些特征进行分类识别。在ORL、Yale人脸数据库上的仿真实验表明,使用基于分块DCT系数及其统计特征可达到较高的识别率。     

基于Gabor系数分块统计和自适应特征选择的人脸描述与识别

提出一种新的人脸描述及识别方法,首先对归一化后的人脸图像进行多方向多尺度Gabor变换;然后对人脸区域进行分块,以块为单位统计Gabor系数的均值和方差,求得块特征矢量(block feature vector,BFV),按先行后列的顺序将各块的BFV拼接,构成整幅人脸图像特征矢量(face feature vector,FFV).在分类器设计阶段,引入两两比对和投票机制,用多个两类分类器组合成多类分类器.在训练某个具体的两类分类器时,根据隶属训练样本计算FFV中每项的分辨力,以分辨力大小为依据选出最优特征子集(best subset feature vector,BSFV).基于Yale人脸数据集展开实验,与已发表的算法和结果进行对比,证明了该方法的有效性.     

信息熵加权的HOG特征提取算法研究

针对人脸图像中不同部位所含的信息熵不同,对识别的影响程度不同等因素,提出了一种信息熵加权的HOG特征提取方法。该算法将待识别的人脸图像进行分块,对分块后的图像进行HOG特征提取,计算每块图像所含的信息熵作为权重系数加到各个分块中形成新的HOG特征,通过PCA算法对特征进行降维,得到信息熵加权的HOG特征。通过在ORL和YALE实验结果表明,该算法相较于其他传统识别方法具有更高的识别精度和准确度,并且对于人脸在光照、姿态表情等干扰因素下均具有良好的有效性和鲁棒性。     

分块LBP的素描人脸识别

目的 素描人脸识别属于异质人脸识别范畴,是刑侦领域的研究热点.根据素描人脸识别的特点,采用分块局部二值模式(LBP)特征,并用AdaBoost算法提取能有效鉴别素描人脸图像和可见光人脸图像对应关系的特征块.方法 对素描图像和可见光图像配准后,进行分块处理,计算每块的LBP直方图,将LBP直方图作为AdaBoost待选择特征.计算素描图像子块与可见光图像子块之间的Log概率统计,利用AdaBoost算法进行特征提取,逐步挑选能有效识别的特征子块,并把这些优选特征子块用于未知素描人脸识别.结果 利用现有的素描人脸库,分别进行非交叉和交叉实验验证,识别率分别达到99％以及100％,证明了本文算法的有效性.结论 该算法经优化后,可用于素描人脸识别.     

非采样Contourlet变换与局部二值模式相结合的人脸识别

针对人脸识别中姿态、光照和表情变化带来的识别率有限的问题,提出了一种基于非采样Contourlet变换(NSCT)与局部二值模式（LBP）的人脸特征提取方法。首先对人脸图像进行非采样Contourlet变换,得到多尺度、多方向的子带系数矩阵,然后利用LBP算子从每个子带系数矩阵上抽取局部邻域关系,得到各子带的LBP特征图谱,最后将这些图谱分块统计并级联后作为人脸的识别特征。利用多通道最近邻分类器的分类结果表明,所提方法能有效提高识别率,所提取的特征对光照、表情和姿态等变化具有更好的鲁棒性。     

基于Bandlet和KW技术的移动应用面部情感识别

由于情感感知移动应用的智能性和用户易接受性,使情感感知移动应用不断增加。由于移动设备的处理能力有限,因此移动设备上的情感识别方法的算法实现应该实时和高效。提出了一个移动应用上的高精度和低计算复杂度的情感识别方法。在该方法中,人脸视频由智能手机的摄像头捕获,从视频中提取一些有代表性的帧,并且用一个人脸检测模块从这些帧中提取人脸区域。脸部区域被Bandlet变换处理,结果子波被划分为互不重叠的子块。计算每个块的局部二进制值模式的直方图,将所有块的直方图关联起来作为描述面部图像的特征集。用Kruskal-Wallis检验从面部图像特征集中选择最具优势的特征,将这些特征送入高斯混合模型分类器中进行情感识别。实验结果表明,该方法在一个合理的时间内实现了高识别精度。     

基于DCT域内拉普拉斯值排序的人脸识别方法

基于DCT域内的人脸识别方法的关键是如何选择有效的DCT系数,提出了一种基于DCT域内拉普拉斯值排序的人脸识别方法。首先将图像划分为若干个大小相同的子块,对每一个子块进行DCT变换,得到分块DCT系数,然后利用拉普拉斯值作为局部保持能力判据选择那些能够很好保持样本流形结构的分块DCT系数,最后对选定的DCT系数执行LPP算法提取识别特征,在ORL和Yale人脸数据库上的实验结果证明了该方法的有效性。     

基于深度学习的抗年龄干扰人脸识别EI北大核心CSCD

随着年龄的增长,人脸的形状、纹理等特征会随之发生较明显的改变从而造成显著的类内干扰,这使得人脸识别的性能大大降低.为了解决上述问题,本文基于深度卷积神经网络将年龄估计任务和人脸识别任务相结合,提出了一种抗年龄干扰的人脸识别新方法AD-CNN(Age decomposition convolution neural network),首先将卷积块注意力模型(Convolutional block attention module,CBAM)嵌入到残差网络中以学习更具有代表性的面部特征,随后利用线性回归指导年龄估计任务,提取出年龄干扰因子,通过多层感知机将整个面部特征与年龄干扰特征投影到同一线性可分空间,最后从面部稳定的特征中将年龄干扰分离,得到与年龄无关的面部特征,并采用改进后的角度损失函数基于年龄无关的身份特征进行人脸识别任务,从而达到抑制年龄干扰的目的.本文在MORPH和FGNET数据集上的识别正确率分别达到了98.93%,和90.0%,充分证实了本文所提方法的先进性和有效性.     

基于四元数小波幅值相位表示及分块投票策略的人脸识别方法*

提出一种基于四元数小波幅值相位表示及分块投票策略的人脸识别方法。该方法首先对人脸图像进行预处理,利用四元数小波变换的四路小波提取多个角度方向的小波系数,并求取四元数幅值和三个相位,将这些幅值和相位特征组合并分成若干子块,对每个子块根据最近邻原则进行分类,对各子块分类结果进行投票以实现人脸图像最终识别。对五个人脸数据库的实验表明,该方法具有较高识别率和对表情及光照变化的鲁棒性。