基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法. 首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments, QPZMs), 将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments, PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation, scaling, and translation, RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network, QBPNN)分类器进行彩色人脸识别. 实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.     

四元数矩阵正交特征向量系的求解方法及其在彩色人脸识别中的应用

针对四元数矩阵正交特征矢量系求解困难的缺点, 本文提出一种获取四元数矩阵正交特征矢量集等效、便捷的方法, 其基本思路为: 首先, 构造四元数矩阵定义于复数域的导出阵, 并利用该导出阵特征矢量空间的一种特殊的等价空间间接获取相应特征值所对应的特征矢量. 然后, 将复数矢量转换为四元数矢量, 按如此方式获取的对应所有特征值的非零特征矢量则构成原始四元数矩阵的正交特征矢量系. 同时, 本文将定义于实数域的主成分分析方法 (Principal component algorithm, PCA) 向四元数体作合理的推广, 给出详细的数学推导过程, 证明该方法的合理性及其在统计模式识别领域得以应用的可能性. 最后, 作者将彩色图像像素的R、G、B三分量作为四元数的三个虚数部分, 首次在人脸识别中引入基于四元数的彩色人脸识别方法. 较传统的基于灰度图像的识别方法, 本文方法不仅利用了人脸图像灰度值的空间分布信息, 而且充分利用不同人脸之间的色彩差异, 从而得到更多的鉴别信息.在四川大学人工智能研究所的彩色人脸库上进行的实验表明, 所提出的基于四元数的识别方法不仅大幅度提高了识别率, 而且具有较高的鲁棒性.     

基于四元数局部编码和卷积网络的表情识别

为充分利用彩色图像的颜色信息和通道之间的关联性,提出一种联合四元数矩阵相位信息和幅值信息的特征提取方法,结合卷积神经网络(CNN)进行表情识别。将彩色表情图像表示为纯四元数矩阵并进行Clifford平移,对相位和幅值分别进行局部二值模式(LBP)编码,提取多尺度融合的图像特征,将特征输入CNN进行训练并分类。实验结果表明,该算法在RafD和MMI表情库上的识别率分别为79.42%和93.28%,相比其它表情识别算法,识别率更高且识别效果稳定。     

四元数小波和AdaBoost在人脸识别中的应用

提出一种基于四元数小波变换（QWT）幅值相位表示及AdaBoost的人脸识别方法。四元数小波变换具有近似的移不变特性,可以同时支持1个幅值和3个相位,其中两个相位编码局部图像移动,而第三个相位蕴含纹理信息。方法对人脸图像进行预处理,进行四元数小波变换并计算四元数幅值和相位特征,将这些幅值和相位组合并应用AdaBoost分类器进行分类,以实现人脸图像的最终识别。对Yale、ORL和FERET三个人脸数据库应用此方法的实验结果表明,该方法在识别率上优于AdaBoost和Gabor+AdaBoost。特别是在FERET数据上精度提高更为明显,而且在计算复杂度上QWT特征提取明显低于Gabor特征提取。     

彩色图像四元数频域奇异值分解水印算法

将四元数傅里叶变换与四元数奇异值分解技术相结合并引入到对彩色图像的水印处理,提出一种基于四元数频域奇异值分解的彩色图像盲水印算法.首先对彩色载体图像进行分块并采用四元数傅里叶变换(quaternion Fourier transform,QFT)得到其频域矩阵,然后对频域矩阵中的单位小块进行四元数奇异值分解(quaternion singular value decomposition,QSVD),得到实系数奇异值,使用奇偶量化调制法将水印信号嵌入到单位小块的最大奇异值中.仿真实验结果表明,嵌入的水印分布在空域图像各彩色分量中,在不可见性以及鲁棒性的比较中优于传统的彩色图像亮度域以及独立多通道处理方法.     

四元数表示和NSCT变换的彩色人脸图像识别

将彩色人脸图像用四元数实矩阵的形式表示,对该矩阵作多级非抽样Contourlet（Nonsubsampled Contourlet,NSCT）变换,在各子带系数上作奇异值分解,进而获得图像的代数特征向量,由神经网络训练和识别。实验结果表明,该方法可以有效地提高彩色人脸图像的识别率,是一种有效的彩色人脸识别方法。     

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。     

彩色图像四元数频域幅值调制水印算法

彩色图像处理常用的独立单通道方式在处理过程中不能体现各彩色通道间的光谱联系。针对彩色载体图像,提出了一种彩色图像四元数频域幅值调制水印算法。首先在空域中计算四元数表示的载体图像块不均匀度大小,从而对载体图像的单位小块进行自适应选取;接着对彩色载体图像进行四元数傅立叶变换,得到其频域矩阵;然后计算分块傅立叶直流位置上的四元数模值,将水印嵌入在模值中。仿真实验结果表明,该方法可以把水印带来的误差扩散到图像的红、绿、蓝3色的各个分量上,且对常见攻击具有较好的鲁棒性,实现了数字水印不可见性和鲁棒性的良好结合。     

基于四元数矩阵奇异值分解的彩色图像分解

讨论了四元数矩阵的奇异值分解(QSVD),四元数矩阵的奇异值仍是正实数,但两个酉矩阵是含有四元数的四元数矩阵.给出通过四元数矩阵的等价实矩阵求解QSVD的有效算法.最后应用QSVD进行彩色图像分解,并给出了在Fruits、Baboon等图像上的实验结果.QSVD使许多基于SVD的图像处理方法可以推广到彩色图像处理上而不...     

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。