采用图像融合技术的多模式人脸识别

利用图像融合技术实现了基于可见光图像和红外热图像相结合的多模式人脸识别,研究了两种图像在像素级和特征级的融合方法.在像素级,提出了基于小波分解的图像融合方法,实现了两种图像的有效融合.在特征级,采用分别提取两种识别方法中具有较好分类效果的前50%的特征进行特征级的融合.实验表明,经像素级和特征级融合后,识别准确率都较单一图像有很大程度的提高,并且特征级的融合效果明显优于像素级的融合.因此,基于图像融合技术的多模式人脸识别,有效的增加了图像的信息量,是提高人脸识别准确率的有效途径之一.     

基于Curvelet变换的多聚焦图像融合方法

由于可见光成像系统的聚焦范围有限,很难获得同一场景内所有物体都清晰的图像.多聚焦图像融合技术可有效地解决这一问题.在分析了传统多聚焦图像融合方法和Curvelet变换的原理后,提出了一种基于Curvelet变换的多聚焦图像融合方法,先对不同聚焦图像分别进行Curvelet变换,采用低频系数取平均,高频系数取大的融合规则,再进行Curvelet反变换得到融合结果.仿真试验表明,基于Curvelet变换的融合方法可有效综合多聚焦图像,相比小波变换法,获得了更好的融合效果.     

基于局部特征融合的人脸识别研究

针对传统的全局统计特征实现的人脸识别方法在实际应用中存在的诸多不足,本论文从局部特征角度入手探讨了人脸识别方法。首先简要分析了基于信息融合的人脸识别研究现状,在此基础上分析了基于信息融合的Gabor特征描述子基本原理,构建了基于Gabor描述子的多维局部特征融合算子,并给出了算法的具体实现方法。     

基于特征能量加权的红外与可见光图像融合

目前红外与可见光图像直接融合存在红外目标取舍和场景信息提取困难,结合非采样Contourlet的多尺度、多方向性和平移不变性的优点,本文提出了一种基于非采样Contourlet变换(NSCT)的红外与可见光图像融合方法.首先对源图像进行分解,然后低频子带通过构造基于区域的特征像素能量,进行加权融合,高频子带直接选用方差取大法融合.使用该算法进行了融合实验,并给出了融合质量评价.实验结果表明,本文提出的基于NSCT的图像融合算法在保留图像细节信息、增加信息量方面都有显著地提高.     

一种基于多模式融合的多视点图像颜色校正方法

针对各种多视点成像系统中视点图像颜色不一致的问题,提出了一种基于多模式融合的多视点图像颜色校正方法.该方法通过定义四种通用的线性和非线性校正模式,首先对输入的源图像和参考图像进行视差估计,以视差估计得到的匹配块作为样本,然后对样本分别用四种校正模式进行训练,得到各种模式的校正参数,最后基于最小均方误差准则对各种校正模式进行融合,得到最终的校正图像.实验结果表明,该方法能实现参考图像与校正图像的最小均方根误差,且具有较好的校正效果.     

基于局部特征融合的人脸识别

提出了基于局部特征融合的人脸识别算法.首先把人脸图像分割为多个子图像,利用传统主成分分析的方法,对不同位置的子图像集分别建立不同的子空间并且抽取相应的局部特征.针对各局部特征,分别求出待识别图像对训练样本的隶属度.最后,基于模糊综合的原理对各局部特征进行数据融合,给出最终识别结果.实验结果表明,该算法能很好地融合人脸的局部信息,有效提高识别率.     

基于多策略的多聚焦图像融合方法

针对多聚焦图像融合,在小波变换基础上提出了一种多策略的融合方法.图像小波变换后的低频分量采用基于清晰度的方法,清晰度评价函数选用八邻域拉普拉斯算子和;而高频分量采用基于空间频率的方法,并且只计算与高频方向相一致的空间频率,减小了计算量.融合效果评价除使用传统方法的熵、交叉熵外,还使用了基于三个方向(水平、垂直和对角)的空间频率和通用的主观与客观相结合的新方法.实验结果表明,本文方法得到的融合图像效果最好,优于文中的其它算法,同时本文使用的评价方法也是适用和有效的.     

基于D-S证据理论的CT/ECT图像融合实验方法

为提高多相流过程层析成像系统重建图像质量,分析CT、ECT成像机理及单一模态的局限性,提出一种基于D-S证据理论的CT/ECT图像融合实验方法。首先,将CT、ECT待融合图像的像素值聚类化,运用模糊聚类算法中的隶属度函数表示证据理论中的基本概率赋值函数;并通过D-S合成规则求解融合图像基本概率赋值函数,即融合图像隶属度函数。最后由融合图像隶属度函数反推融合图像像素值,实现"像素-概率-像素"之间的转化。实验结果表明:该方法可有效提高单模态重建图像质量,并优于传统像素融合算法。     

多聚焦宫颈细胞图像融合方法

由于显微镜物镜焦深范围小,随着放大倍数的增大,景深会相应减小,只有那些在聚焦平面或其附近的物体才是可见的.本文提出了一种基于小波分解的多聚焦宫颈细胞图像融合算法,利用小波变换获取原始图像的小波系数,利用不同的融合规则和融合算子构造融合图像的小波系数,利用一致性校验得到最终的融合结果,解决了宫颈细胞不能在一幅图像中完全聚焦清晰的问题.     

SAR图像与多光谱图像融合方法研究

本文针对SAR图像分辨率高、纹理信息多、斑噪影响大，而多光谱图像光谱信息丰富、分辨率较小的特点，提出了一种SAK与多光谱图像的数据融合算法。该方法分三步进行：首先使用粗糙集理论选取图像特征，在此基础上，对特征提取后的图像进行配准，配准中采用了数理统计中近似正态分布的方法，配准精度在一个像素以内，最后采用相关性加权的方法对配准后的SAK图像与多光谱图像进行融合。融合实验以LandSat的TM图像与Radsat的SAK图像为例，实验结果表明该方法取得了较好的融合效果。     

利用两类投影方法进行特征融合的人脸识别

提出了利用两类投影抽取特征、用并行策略融合特征进行人脸识别的新方法。先用一维的基于向量的投影抽取一组特征，再用基于二维的图像投影的方法抽取一组特征，用复向量将样本的两组特征向量组合在一起，在复向量空间分析主分量(CPCA)，抽取人脸图像的鉴别特征。在FERET人脸库上的实验结果表明，该方法的识别性能比用单个特征有10%左右的提高。     

Face Recognition Based on Gabor Feature Extraction Followed by FastICA and LDA

Over the past few decades, face recognition has become the most effective biometric technique in recognizing people’s identity, as it is widely used in many areas of our daily lives. However, it is a challenging technique since facial images vary in rotations, expressions, and illuminations. To minimize the impact of these challenges, exploiting information from various feature extraction methods is recommended since one of the most critical tasks in face recognition system is the extraction of facial features. Therefore, this paper presents a new approach to face recognition based on the fusion of Gabor-based feature extraction, Fast Independent Component Analysis (FastICA), and Linear Discriminant Analysis (LDA). In the presented method, first, face images are transformed to grayscale and resized to have a uniform size. After that, facial features are extracted from the aligned face image using Gabor, FastICA, and LDA methods. Finally, the nearest distance classifier is utilized to recognize the identity of the individuals. Here, the performance of six distance classifiers, namely Euclidean, Cosine, Bray-Curtis, Mahalanobis, Correlation, and Manhattan, are investigated. Experimental results revealed that the presented method attains a higher rank-one recognition rate compared to the recent approaches in the literature on four benchmarked face datasets: ORL, GT, FEI, and Yale. Moreover, it showed that the proposed method not only helps in better extracting the features but also in improving the overall efficiency of the facial recognition system.     

一种新颖的基于Gabor-LDA的人脸识别方法

为了克服光照、表情变化等因素对人脸识别的影响,提出了一种基于Gabor小波和最佳鉴别分析LDA的人脸识别方法。该方法充分利用了LDA得到的鉴别向量,用鉴别向量组成线性变换矩阵,直接从原始的强度图像上提取LDA特征。然后,用鉴别向量选择一些鉴别像素,仅在鉴别像素的位置上提取Gabor特征并对Gabor特征作LDA变换得到另一种LDA特征。它们分别可视为全局特征和局部特征。最后的分类器融合这两类特征。在FERET人脸库上的试验表明了该方法的有效性。     

一种快速的基于稀疏表示的人脸识别算法

基于稀疏表示的人脸识别算法（SRC）识别率相当高,但是当使用l1范数求最优的稀疏表示时,大大增加了算法的计算复杂度,矩阵随着维度的增加,计算时间呈几何级别上升,该文提出利用拉格朗日算法求解矩阵的逆的推导思路,用一种简化的伪逆求解方法来代替l1范数的计算,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算,基于AR人脸库的实验证明,维度高的时候识别率高达97%,同时,计算复杂度和开销比SRC算法大幅度降低95%。     

融合小波变换和改进KFD的人脸识别方法

基于核函数的Fisher判别分析(KFD)在人脸识别中通常采用高斯径向基函数做核函数,但核函数中参数的选取对分类效果影响较大。目前参数的选取一般仅凭经验,且该方法在处理大样本时,速度较慢。针对这个问题,本文提出了一种融合小波变换和改进KFD的人脸识别的方法。该方法首先用小波变换降低样本的维数;然后在用KFD进行特征提取时,采用微粒群算法自动获取一个最优参数,增强分类效果;最后用SVM分类器完成特征的识别。实验表明,该方法与传统的KFD相比较,运算时间减少,而且识别率得到提高。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

一种基于GDLPP的人脸识别算法

针对人脸识别中的特征提取问题,本文提出了一种结合Gabor小波特征和判别保局投影的人脸识别算法-GDLPP.该算法首先对人脸图像进行多分辨率的Gabor小波变换,提取样本的高阶统计信息;然后更改保局投影(LPP)的目标函数,增加样本类间散布约束,从而提取更具判别性的特征.本文采用最小近邻分类器估算识别率.在USPS数据库、Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,GDLPP都具有较好的识别率.