非约束环境下基于小样本的人脸特征精确定位

针对非约束环境下的人脸特征定位问题,在概率框架下提出一种基于小样本的精确定位策略。通过对比分析,提取人脸主要特征的颜色和灰度信息及人脸特征之间的几何约束信息,利用混合高斯模型分别对其进行概率建模。之后建立定位融合策略,不仅考虑每种人脸特征的概率分布,还考虑其周围元素的概率分布特性,及各元素之间的几何约束。实验结果表明,该方法能在少量训练样本图像且样本个体较为单一的条件下,实现人脸主要特征的精确定位,且定位精度高于现有方法。     

不同处理方法对蛋清蛋白免疫原性及结构的影响

为研究降低蛋清蛋白免疫原性的有效方法，分别采用微波、酶解、微波协同酶解对蛋清蛋白进行处理，采用酶联免疫吸附试验测定蛋清蛋白的免疫原性，并利用十二烷基硫酸钠-聚丙烯酰胺凝胶电泳、傅里叶变换红外光谱、荧光光谱及紫外光谱等对蛋清蛋白结构进行表征。结果表明，微波700 W/20 s处理和碱性蛋白酶水解后蛋清蛋白免疫原性分别降低了50.81%和55.83%，而微波协同酶解后免疫原性进一步降低，最高降低了67.48%。经不同方法处理后十二烷基硫酸钠-聚丙烯酰胺凝胶电泳条带均发生变化；荧光光谱分析结果表明，3 种方法处理使氨基酸微环境发生改变；利用傅里叶变换红外光谱进一步分析发现，不同方法处理的蛋清蛋白二级结构向无序方向转变，蛋白的二、三级结构均发生改变；此外，蛋清蛋白的表面疏水性均有所升高。说明蛋清蛋白免疫原性降低与不同方法处理改变蛋白质原有的结构特性相关。综上，微波协同酶解更有效地降低了蛋清蛋白致敏性，蛋清蛋白结构的变化与其免疫原性有关。     

基于双线性回归的个体人脸表情图像归正方法

针对当前人脸表情归正方法缺少个体特征的不足,提出一种基于双线性核降秩回归(BKRRR)的归正方法.BKRRR从训练样本集中同时合成虚拟表情图像和中性表情图像,通过二者差分形成表情掩膜.将待测样本通过分段仿射变换投影至中性表情模板,然后以BKRRR虚拟中性表情图像作为前景图像,以待测样本的中性表情投影图像作为背景图像,以表情掩膜作为前景模板,采用基于泊松方程的图像融合技术获取保留个体特征的虚拟中性表情人脸.实验表明文中方法所合成的虚拟图像在主观视觉和客观评价上均优于目前基于学习的表情归正方法,利于人脸识别精度的提高.     

贝叶斯模型下基于SIFT特征的人脸识别

根据姿态与表情变化对人脸识别的影响,采用对图像的旋转、尺度变化保持不变性的SIFT算子作为人脸特征,建立人脸各个子区域的相似性测度,并通过混合高斯建立不同变形条件下相同样本与不同样本的相似性概率模型。在此基础上,利用各子区域特有的识别能力获取子区域概率权值,结合基于贝叶斯公式建立的概率框架确定识别结果。实验结果表明,与直接用SIFT算子进行人脸识别的方法相比,该方法在姿态变化较大及表情变化较大的情况下识别率有明显提高。