色度与亮度特征相融合的彩色人脸识别算法

在存在色度与亮度差异性的条件下,彩色人脸的识别准确度不高,为了提高彩色人脸的识别性能,提出基于色度与亮度特征相融合的彩色人脸识别算法。对采集的原始彩色人脸图像进行色度均衡处理,采用特征提取方法进行人脸的关键特征点定位,提取人脸图像的色度和亮度特征。对提取的特征量根据眼睛和眉毛等关键点的差异性进行信息融合,对提取的眼部区域色度信息进行二值化分离和信息增强处理,提高对彩色人脸图像的特征识别能力,实现彩色人脸识别算法的改进设计。仿真结果表明,采用该方法进行彩色人脸识别的准确识别率较高,抗色度和亮度的局部干扰能力较强。     

图像特征检测和马氏距离中的数据融合与置信度

该文在单源图像的模式特征检测中应用数据融合,用统计方法对同一特征的多算法结果进行融合,论证算法的合理性和融合结果的有效性,定义融合数据的置信度以反映其可靠程度。在此基础上推导了包含置信度的马氏距离度量公式。以人脸检索及其中的眼角检测为例,进行了多算法结果的融合并讨论其置信度,说明该文提出的方法能有效降低模式分类时错误检测参数的不利影响,提高模式识别率。     

图像特征检测和马氏距离中的数据融合与置信度

该文在单源图像的模式特征检测中应用数据融合,用统计方法对同一特征的多算法结果进行融合,论证算法的合理性和融合结果的有效性,定义融合数据的置信度以反映其可靠程度。在此基础上推导了包含置信度的马氏距离度量公式。以人脸检索及其中的眼角检测为例,进行了多算法结果的融合并讨论其置信度,说明该文提出的方法能有效降低模式分类时错误检测参数的不利影响,提高模式识别率。     

融合复小波与零空间判别投射的人脸识别方法

提出一种新颖的零空间判别投射(NDPE)的子空间人脸识别方法。基于局部保持映射(LPP)和非参数判别分析方法,NDPF能够同时编码人脸数据流形的几何和判别结构,并且通过在零空间中求解特征值来克服小样本尺寸问题。为进一步提高人脸识别的准确率,提出融合双树复小波变换(DTCWT)与NDPE的方法。实验结果表明,所提人脸识别方法在ORL、Yale和AR人脸数据库上均取得了较高的识别率。     

马氏距离与引导滤波加权的红外与可见光图像融合

为使红外与可见光融合图像获得更好的分辨率和清晰度,提出基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)的马氏距离加权拉普拉斯能量和与引导滤波改进(frequency tuned,FT)结合的红外与可见光图像融合算法.首先,对可见光图像进行对比度受限的自适应直方图...     

改进的线段Hausdorff距离人脸识别方法

针对传统的线段Hausdorff距离(LHD)方法在人脸识别中的缺陷与不足提出了几点改进：把active shape模型(ASM)得到的人脸配准的结果结合到LHD线段边缘图(LEM)的提取过程,得到了比较好的结果;对人脸不同部分的线段给予不同的权重,并且把线段对的匹配限制在给定的邻域内。实验结果表明,改进的LHD方法比传统的LHD方法在微笑和小角度姿态变化下的识别率分别提高了10．3％和10．0％。     

一种融合二值边缘特征和灰度特征的人脸识别方法

 光照变化是影响现有人脸识别算法性能的主要因素之一.基于边缘特征的方法能获得较好的光照鲁棒性,且易于实现,但它对表情变化的鲁棒性较差.本文提出了一种融合二值边缘特征和灰度特征的人脸识别方法,并首次将二阶互信息相似性测度引入人脸识别中.在AR图像集和Yale图像集上的实验表明,本方法对含有光照变化和表情变化的图像能获得比现有其它方法更好的总体识别率,具有较好的实用价值.     

基于判别改进局部切空间排列特征融合的人脸识别方法

改进型局部切空间排列(ILTSA)是最近提出的一种流形学习方法。基于对ILTSA的线性逼近和判别拓展,该文提出一种新的称为判别改进局部切空间排列(DILTSA)的特征提取方法,并给出了理论证明和算法分析。基于最大邻域间隔准则和ILTSA, DILTSA能够同时保持类内与类间局部判别几何结构。此外,提出一种增强型Gabor-like复数小波变换以缓解照明和表情变化对人脸识别的影响。通过融合Gabor-like复数小波变换和原始图像特征,能够进一步提高人脸识别的准确率。在Yale 和PIE人脸数据库上的实验结果证明了所提方法的有效性。     

基于小波变换和多特征融合编码的人脸识别

针对Gabor小波提取存在维数灾难和特征冗余的问题,提出一种小波变换结合多特征融合编码的人脸特征提取方法.所提方法利用2D-Gabor小波提取归一化的输入图像特征信息,得到不同尺度和方向上的Gabor特征;对于每个特征图像,应用基于Gabor小波的多特征融合编码模型提取图像的L-F(Local Gradient Cod...     

基于NSST变换与自适应PCNN的多特征遥感图像融合

针对基于NSCT变换的遥感图像融合算法存在计算复杂度高,细节表现能力不足的问题,本文提出了一种基于NSST变换与自适应PCNN的多特征遥感图像融合算法。首先,利用HSV变换提取MS图像的亮度分量V,并将得到的亮度分量V与PAN图像分别进行NSST变换;其次,对于低频子带,提出了一种基于自适应的PCNN融合规则,将空间频率和区域平均梯度分别作为PCNN的外部激励和链接强度;对于高频子带,采用基于多特征的融合规则;最后,进行逆NSST变换和逆HSV变换得到融合图像。仿真实验表明,该算法与一些经典的融合算法相比不仅可以提高图像融合质量,在视觉效果和客观指标上也都有良好的表现。     

基于总错误率和特征关联的自适应融合多模态生物特征识别

针对单生物特征识别准确率和鲁棒性差的问题, 提出了一种基于总错误率(TER)和特征关联自适应融合多模态生物特 征识别方法。首先将TER作为判别特征引入到多模态识别,以代替传统的匹配分 数;其次在不确定度量理论的基 础上,考虑人脸特征和语音特征之间的时空关联性,提出了一种基于特征关联的多特征 自适应融合策略,利用特征关联 系数自适应调节不同识别特征对识别结果的贡献。仿真实验表明,与几种代表性的融合算法 相比,本文所 提出的融合模式可以有效提高多生物特征识别系统的准确性和鲁棒性。     

基于Gabor的特征提取算法在人脸识别中的应用

针对人脸识别中的特征提取问题,提出一种新的基于Gabor的特征提取算法,利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维,再利用LDA实现再次降维,得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。     

基于transformer自适应特征向量融合的图像分类

针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的 算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://github.com/xhutongxue/afvf”。     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

基于LSTM网络和特征融合的通信干扰识别

针对现有通信干扰信号识别方法识别效果不佳的问题,提出了一种基于长短时记忆网络(Long Short-Term Memory,LSTM)和特征融合的通信干扰识别方法.该方法利用LSTM网络提取干扰信号的特征,通过LSTM强大的序列特征提取能力提升干扰信号特征提取的性能;通过提取信号的时域和频域特征后进行特征融合,使用全连...     

基于ConvGRU和注意力特征融合的人体动作识别

在动作识别任务中,如何充分学习和利用视频的空间特征和时序特征的相关性,对最终识别结果尤为重要。针对传统动作识别方法忽略时空特征相关性及细小特征,导致识别精度下降的问题,本文提出了一种基于卷积门控循环单元(convolutional GRU, ConvGRU)和注意力特征融合(attentional feature fusion,AFF) 的人体动作识别方法。首先,使用Xception网络获取视频帧的空间特征提取网络,并引入时空激励(spatial-temporal excitation,STE) 模块和通道激励(channel excitation,CE) 模块,获取空间特征的同时加强时序动作的建模能力。此外,将传统的长短时记忆网络(long short term memory, LSTM)网络替换为ConvGRU网络,在提取时序特征的同时,利用卷积进一步挖掘视频帧的空间特征。最后,对输出分类器进行改进,引入基于改进的多尺度通道注意力的特征融合(MCAM-AFF)模块,加强对细小特征的识别能力,提升模型的准确率。实验结果表明:在UCF101数据集和HMDB51数据集上分别达到了95.66%和69.82%的识别准确率。该算法获取了更加完整的时空特征,与当前主流模型相比更具优越性。     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

Incomplete fingerprint recognition based on feature fusion and pattern entropy

Considering the inherent characteristics of incomplete fingerprint： local feature loss and global information distortion, the recognition progress has been mainly restricted by two critical problems： how to precisely extract informative features and still with compact representation of the incomplete fingerprint; and how to effectively measure the similarity between fingerprint images. In this paper, to handle the first problem, both the minutiae and orientation field feature are extracted and then fused to get a more comprehensive feature with scale and rotation invariability. Dealing with the second one, the pattern entropy is introduced to robustly measure the similarity of two incomplete fingerprints. Extensive experiments have been conducted on both those popular fingerprint databases and our extended databases containing more incomplete fingerprints. Meanwhile, thorough performance comparisons have been made with existing approaches. Experimental results show that our approach has more efficient ability especially in incomplete fingerprint recognition, and also performs well in both accuracy and efficiency.     

Gist特征和概率协从表示的人脸识别算法

为了进一步提高基于协从表示的人脸识别系统的 性能,在概率协从表示(ProCRC)算法和字典学习的基础上提出了一 种基于Gist特征和ProCRC的GL-PCRC人脸识别算法。首先提取每副人脸图像的G ist特征,再把人脸图像的Gist 特征采用线性判别算法(LDA)方法投影到最优判别子空间,使得到的LDA特征拥有最小的类内 离散度以及最大的类间离散度;然后利用 LC-KSVD方法对LDA特征进行迭代训练从而得到新的学习字典;继而通过ProCRC算法快 速得到稀疏系数;最后通过计算测 试样本属于各个类别的概率进行分类。分别在ORL和扩展的YaleB人脸库上进行实验检测的 结果表明,与传统的协从表示方法 相比,本文给出的方案可以使人脸识别系统的性能得到显著的提升。