自适应邻域选取的邻域嵌入超分辨率重建算法

在邻域嵌入超分辨率重建算法中,训练和重建过程均在特征空间进行的,因此,特征选择对算法的性能具有较大的影响。另外,大多数基于邻域嵌入算法对训练得到的样本库未经测试直接使用,使得邻域选择具有“盲目”性。考虑到特征选择的重要性以及避免邻域选择的盲目性,本文提出了一种新的邻域嵌入超分辨率重建算法。第一步:利用专家矢量场模型估计出输入图像的全局图像;第二步:利用邻域嵌入算法重建残差图像。在重建残差图像的过程中,首先将图像分成若干子块并利用线性滤波器提取特征;然后,将训练图像分成两组,第一组训练得到高、低分辨率重建样本库,第二组对重建样本库测试,得到邻域选择库;最后,自适应的选择输入图像子块的邻域数目,并利用重建样本库重建。仿真实验结果表明,相比其他基于邻域嵌入算法,提出算法可以重建更多的细节信息和锐利的边缘,重建得到的高分辨率图像具有较高的主客观质量。      

结合多尺度边缘检测的SAR结构邻域滤波方法

噪声抑制是合成孔径雷达(SAR)图像处理的一个重要环节,通常的方法在抑制噪声的同时也使得图像的边缘模糊。该文提出一种结合宏观边缘信息的SAR图像结构邻域滤波方法。首先利用多尺度边缘检测算法获得SAR图像主要的边缘信息,在此基础上对结构邻域滤波法进行改进。结构邻域滤波法用一系列反映图像局部方向信息的邻域模板描述图像的细节特性,滤波过程中引入图像的宏观边缘信息,对邻域模板的选择范围进行约束。最后运用模拟退火算法选取合适邻域模板对目标点的强度进行MAP估计。实验表明该方法能够较好地保持图像的边缘特征,同时有效抑制了斑点噪声。     

基于LS MPP的图像分块模板匹配并行算法

该文提出了一种新颖的在基于K元2-立方体网络的SIMD计算机上运行的图像分块模板匹配并行算法。该算法对于NN的图像、MM的模板和KK的处理元阵列(M K, N = BK, B 1), 可通过将图像分成BB个图像块的分块模板匹配来实现。与已知的各算法相比,该算法具有可处理比处理元阵列尺寸大的图像的优越性。     

一种邻域嵌入超分辨率算法北大核心CSCD

邻域嵌入算法是一种基于学习的超分辨率算法,但是存在图像特征计算复杂和分类搜索难度大的问题.本文提出了一种基于二阶梯度比例特征的邻域嵌入超分辨率算法,其图像特征简单,分类和搜索复杂度低,同时图像库存储量小,适合于硬件实现.实验结果表明,与传统超分辨率算法相比,本文算法重建的高分辨率图像具有更丰富的纹理和更锐利的边缘,具有更好的主客观质量.     

基于多个特征分块贝叶斯分类器融合策略的人脸识别方法

提出一种基于奇异值分解和贝叶斯决策的人脸特征提取与识别算法。通过对人脸图像样本进行几何归一化和灰度均衡化后,结合分块与加权,运用奇异值分解,分别获得特征脸和标准脸,然后采用多个基于特征分块的贝叶斯分类器（FBBC）的融合策略进行分类识别。实验验证了该方法的有效性,具有良好的精炼和实时性品质指标。     

采用各向异性尺度空间的遥感图像配准

基于多特征点的遥感图像配准方法应用在油田遥感图像上时,很难为其找到足够多的正确对应关系且花费时间也较长.为此,提出了基于各向异性尺度空间的遥感图像配准方法.该算法首先使用自适应的侧窗滤波技术构建各向异性尺度空间,然后采用改进的邻域分块思想进行特征描述,最后使用增强的匹配点过滤增加特征点匹配的数量.实验结果表明,所提方法不仅保证了配准精度在90％以上,而且在速度上比原算法提高了10％以上.     

基于自适应卡尔曼的时域增强算法研究

在图像序列进行压缩感知重构的过程中,基于运动补偿的分块压缩感知重建算法利用了帧间残差图像的稀疏特性,有效提高了重构视频的质量。但该算法仅在空域对图像进行了维纳滤波,帧间存在抖动现象,视频主观质量较差。文章将自适应卡尔曼滤波算法应用到分块压缩感知重建算法的重建过程中,可以有效地去除视频帧间的噪声,使得图像的主观质量得到了改善。     

基于混沌卷积的光学图像分块加密方法

基于分块压缩感知理论和随机卷积理论，提出了一种基于混沌卷积的光学图像分块加密方法。首先将图像分为大小相同的分块子图像，针对每个子图像，利用级联混沌系统生成混沌相位模板和混沌振幅模板，将子图像与混沌相位模板进行混沌卷积；然后利用混沌振幅模板进行混沌下采样，获得加密压缩后的分块图像；最后将各分块加密图像复原为最终的加密图像。该方法每个分块子图像具有不同的加密密钥，以提高算法的安全性，混沌卷积过程中采用分数傅里叶变换替代傅里叶变换，以增大密钥空间。对加密方法的抗噪声攻击性、抗裁剪攻击性、统计特性、密钥敏感性等进行仿真实验，结果表明了该方法的可行性和安全性。     

一种基于局部特征分块的目标跟踪算法

为了解决传统目标跟踪算法在天空背景下面临高能激光反射时图像像素灰度分布发生剧烈变化, 从而导致目标遮挡或丢失的问题, 采用一种基于局部特征分块思想的相关跟踪算法, 根据局部特征对跟踪模板进行了分块处理, 计算并选取其中特征稳定度高的块模板, 在跟踪区域内对每个块做模板匹配, 并进行了理论分析和试验验证。结果表明, 该算法在强光干扰下能够有效地对目标实时稳定跟踪, 且图像处理延迟时间在2ms以内。该研究对基于高能激光发射下的超高精度跟踪系统工作性能的保证是有帮助的。     

基于PCA和分块FFT的快速模板匹配算法

图像匹配算法作为一种经典的图像识别算法,在计算机底层视觉处理中占有重要地位.在理论界,对该算法的讨论和研究由来已久,也提出了基于像素灰度、基于图像特征等的匹配算法.本文所提出的匹配算法主要基于模板特征,通过结合主分量分析(PCA)、分块快速傅里叶变换(FFT)等技术实现了高效快速的图像匹配算法.在对具有大量相似目标的图...     

模型基编码中脸部模型的自动调整

通用模型的调整是模型基人脸图像编码的重要步骤,本文提出了一种利用改进的变形模板提取脸部完整特征、由径向基函数内插调整模型非特征点的正面脸部模型自动调整算法.首先用矩形模板匹配确定各特征区域,模板尺寸由先验知识设计;在各特征区域内确定变形模板的初始位置和变化范围,采用遗传算法等匹配方式,获取变形模板的最优参数值;最后估计输入人脸姿态,进行模型的全局变换和用径向基函数内插调整模型非特征点,得到输入人脸的特定模型.实验结果表明,对于输入为简单背景的肩头像,该算法简便快速,可获得较好的调整效果.     

基于2D-PCA特征描述的非负权重邻域嵌入人脸超分辨率重建算法

在基于邻域嵌入人脸图像的超分辨率重建算法中,训练和重建均在特征空间进行,因此,特征选择对算法性能具有较大影响。另外,算法模型对重建权重未加限定,导致负数权重出现而产生过拟合效应,使得重建人脸图像质量衰退。考虑到人脸图像的特征选择以及权重符号限定的重要作用,该文提出一种基于2维主成分分析(2D- PCA)特征描述的非负权重邻域嵌入人脸超分辨率重建算法。首先将人脸图像分成若干子块,利用K均值聚类获得图像子块的局部视觉基元,并利用得到的局部视觉基元对图像子块分类。然后,利用2D-PCA对每一类人脸图像子块提取特征,并建立高、低分辨率样本库。最后,在重建过程中使用新的非负权重求解方法求取权重。仿真实验结果表明,相比其他基于邻域嵌入人脸超分辨率重建方法,所提算法可有效提高权重的稳定性,减少过拟合效应,其重建人脸图像具有较好的主客观质量。     

基于低秩特征脸与协同表示的人脸识别算法

在人脸识别中,人脸图像往往受到表情、光照、遮挡、姿态变化的影响,对此本文提出一种基于低秩特征脸与协同表示的人脸识别算法。该算法先用低秩矩阵恢复算法分解出训练样本图像的误差图像,再分别对训练样本与误差图像提取特征构造特征字典,计算测试样本图像特征字典下的协同表示系数,最后通过重构误差进行分类。通过AR和ORL人脸库进行实验,结果表明,本文提出的人脸识别算法的识别率、识别速率得到有效提高。     

Automatic facial feature extraction by genetic algorithms

An automatic facial feature extraction algorithm is presented. The algorithm is composed of two main stages: the face region estimation stage and the feature extraction stage. In the face region estimation stage, a second-chance region growing method is adopted to estimate the face region of a target image. In the feature extraction stage, genetic search algorithms are applied to extract the facial feature points within the face region. It is shown by simulation results that the proposed algorithm can automatically and exactly extract facial features with limited computational complexity.     

融合注意力机制的高分辨人脸识别图像重建

针对由于人脸姿势、光照不均、拍摄环境、拍摄设备等内外部因素造成图像分辨率低的问题,提出融合注意力机制的高分辨人脸识别图像重建模型.首先以低分辨率人脸图像对作为两个生成器输入,通过残差块和注意力模块堆叠网络提取人脸特征信息,进而生成高分辨率人脸图像.训练中使用一个鉴别器来监督两个生成器的训练过程.利用Adam算法对鉴别器...     

一种新的基于指纹与人脸特征级融合的模糊金库方案

针对基于生物特征的模糊金库易受相关攻击导致密钥和生物特征模板丢失以及基于单生物特征的模糊金库的认证性能不可靠的问题,提出了一种新的基于指纹与人脸特征级融合的模糊金库方案。该方案对指纹特征与人脸特征分别进行不可逆变换,并基于Diffie-Hellman算法在特征级变换后将指纹与人脸特征融合为一个模板。最后,将所得的融合模板用来构建模糊金库,通过更新随机矩阵使金库具备可撤销特性,有效抵御相关攻击,实现可靠的身份认证。实验结果表明,本文方案提高了系统的可靠性和多生物特征模板的安全性。     

基于聚类字典的图像超分辨率重构算法

针对图像超分辨率(SR)重构在空间邻域选取过程中 细节特征易被大幅度特征分量淹没的问题,提出 一种基于聚类字典的SR重构(DD-NE)算法。图像SR重构是利用信号处理方 法来提高图像分辨 率,针对NE算法在空间邻域选取时细节信号易被大幅度信号淹没的问题,对输入图像及邻域 利用聚类字典进行 稀疏分解。从大、小幅值表示系数中分别重构大、小幅度特征子图,保护邻域计算中的小幅 度特征,并将 低分辨率(LR)图像库及输入图像使用聚类字典表示。细节信号以字典原子的形式得到表达 ,空间邻域度 量转换为字典原子间的度量,从而细节特征对邻域的选择更加准确。实验结果表明,相对于 NE算法,本文算法图像SR 重构的峰值信噪比(PSNR)值平均提升了1.1dB,有效改善了重构效果;重构时间仅为NE算法的30.9%。     

图像特征提取中领域尺寸和本征维数的自动选择算法

本文首先对图像特征提取过程中的近邻距离进行线 性重构,然后对其在整个流形上的分布进行优化运算,得到一个最优线性重构权为变量的图 像数据局部低维特征的表达函数。最后以该函数稳定性的最小度量构造出适用于图像特征提 取的邻域尺寸和本征维数的自动选择策略。实验表明该方法实现了图像数据本征维数与邻域 尺寸的自动化选择,并具有计算简单、匹配率高且计算复杂性低等特点。     

Textural feature based face recognition for single training images

A novel face recognition algorithm using single training face image is proposed. The algorithm is based on textural features extracted using the 2D log Gabor wavelet. These features are encoded into a binary pattern to form a face template which is used for matching. Experimental results show that on the colour FERET database the accuracy of the proposed algorithm is higher than the local feature analysis (LFA) and correlation filter (CF) based face recognition algorithms even when the number of training images is reduced to one. In comparison with recent single training image based face recognition algorithms, the proposed 2D log Gabor wavelet based algorithm shows an improvement of more than 3% in accuracy.     

基于Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.