混合样本协同表示算法的人脸识别研究

在人脸识别中,人脸图像受到表情、光照、遮挡、姿态变化、特别是训练样本数量的影响,而现实中经常只获得少量的训练样本,由于原始样本生成虚拟样本可以增加训练样本的数量,分析提出原始样本与轴对称样本融合的协同表示算法。首先生成镜像样本与轴对称样本,再在协同表示分类器下分类,最后加权值融合,分析不同权值下的人脸识别率。实验结果显示原始样本、镜像样本与轴对称样本融合能提高识别率,而原始样本与轴对称样本融合的识别率更加优越,较原始样本,识别率提高2%~9%,比原始样本与镜像样本融合高1%~5%。结果表明本文提出方法能有效提高人脸识别率。     

基于HOG低秩恢复与协同表征的人脸识别方法

在获取到的人脸图像不完备以及人脸图像在有遮挡、光照、表情的变化或受到噪声污染时,识别率就会变得十分低,针对这一问题,本文提出了一种基于HOG低秩恢复与协同表征的人脸识别算法HLRR_CRC.首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,然后对测试样本中干净的人脸图像和训练样本中干净的人脸图像分别进行HOG特征提取,得到HOG特征向量,以此特征向量为基础,得到测试样本特征矢量的协同表示,最后,通过规则化残差进行分类.在ORL、Extended Yale B和AR数据库上进行测试,实验结果表明,本文算法对光照、噪声较鲁棒,相比于当前的人脸识别算法,本文算法在恶劣光照和噪声下的识别率平均提高29.6％.     

基于 Gabor小波变换的 ICA 人脸识别算法研究

为了提高较少训练样本下的人脸识别率,提出了一种改进的人脸识别算法。基于Gabor小波可以良好地表征人脸局部纹理特征这一优点,利用幅值和相位信息相结合来描述图像,通过ICA方法提取独立分量,采用最近邻分类器对该特征进行分类,在ORL人脸数据库上进行了大量实验。结果表明该算法具有很高的识别率,尤其是在训练样本数量较少的情况下,识别率仍保持在90％以上。     

改进SRC算法在人脸识别中的应用

稀疏表示分类算法(Sparse Representation-based Classification,SRC)在人脸数据库上有很高的识别性能。然而,对于姿态变化,SRC的识别效果并不理想。针对SRC算法不能解决测试样本与训练样本存在偏移误差的问题,本文提出了基于SRC的改进算法。该算法将每一类的训练样本单独作为训练字典,利用迭代校正和基于金字塔分层机构的运动偏移估计方法得到最终的偏移量,最后对校正后的测试样本使用SRC算法实现分类。实验结果表明该方法对于有偏移误差的人脸图像具有较好的鲁棒性及识别率。     

基于图卷积网络的手指静脉识别方法研究

针对传统手指静脉识别方法往往存在识别率低或者计算量大等问题，本文提出一种基于轻量型图卷积网络的手指静脉识别方法。首先用一个加权图描述一张手指静脉图像，图的顶点特征和加权边集分别由指静脉图像的局部方向能量特征和特征间相关性确定。图数据作为输入，经过基于切比雪夫多项式的图卷积层和由图粗化协助的快速池化层，然后全连接层进行特征整合，再进行分类识别。实验结果显示，该方法识别效率远高于传统算法，并在实验室自制手指静脉数据库达到96.80%的识别率，在不同数据库有较好的普适性。      

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。     

基于改进LSDA的人体行为识别算法

提出了一种基于改进的局部敏感判别分析(LSDA)的人体行为识别算法.首先,利用样本间的距离信息重置类内最近邻点集和类间最近邻点集的权值矩阵,保证在最大化目标函数时尽可能保持局部线性重构特性,解决小样本难题;然后,通过Gran-Schmidt正交化方法将特征矩阵进行正交化,可有效地保留原始空间中的高维空间,解决图像特征重建难题;最后在Weizmann行为数据库进行实验,平均正确识别率达到98.21％.试验结果表明,该算法具有良好的分类性能,在不同训练样本个数下,该算法均能获得较高的识别率.     

基于样本扩张和最大散度差融合的单样本人脸识别算法

为解决只有一个训练样本时最大散度差(MSD) 鉴别分析在人脸识别中的识别性能会降低这一问题,提 出一种基于样本扩张和MSD融合的单样本人脸识别算法。首先,根据人脸的对称相似理论 ,人脸样本的相关变化信息可 以从它的对称脸上提取,并且平均脸也具有要识别测试人脸的某些可能变化,提出组合原始 训练样本及它的虚 拟平均脸和虚拟对称脸作为新的训练样本集;然后,在新的训练样本集上应用类内中间值MS D鉴别分析算法得到最 优投影矩阵,从而可以基于这个最优投影矩阵计算训练样本和待测试样本的特征;最后利用 模糊决策方法进行分类。在ORL和FERET人脸数据库上的大量实验结果表明,本文算法可以提 高识别率,具有一定的鲁棒性。     

低秩稀疏和改进SAM的高光谱图像误标签检测

为了解决基于监督学习的高光谱图像分类算法训练样本中存在的噪声标签会降低后续的分类精度的问题, 采用了一种基于低秩稀疏表示和改进光谱角制图(SAM)的高光谱图像误标签检测算法。首先对高光谱图像中信号子空间进行预测, 根据预测到的子空间对原始高光谱图像重构并去噪; 然后通过基于归一化的光谱角制图算法来获取每一类样本间的距离信息, 得到每类样本间的光谱相似度, 并利用密度峰值聚类算法得到每个训练样本的局部密度; 最后采用基于局部密度的决策函数对噪声标签进行检测, 使用支持向量机在两个真实数据集上验证。结果表明, 该算法比先进的层次结构的高光谱图像误标签检测算法提高了1.91%的总体精度。这一结果对高光谱图像分类是有帮助的。     

基于Curvelet变换的人脸识别技术研究

提出了一种基于二代Curvelet变换的人脸识别算法,先对人脸图像预处理及Curvelet变换系数的特征提取;然后结合PCA L、DA进行降维处理;再对降维后的系数进行分类,进而对人脸进行识别。为研究表情及光照对识别率的影响,分别采用了ORL与Yale人脸数据库,将该算法与小波变换的算法进行对比。实验结果表明,该算法得到更高的识别率。     

AN EVEN COMPONENT BASED FACE RECOGNITION METHOD

This paper presents a novel face recognition algorithm. To provide additional variations to training data set, even-odd decomposition is adopted, and only the even components （half-even face images） are used for further processing. To tackle with shift-variant problem, Fourier transform is applied to half-even face images. To reduce the dimension of an image, PCA （Principle Component Analysis） features are extracted from the amplitude spectrum of half-even face images. Finally, nearest neighbor classifier is employed for the task of classification. Experimental results on OR.L database show that the proposed method outperforms in terms of accuracy the conventional eigenface method which applies PCA on original images and the eigenface method which uses both the original images and their mirror images as training set.     

一种基于复数域中二维特征提取的人脸识别方法

该文提出了一种新的基于复数域中的二维特征提取方法进行人脸识别。该方法首先对人脸样本进行镜像变换,根据原始人脸样本和相应的镜像样本分别计算偶对称样本和奇对称样本,通过奇偶加权因子将偶对称样本与奇对称样本组成复数样本,然后在复数域中分别定义复图像类内散布矩阵和复图像类间散布矩阵,并求解一组最优复投影轴,将复人脸样本投影到这组最优复投影轴上来提取人脸特征,最后采用最近邻距离分类器来分类所提取的特征。该方法在NUST603人脸图像库中进行了实验,实验结果表明该方法获得了较好的识别效果。     

Extended linear regression for undersampled face recognition

Linear Regression Classification (LRC) is a newly-appeared pattern recognition method, which formulates the recognition problem in terms of class-specific linear regression with sufficient training samples per class. In this paper, we extend LRC via intraclass variant dictionary and SVD to undersampled face recognition where there are very few, or even only one, training sample per class. Intraclass variant dictionary is adopted in undersampled situation to represent the possible variation between the training and testing samples. Three types of methods, quasi-inverse, ridge regularization and Singular Value Decomposition (SVD), are designed to solve low-rank problem of data matrix. Then the whole algorithm, named Extended LRC (ELRC), is presented for face recognition via intraclass variant dictionary and SVD. The experimental results on three well-known face databases show that the proposed ELRC has better generalization ability and is more robust to classification than many state-of-the-art methods in undersampled situation.     

融合原始样本和虚拟样本的人脸识别算法

由于有限的存储容量和捕获图片的时间,实际的人脸识别系统往往只能获得少量的训练样本,但是,在小训练样本情况下大多数人脸识别算法都会遇到困难.因此,为了提高人脸识别的分类正确率,提出了一种融合原始样本和虚拟样本的人脸识别方法.该方法先利用人脸的对称性来构造虚拟训练样本;然后,利用协同表示方法分别对原始训练样本和虚拟训练样本进行分析,并且分别得到每一类训练样本的重建误差;最后,将原始训练样本和虚拟训练样本的同一类重建误差进行加权融合并得到最终的分类结果.大量的实验结果比较分析表明,该方法可以获得更好的识别效果.     

基于图像差分与卷积深度置信网络的表情识别

针对传统的人脸表情识别方法中提取表情特征时 没有去除个体性差异及突出表情关键部位的高层次 特征,本文提出一种将图像差分与改进的卷积深度置信网络(CDBN)相结合的表情识别方法 。首先对人 脸表情图片进行裁剪、降维等预处理,之后将各类表情图像与中性表情图像做差分运算提取 各类表情的差 分图像,为了提取表情关键部位的深层次特征,本文将卷积受限玻尔兹曼机(CRBM)的可见层 单元划分为多 个区域,分区进行特征学习,并将此CRBM堆叠起来,形成分区卷积深度置信网络(PCDBN), 之后将各表 情的差分图像作为PCDBN可视层的输入,并利用对比散度算法逐层训练网络,最后在顶层添 加softmax 分类器作为输出层以实现表情识别。在JAFFE和CK+表情库上的实验结果均达到了95%以上的识别率,扩 大训练样本后,在CK+表情库上的识别率可达99%以上。     

手指静脉红外图像血管网络修复新方法

由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。     

融合半监督降维与稀疏表示的人脸识别方法

由于人脸图像数据的维数都较高,将稀疏表示分类用于人脸识别时计算量很大,为了提高人脸识别系统的效率,提出了一种融合半监督降维和稀疏表示的人脸识别方法。首先利用半监督降维算法对图像进行降维处理,在较低的维数空间快速取得较高的识别率,然后利用稀疏表示分类进行人脸识别,取得比传统的最近邻分类器更高的识别率,最后在ORL人脸库上进行实验验证。结果表明,利用该融合算法可快速有效地提高人脸图像的识别效果。     

图像集闭包建模的协同表示人脸识别算法

针对样本集距离分类算法忽略样本集内部变化的不足,利用图像多重描述提供的互补信息,提出图像集闭包建模的协同表示人脸识别算法。首先,扩展具有多重描述能力的图像集,图像的中等强度像素携带鉴别信息利用原始图像生成中等像素图像,镜像图像可增添图像细节信息利用原始图像产生镜像图像,将此两种源域图像与原始图像联合构成扩展的图像集。然后,以无参建模构建扩展的图像集为字典闭包,同类异源域的测试图像构成图像集且构建为测试闭包,借鉴协同表示思想利用字典学习迭代求解闭包系数。最后,采用残差判别函数进行模式分类。本文方法不仅构建具有多重描述能力的图像集,而且充分利用样本集内部关联性从而获得较好的分类结果。本文分别在ORL、GT（Georgia Tech Face Database）、CMU PIE人脸数据库上进行实验。