基于梯度相关图的光照不变图像检索算法

针对现有图像光照不变特征提取算法存在特征矢量尺寸较大,且对于场景的尺度、平移及视角等变化鲁棒性较差的缺点,提出将相关图算法与光照不变导m1m2m3相结合的基于梯度相关图的特征提取算法。算法首先计算图像的光照不变导,去除光照对图像的影响,然后提取光照不变导梯度图像的相关图特征作为特征索引。实验结果表明该梯度相关图算法在存在光照影响时对图像的检索性能优于以往常用算法,且对于场景的尺度、平移、视角等变化具有很好的鲁棒性。     

有效用于人脸识别的光照不变特征表示算法

在光照变化环境下,人脸识别的鲁棒性是人脸识别系统中一大挑战。针对光照变化对人脸识别的影响,对经典光照不变特征表示算法进行了研究,提出一种基于局部标准差光照不变的人脸特征表示算法及其加权形式。结合完备线性鉴别分析（Complete-Linear Discriminant Analysis,C-LDA）算法提取特征,在Extended Yale-B与YALE 人脸库中,与其他处理光照变化的经典方法相比,如多尺度Retinex（Multi Scale Retinex,MSR）、韦伯脸（Weber-Face,WF）和局部归一化（Local Normalization,LN）,提出的算法能获得更高识别率。     

基于局部定性表达的光照不变人脸识别方法

提出一种局部定性特征表达方法称为局部序映射(LOM)作为光照不变表达用于人脸识别。该特征表达像素在其邻域中所处的序阶位置,反应了图像像素在局部区域内的相对关系,因而对光照引起的图像大面积灰度变化有很好的不敏感性。同时提出一种针对序定性特征的逻辑距离度量,用于特征空间中最近邻分类器的相似性度量准则。 在Extended YaleB 光照变化人脸测试库中的实验表明了本文局部序映射表达的光照鲁棒性及逻辑距离度量的有效性。     

基于不变矩特征和神经网络的步态识别

步态识别是利用人体步行的方式来识别人的身份.近年来,步态作为一种生物特征识别技术已引起越来越多人们的兴趣.本文提出了一种简单有效的步态识别算法,首先通过背景差方法得到运动人体轮廓,然后利用不变矩描述轮廓特征,最后用BP神经网络方法来进行模板匹配,实现人的身份识别.     

掌纹识别中的尺度不变特征转换改进算法

针对在低分辨率掌纹图像中,传统尺度不变特征转换算法易产生误匹配的问题,提出一种用于掌纹识别的改进尺度不变特征转换算法。根据局部匹配的思想,结合欧氏距离及加权子区域匹配方法对图像进行匹配,计算得出的相似度能反映图像的局部与全局特征。仿真实验结果证明,改进的尺度不变特征转换算法比原算法具有更高的识别率。     

基于步态能量图和不变矩的身份识别算法

分析步态能量图即具有作为静态的外观特征,又包含了识别的动力学有用信息,同时证明了步态能量图对噪声的不敏感性。文章提出了一种基于步态能量图和不变矩的身份识别算法,介绍了不变矩的基本理论以及Hu提出的七个不变矩,利用图像不变矩的平移、尺度和旋转不变特性,从原始的步态能量图中提取不变矩特征作为步态能量图的输入特征向量,运用不变矩的最小距离分类器的模式匹配进行步态特征分类。最后在CASIA步态数据库上对所提出的算法和其他新的步态识别方法相比较。实验结果表明,提出的算法是一种有效的步态识别方法。     

基于不变矩和BP神经网络的剪纸纹样识别

针对剪纸纹样艺术夸张变形的特点,将剪纸图像进行预处理,提取7个不变矩作为剪纸纹样的特征向量,采用LM算法优化BP神经网络,通过归一化后的不变矩对BP神经网络进行训练,应用训练后的神经网络作为分类器对剪纸纹样进行模式识别,实验证明该方法能够较好地识别有一定艺术变形的剪纸纹样。     

一种新的图像不变特征研究

为了解决图像特征受灰度及几何畸变的影响，本文利用物理学相关概念对图像进行描述，定义了图像的质量，重心，转动惯量，提出了一种新的图像不变特征即归一化转动惯量（NMI）特征，对其不变性进行了分析，实验结果表明，图像的归一化转动惯量特征具有抗灰度及TRS不变性，且提取方法简单，易于实现。     

基于证据理论融合多特征的物体识别算法

为了提高物体的识别正确率,提出一种基于证据理论融合多特征的物体识别算法。提取物体图像的颜色直方图和尺度不变特征,采用极限学习机建立相应的图像分类器,根据单一特征的识别结果构建概率分配函数,并采用证据理论对单一特征识别结果进行融合,得出物体的最终识别结果,采用多个图像数据库对算法有效性进行测试。测试结果表明,该算法不仅提高了物体的识别率,而且加快了物体识别的速度,具有一定的实际应用价值。     

自适应特征提取的光照鲁棒性人脸识别

针对光照对人脸特征提取的影响,提出了一种基于多尺度Curvelet变换的自适应局部熵的光照鲁棒性人脸特征提取方法。采用特殊局部对比增强算法对光照不均衡图像进行光照补偿,同时使图像局部特征显著;通过对增强后的图像进行Curvelet多尺度分解,得到的分解系数进行分块求熵从而构成候选特征向量;通过特征鉴别能力分析和评估,对候选特征值进行最优选择。在ORL,Yale,YaleB,AR四个人脸数据库中的实验结果表明,该方法与传统的PCA,LDA方法相比,避免小样本和特征分解问题,同时具有环境适应性和抗光照影响的特点。     

基于小波变换和去噪模型的光照不变人脸识别

针对正面光照人脸识别的难点,提出了一种应用小波变换和去噪模型的光照不变人脸识别算法。利用对图像的高频小波系数进行处理并运用去噪模型,提取光照人脸图像中的光照不变量,同时增强图像边缘特征,这有利于提取的光照不变量保持更多的人脸识别信息。在Yale B和CMU PIE人脸库上的实验结果表明,所提算法可以显著提高光照人脸图像的识别率。     

Rough membership function based illumination classifier for illumination invariant face recognition

This paper proposes a face recognition system to overcome the problem due to illumination variation. The propose system first classifies the image's illumination into dark, normal or shadow and then based on the illumination type; an appropriate technique is applied for illumination normalization. Propose system ensures that there is no loss of features from the image due to a proper selection of illumination normalization technique for illumination compensation. Moreover, it also saves the processing time for illumination normalization process when an image is classified as normal. This makes the approach computationally efficient. Rough Set Theory is used to build rmf illumination classifier for illumination classification. The results obtained as high as 96% in terms of accuracy of correct classification of images as dark, normal or shadow.     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

基于光照预处理与特征提取的纺织品瑕疵检测方法

针对光照对纺织品图像特征提取的影响以及传统完整局部二值模式（complete local binary pattern）算法的局限性，本文提出了一种基于局部对比度增强（local contrast enhancement ）算法的改进CLBP特征提取方法并将其应用到纺织品瑕疵检测中。该方法采用局部对比度增强算法对受光照影响的纺织品图像进行预处理，使用改进CLBP算法对分块后（格分割）图像进行特征提取，计算每一格子特征值与标准特征值的KLD散度并与训练得到的阈值进行比较，大于阈值格子标记为瑕疵。使用本文方法在标准星形（star）数据库与箱形（box）数据库中实验结果表明，该方法与其他预处理方法相比有更加出色的处理效果，大部分检测结果的查全率均可达到0.99左右。     

基于区域与光照不变性的运动阴影检测算法

在户外的视频监控系统中，运动目标的阴影降低了系统对目标识别与跟踪的能力。传统的基于像素的阴影检测算法易受噪声的影响。为了提高阴影检测算法的准确性,提出了一种基于区域与光照不变性的运动阴影检测算法。该算法从阴影的物理特性出发,考虑了区域内像素的总体特征。将运动区域采用EM聚类算法进行分块,对其中的小块向邻近的大块进行合并。对其中的每一块，根据阴影区域和相对应的背景区域之间的光照不变性进行阴影检测。实验结果表明，该算法能够很好地抑制噪声，准确地检测出阴影，明显比基于像素的算法有效。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

融合LSH和LoG特征的人脸识别

为了解决人脸识别率受光照变化影响较大的问题,提出一种局部敏感直方图（LSH）和高斯-拉普拉斯（LoG）特征相结合的人脸识别方法。首先,提取人脸图像中的LSH光照不变特征以及LoG边缘细节特征,然后通过计算各特征的标准差确定自适应融合权重,将其进行特征级融合来弥补单一使用LSH特征带来的细节损失,并以此构建更为有效的人脸特征样本集,最后使用稀疏表示算法对样本进行分类识别。在PIE和AR人脸库上的实验表明,所提方法能很好地处理光照问题,而且在训练样本较少的情况下,依然能获得较高的识别率。     

形状的不变量特征提取与识别

目的 形状作为图像检索、目标识别等任务中的一种重要线索,一直是计算机视觉领域研究的重点课题。形状识别在实际应用中经常受到视角变化、非线性形变等因素的干扰,导致识别精度较低。针对这一状况,提出一种多尺度的不变量形状描述。方法 方法首先在多个尺度下对形状轮廓进行计算,提取5种不变量特征,以构建对形状的有效描述,然后利用动态时间规整（DTW）算法对形状描述进行匹配,计算形状之间的相似度,以完成形状的匹配与识别。结果 基于不变量多尺度的形状描述对于旋转、缩放、局部遮挡、铰接形变、类内差异,以及噪声等干扰具有很强的鲁棒性。同时,方法被用于对MPEG-7、Kimia99、Kimia216以及铰接形状数据库中的形状进行识别,取得了较高的识别精度,分别为91.79%、95.27%、91.33%,以及89.75%。此外,在MPEG-7数据库中进行形状识别的平均耗时为65 ms,优于大多数同类方法。结论 提出了一种基于不变量多尺度的形状描述方法。该方法能提取形状在不同尺度下的多种不变量特征,对形状进行有效描述,提高了形状描述对几何变换和非线性形变等干扰的鲁棒性以及形状匹配识别精度,适用于大多数应用场景下的目标识别任务。尤其是在旋转、缩放、类内差异、局部遮挡和铰接变形等干扰存在的情况下也能保持较高的识别正确率。