用于多姿态人耳识别的局部线性嵌入及其改进算法

通过分析目前人耳识别所采用的各种主要方法,将流形学习局部线性嵌入(LLE)算法用于多姿态人耳识别,并针对LLE算法存在的局限提出一种改进LLE算法.改进后的LLE算法依据Hsim距离选择邻域,较好地避免了高维空间中邻域点选取的不稳定性.实验结果表明,利用LLE解决多姿态人耳识别问题是可行的而且具有较明显的优势.用改进LLE算法进行多姿态人耳识别能够获得更高的识别率,验证了算法改进的有效性.     

基于局部线性嵌入和最近特征线的人耳识别

针对人耳生物特征,通过分析早期人耳识别方法的不足,提出了一种局部线性嵌入（LLE）和最近特征线（NFL）相结合的人耳识别方法。首先依据流形学习思想,采用局部线性嵌入算法提取人耳图像特征,然后采用最近特征线分类器进行人耳识别。实验结果表明,该方法在人耳姿态变化时能够取得非常理想的识别率,提高了人耳识别的鲁棒性,增强了人耳识别技术的实用性。     

基于LLE的多姿态人耳识别

多姿态人耳识别是人耳识别技术面临的一个难题，目前这方面的研究并不多见．通过分析国内外2-D人耳识别方法在解决姿态问题时存在的不足，引入流形学习算法，提出一种基于局部线性嵌入的多姿态人耳识别方法．实验结果表明，这种方法在人耳姿态变化时能够取得非常理想的识别率，提高了人耳识别的鲁棒性，增强了人耳识别技术的实用性。     

基于力场收敛特征的多姿态人耳识别*

提出了一种通过提取力场收敛特征进行多姿态人耳识别的新方法。首先把人耳图像转换为力场图像,通过计算力场的散度得到人耳收敛特征,然后使用零空间线性判别分析算法进一步提取特征并分类识别。实验结果表明,力场收敛特征比最初基于力场变换的势能阱特征更为稳定,而零空间线性判别分析方法也优于传统的主元分析降维方法,更好地解决了小样本问题,识别率得到进一步提高。该方法能够有效识别多姿态人耳图像。     

基于Gabor-ILLE的多姿态人耳识别

针对LLE算法对姿态变化和近邻点敏感的缺陷,提了一种融合Gabor小波和改进LLE算法的人耳识别算法（Gabor-ILLE）。该算法通过Gabor变换提取人耳特征,并对Gabor初始特征融合,采用改进LLE对特征进行降维,选择最有利于人耳识别的Gabor特征,采用K近邻算法建立人耳分类器实现人耳识别,并采用USTB3人耳图像库进行仿真实验。相对于参比人耳算法,Gabor-ILLE获得了更高的人耳识别率,实验结果验证了Gabor-ILLE算法的有效性。     

局部切空间排列多姿态人耳识别

针对姿态偏转时人耳图像识别率显著降低的问题,将局部切空间排列算法用于二维人耳特征的提取,提出一种局部切空间排列多姿态人耳识别方法.通过分析人耳图像的特点提出局部最大线性片构建策略,并以远少于样本点个数的局部切空间拟合样本集,再全局排列得到人耳低维流形.实验结果表明,该方法明显提高了姿态偏转下的识别率,并且计算效率得到改善,是一种有效的多姿态图像识别方法.     

人耳和侧面人脸融合的多模态身份识别

首先分别对人耳和侧面人脸建立基于全空间线性判别分析(FSLDA)的分类器;然后采用贝叶斯决策理论中常见的积、和、中值多分类器融合算法,并对投票算法进行了改进.实验结果表明,与单一的人耳或侧面人脸特征识别比较,人耳和侧面人脸融合的多模态识别率得到提高,并扩大了识别范围.     

小波域能量谱和非线性降维的病理嗓音识别

提出了一种病理嗓音小波域建模分析方法并对病理嗓音进行识别。首先对病理嗓音进行多尺度连续小波变换时频分析,然后对沿尺度轴方向的能量谱进行高斯混合建模,采用最大似然估计方法求解得到模型统计学参数作为特征参数,并且使用改进的动态加权局部线性嵌入方法对特征参数进行非线性降维处理。实验结果表明,小波域能量谱特征经过非线性降维后对病理嗓音的识别率达到97.45%,改进的动态加权局部线性嵌入方法降维效果优于主成分分析和局部线性嵌入方法。     

基于D-LLE算法的多特征植物叶片图像识别方法

为了提高植物叶片图像识别的准确率,提出一种基于差异性值监督局部线性嵌入（D-LLE）算法的多特征植物叶片图像识别方法。该方法提取叶片的颜色、形状和纹理作为叶片多特征,在加权局部线性嵌入（WLLE）算法中引入样本的差异性值构成差异性值监督LLE算法（D-LLE）对叶片高维特征进行降维,在低维空间采用最近邻分类器实现叶片的识别。该方法所用的叶片多特征比单一特征像素值更能描述叶片图像,同时差异性值能够充分挖掘样本的类别信息。基于实拍的叶片图像数据库的实验结果表明,该方法有效提高了叶片的识别精度。     

基于局部线性嵌入极限学习机的人脸识别新方法

针对人脸图片数量多、容易受噪声干扰,致使人脸识别的识别速度慢、准确率低的问题,提出一种基于局部线性嵌入极限学习机的人脸识别方法——LLE-ELM算法。利用局部线性嵌入(LLE)算法对人脸数据提取特征,最大限度保留原数据的特征结构,减少数据量,降低计算复杂;采用极限学习机(ELM)算法对提取特征后的数据进行分类;实现人脸识别,输出识别准确率和时长。通过在ORL数据库、Yale数据库、AR人脸库和CASIA-WEBFACE人脸库上的数值实验表明:与PCA、SVM、CNN算法对比,该算法具有较高的识别准确率和较快的识别速度。     

融合Haar型局部特征的人耳识别算法

人耳具有丰富的结构特征,针对单一特征描述影响人耳识别率的不足,提出一种融合Haar型局部特征的人耳识别算法。算法采用符合人耳外部形状的椭圆形LBP算子与HOG算子,分别提取图像的纹理特征和边缘特征,将两种特征进行融合。利用Haar特征运算快捷的优势,引入到LBP和HOG特征提取中。通过分别设计的4组Haar编码模式,构建椭圆形LBP算子与HOG算子。对改进算法进行实验与分析,实验结果表明了算法的有效性和实用性。     

基于改进二维主成分分析及神经网络的人耳识别方法

针对人耳识别特征提取阶段二维主成分分析算法(2DPCA)所提取的人耳特征维数较大,从而造成实时性差、数据存储空间不足等问题提出了一种改进方法。该方法首先对人耳图片进行预处理,然后采用改进的两级2DPCA算法,进一步压缩提取的人耳特征维数,最后采用BP神经网络进行分类识别。实验表明,将改进的两级2DPCA算法同BP神经网络相结合,具有较好的实时性,同时节约了特征数据的存储空间,并保持了较好的识别率。     

基于局部信息统计的人耳识别方法

提出了一种基于局部信息统计的人耳识别方法。该方法将一幅人耳图像分成若干个子区域,分别提取每个子区域的分类特征,将各个子区域的特征串联为一个特征向量构筑人耳特征矢量,更加全面描述了人耳图像的局部与结构信息,应用最近邻分类器进行模式分类。采用三种不同的特征提取方法,以USTB人耳图像库对算法进行测试,实验结果表明,与全局信息比较同种方法识别率提高30%以上,验证了局部信息方法的有效性。     

基于Gabor和改进LDA的人耳识别

针对人耳识别中无法避免的小样本问题,提出了基于Gabor特征和改进LDA(ILDA)的识别算法。该算法首先提取人耳局部Gabor特征,然后重新定义Fisher准则和类内分散度矩阵,再将高维空间映射到低维后寻找最优投影方向,最后利用训练样本与测试样本特征投影值的欧氏距离进行分类识别。与传统方法相比,新算法能有效解决人耳识别中的小样本问题,获得较高的识别准确率。     

基于多特征融合和Bagging神经网络的人耳识别

提出了一种多特征信息融合的人耳识别方法。应用Zernike矩方法和非负矩阵分解法(NMF)分别提取出具有旋转不变性的人耳几何特征和人耳子空间投影系数特征,将这两种具有一定互补性的特征串行融合,得到一个分类能力更强的特征。在此基础上,采用神经网络进行人耳识别,为了提高了神经网络的分类准确率和泛化能力,采用Bagging方法构造了Bagging神经网络。给出了一些对比实验,结果验证了方法具有较高识别率。     

一种融合小波变化和张量PCA的人耳识别的算法*

小波变换具有良好的时频分析特性,而且具有较快的算法特点,同时还能起到降维的作用。张量主成分分析方法用于人耳识别能获得比PCA方法更高的识别率。综合利用这两个算法的优点,提出了一种新的人耳识别方法,对人耳图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,最后利用最近邻的方法实现人耳图像识别。实验结果表明,利用此方法与只用主成分分析识别相比,提高了识别率。     

全局和局部特征相融合的人脸识别算法

为了进一步提高特征提取效率和人脸识别正确率,提出一种融合全局和局部特征的人脸识别算法。引入局部散度矩阵和全局散度矩阵,两者分别表征样本的全局特征和局部特征;基于同类样本尽可能的紧密而异类样本尽可能远离的事实,构造最优化问题,采用支持向量机建立人脸分类器,并通过仿真实验测试算法的性能。仿真结果表明,该算法不仅提高了人脸识别正确率,而且提高了人脸识别效率。     

基于孔特征的弱纹理堆叠工件识别

针对目前工业现场弱纹理堆叠工件识别困难的问题,提出一种以工件表面孔洞为特征的改进几何模板匹配算法,以合页为例进行工件识别。首先采用加权平均法对彩色图像进行灰度化处理,再采用Canny算法进行边缘检测;其次采用旋转卡壳算法求取轮廓的最小面积外接矩形,进行几何约束后得到孔洞对应的孔轮廓,并采用随机增量法计算孔轮廓的最小外接圆得到孔特征圆心坐标。采用提出的改进几何模板匹配算法,即根据孔特征之间的几何约束进行工件识别,根据孔特征之间是否存在边缘剔除误识别工件。实验结果表明,提出的算法对带孔弱纹理堆叠工件具有良好的识别效果,工件识别查全率为98.3%,误检率为0.9%,为带孔弱纹理工件的识别提供方法。     

基于改进奇异值分解的人耳识别别算法研究

提出了基于特征矩阵和改进的奇异值分解的人耳识别算法。采用特征矩阵及Fisher最优鉴别分析方法将原始样本向最优鉴别矢量投影,有效地降低了维数,再进行奇异值分解后所得到的正交矩阵,进行人耳识别,实验结果验证该方法在人耳识别应用中的有效性。