融合局部特征与深度学习的三维掌纹识别

为了探索三维掌纹在生物特征识别领域的应用,基于局部纹理特征和深度学习,提出一种有效的三维掌纹识别方法. 通过曲率特征、形状指数、表面类型分别来描述三维掌纹的局部几何特征,将其作为深度神经网络的输入,完成三维掌纹识别任务. 在香港理工大学的三维掌纹数据库上对不同的几何特征、不同的深度神经网络模型进行全面分析与比较. 三维掌纹识别实验结果表明,与其他三维掌纹识别方法相比较,所提方法的识别率更高,识别时间更短,在实时掌纹识别领域具有较大的应用潜力.     

利用尺度不变量特征的ISAR二维像自动识别技术

在平移、旋转、投影和遮挡等条件下,逆合成孔径雷达对目标成像不理想,会导致逆合成孔径雷达二维像目标识别困难．针对这个问题,提出了一种新的逆合成孔径雷达二维像特征提取方法,可以在不同的目标姿态获得有效的识别结果．利用尺度不变量变换,提取逆合成孔径雷达二维像的尺度信息,并按照从大到小的顺序重新排列,称为顺序尺度．将顺序尺度截取相同长度作为不变量特征,利用基于支持矢量机的识别算法选择RBF核函数,对逆合成孔径雷达二维像进行目标识别．仿真结果表明,利用顺序尺度作为特征变量,可以对逆合成孔径雷达二维像进行有效识别．     

一种非限制性条件下人脸识别的方法

针对非限制性条件下人脸识别准确率较低的问题,提出了一种基于方向梯度直方图特征提取和快速主成分分析算法的人脸识别方法。首先,利用Haar特征分类器对原始数据进行人脸的检测与提取,并进行有序化保存;然后,对有序数据进行方向梯度直方图特征提取,再使用快速主成分分析算法进行降维处理,并对其进行归一化处理;最后,采用支持向量机算法(SVM)对所得到的实验数据进行最终的分类与识别。实验结果表明,与单一的支持向量机算法、主成分分析算法以及方向梯度直方图算法相比,本文方法能有效地提高非限制性条件下人脸识别的准确率,且耗时较短。     

近邻样本协作表示的人脸识别算法

在Gabor特征空间,根据相关系数寻找测试图像的近邻样本,并用这些近邻样本构造完备的冗余字典,从而提出一种基于Gabor特征的近邻样本协作表示的人脸识别算法.在l2范数约束下,利用可变厚度的紧致字典对测试图像进行稀疏表示,根据稀疏系数逐类计算重构图像和测试图像之间的误差,并判断测试图像所属类别.该算法在FERET、ORL和AR数据上进行了无遮挡测试,在AR库上进行了有遮挡测试.实验结果表明,无论有无遮挡,识别速度和识别率都得到了明显改善.     

二维多样性保持投影及人脸识别

流形学习有效地保持了数据的局部几何结构,已成为模式识别、机器学习等领域的研究热点．但是它忽略甚至破坏了对模式分析很重要的局部多样性信息,导致局部几何结构描述不够稳定,且性能不是很好．针对此问题,提出了基于图论的多样性保持投影．该方法利用邻接图刻画局部数据之间的变化关系,并给出度量数据多样性大小的差异离散度,然后通过最大化差异离散度提取投影方向．此外,该方法直接从图像矩阵估计差异离散度矩阵,有效地避免了小样本问题．在Yale,UMIST和AR数据库上的实验结果证实了该算法的有效性．     

Face recognition using illuminant locality preserving projections

A novel supervised manifold learning method was proposed to realize high-accuracy face recognition under varying illuminant conditions.The proposed method,named illuminant locality preserving projections(ILPP),exploited illuminant directions to alleviate the effect of illumination variations on face recognition.The face images were first projected into low-dimensional subspace.Then the ILPP translated the face images along specific direction to reduce lighting variations in the face.The ILPP reduced the distance between face images of the same class,while increase the distance between face images of different classes.This proposed method was derived from the locality preserving projections(LPP)methods,and was designed to handle face images with various illuminations.It preserved the face image’s local structure in low-dimensional subspace.The ILPP method was compared with LPP and discriminant locality preserving projections(DLPP),based on the YaleB face database.Experimental results showed the effectiveness of the proposed algorithm on the face recognition with various illuminations.     

基于重采样的三维人脸样本扩充

为了对现有三维人脸数据库的数据规模和数据覆盖范围进行扩充,提出一种基于样本重采样的三维人脸样本扩充算法.该方法首先根据面部器官的分布规律对人脸样本进行区域划分,并获得关于各个器官的样本集;然后通过从各个器官样本集中选择器官并重组的方式来获取新的三维人脸样本,为了保证新器官之间的无缝融合,提出了基于薄板样条函数(thin-plate-spline,TPS)的几何信息缝合方法和基于微分算子的纹理缝合方法.实验结果表明:本文提出的样本扩充方法能对现有三维人脸数据库进行扩充;扩充后的样本集可以提高算法的效果.     

基于SIFT特征的单样本人脸识别研究

提出了一种基于SIFT的模式独立特征的快速人脸识别方法,将其与一种基于特征聚类的简单的模式匹配策略相结合,实现了对单样本人脸识别问题的有效改进。通过在FERET,ORL等人脸数据库上进行的大规模实验,并与其它现有的相关方法进行比较,结果证明了本文提出的新方法对于单样本人脸识别问题的鲁棒性和高效性,并验证了SIFT特征对于人脸图像的有效的表征能力。     

利用双目视觉视频的实时三维裸手手势识别

为了解决三维裸手手势识别算法识别率低、易受类肤色物体干扰的问题,提出一种利用双目视觉视频的三维裸手手势识别算法．首先依据双目视觉原理推导出三维空间内手势深度与手势面积的关系,基于此关系对三维手势进行快速识别．为进一步降低算法复杂度,根据极线约束规则提出一种只计算手势质心匹配点的立体匹配算法．实验结果表明,与现有算法相比,所提算法性能在处理速度、识别准确率、鲁棒性方面均有明显提高．同时,提出的算法具有较强的开放性,可进一步根据需求定义、添加需识别的三维手势．     

融合CDI和LBP的人脸特征提取与识别算法

针对光照、姿态和表情对人脸识别率造成严重影响的问题,提出了结合笛卡儿微分不变量(CDI,cartesian differential invariant)和LBP(local binary patterns)的人脸特征抽取与识别算法。首先,利用高斯微分算子抽取人脸图像的微分结构,组合这些微分结构得到一个不可约简的笛卡儿CDI集。其次,对CDI集中每个分量分别计算其LBP特征,并将所有分量的LBP特征连接起来以得到人脸图像的特征。最后,运用所抽取出的人脸局部描述特征和支持向量机(SVM)分类器完成人脸图像分类与识别。试验分析表明,基于CDI的LBP特征对人脸位置、姿态、光照和表情的变化具有较高的不变性。该算法在ORL和Yale人脸库中分别取得了98.5%和98.89%的识别率。     

三维地形显示中的三角网格局部细分算法研究

三角网格局部细分方法旨在表现具有多种地形地貌特征的复杂地形，合理解决三维地形中不同的地形对三角网格疏密不同的要求.给出了一种在Java 3D中实现三维地形三角网格局部细分的算法，在原有整体网格上进行局部细分的同时，增强地形地貌中高低起伏的变化.网格的局部细分技术还可以应用于LOD(细节层次)技术方面的研究.     

基于模拟退火算法的三维人脸匹配方法

基于模拟退火算法,利用深度信息对三维人脸进行匹配和识别。通过具有全局优化能力的模拟退火算法搜索获取全局极值,选择合适的适应度函数MLESAC和SIM控制匹配过程获得识别结果。基于“由粗到细”的思想,分3步匹配三维人脸,并对精准匹配阶段进行改进,通过选择合适的区域和分类器能够更好地应对表情的影响。实验结果表明,模拟退火算法跳出了局部最优解而获得了全局优化解,同时通过选择MLESAC和SIM作为不同匹配阶段的适应度函数能够有效控制匹配过程,提高了识别精准率。     

三维人脸扫描图像数据预处理

为构造基于知识学习的形变模型所需的规格化三维人脸库,提出一种纹理映射图数据结构及以点为处理单元的分割三维人脸的方法.该结构将原始数据隐含的信息显性化,为激光扫描仪采集的真实三维人脸中分离的采样点与纹理2部分数据建立双向映射关系,以保证数据操作和处理达到实时与同步.基于此结构的快速映射特点,提出的分割方法以二维纹理点为操作对象能够快速处理大量原始数据.     

基于水平分量优先原则的RDW-LBP人脸识别算法

首先分析了人脸图像不同的方向性细节对识别率的影响,提出了水平分量优先原则。结合该原则提出了一种基于多尺度区域性-方向性加权的规范型二元局部纹理描述算子RDW-LBP的鲁棒人脸识别算法。算法通过多尺度Haar小波分解,提取多级尺度分量和含有最多有效识别细节的一级水平细节分量,组成待分析系数子图矩阵M。计算矩阵M的RDW-LBP纹理特征图谱,结合子区域剖分,连接子区域特征共同组成人脸图像特征向量,最后使用基于Chi-Square距离的分类器进行识别。     

面向低质量数据的3D人脸识别

该文提出了面向低质量数据的3D人脸识别方法.该方法针对快速采集设备的低质量3D人脸数据提出了空间注意力机制的Dropout(SAD)、类间正则化损失函数(IR Loss),有效提升了不完整3D人脸数据的识别精度.SAD通过空间注意力机制对特征图中权重大的部分随机Dropout,让网络学习到更多的隐藏特征;IR Loss...     

基于二维、三维信息融合的人脸识别

为解决光照、姿态等因素发生变化时二维人脸识别算法识别率骤然下降的问题,提出了基于二维、三维信息融合的人脸识别方法.与其他算法不同,该算法输入为一幅二维灰度图像,通过重建相应的三维模型提供三维信息.对于二维图像,选择局部二值模式(LBP)特征进行人脸表示.对于三维模型,定义了54个特征点,将鼻尖点与特征点之间的测地线距离作为三维特征.对2种特征识别结果采用加权融合的方式,权值的确定依据Fisher判别准则.通过CAS-PEAL-R1人脸库对提出的算法进行了测试,并与其他方法进行了比较.     

3D simulation of image-defined complex internal features using the numerical manifold method

The numerical simulation of internal features, such as inclusions and voids, is important to analyze their impact on the performance of composite materials. However, the complex geometries of internal features and the induced continuous-discontinuous(C-D)deformation fields are challenges to their numerical simulation. In this study, a 3D approach using a simple mesh to simulate irregular internal geometries is developed for the first time. With the help of a developed voxel crack model, image mo...     

由粗到精的三维人脸稀疏重建方法

针对传统三维人脸重建算法精度不高的问题,提出一种由粗到精的三维人脸稀疏重建方法。根据稀疏形变模型方法对待重建人脸的部分区域显著点进行重建,得到第1步重建结果,并在此基础上进行后续重建。将第1步的重建结果作为新的参考模型,求取待重建人脸与参考模型的特征点的坐标投影距离,从而求取参考模型的形变因子,完成最终三维人脸的重建。由于两步稀疏重建的作用不同,对重建过程中参数的选取也采用不同方式。实验结果表明,该方法能有效提高人脸重建精度,同时保持较快的重建速度。     

基于视觉注意模型和SIFT的交通标志识别方法

为了提高交通标志的识别速度和识别率,提出了一种基于视觉注意模型和SIFT特征的交通标志识别方法.首先基于视觉注意模型提取颜色特征,找出交通标志可能的候选区域,然后对候选区域进行SIFT特征提取,与标准交通标志图像库进行相似度计算,可实现快速准确的检测与识别.与传统方法相比,具有无需精确分割、计算量小、体现仿生学特性等优点.在采自国内外的两组交通标志图像库上进行交通标志识别测试,都得到了良好的效果.     

融合SIFT和MIL的红外人脸识别方法

针对红外人脸识别问题,提出一种新的基于尺度不变特征转换(SIFT)与多示例学习(MIL)相结合的算法。该算法将图像当作多示例包,SIFT描述子当作包中的示例,利用聚类的方法对训练集中的所有SIFT描述子进行聚类,建立"视觉词汇表",再根据"视觉字"在多示例训练包中出现的频率,建立"词-文档"矩阵,采用潜在语义分析(LSA)的方法获得多示例包(图像)的潜在语义特征,将MIL问题转化成标准的有监督学习问题,即在潜在语义空间用支持向量机(SVM)求解MIL问题。基于OTCBVS标准数据集的对比实验结果表明,所提算法是可行的,且识别率明显高于其他方法。