人脸图像的自动识别技术

本文讨论了人脸识别技术（FRT）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

基于小波变换域的人脸弹性识别方法

1 引言利用计算机进行自动、快速的人脸识别,一直是模式识别领域的前沿课题。目前的研究已不仅仅局限于人脸的几何特征,还包括统计特征和频谱特征等。许多方法考虑将多种特征结合以形成人脸的多元特征表达。Lades提出的弹性图匹配方法是一种基于整体的研究方法,它通过能量函数来实现匹配,其整体识别性能要优于特征脸方法。当向人脸库加入新的人脸时,特征脸法需要重新计算特征库中的特征脸,而弹性匹配法不需要改变已有的数据,直接加入新的模板数据即可。但其匹配过程是一个反复比较过程,计算量巨大,因此,该方法的最大缺点就是识别速度慢。本文利用二维小波变换的时频特性和多分辨率特性,对现有的弹性匹配法进行改进,在小波变换域上利用脸部对称性准确抽取人脸最具代表性的特征,且赋以不同权重,在充分利用小波高低频子图特点的基础上,根据本文提出的相似度和代价函数的计算方法进行人脸识别实验,在保证总识别率的前提下,使得识别时间同弹性图匹配法相比大大减少。     

一种基于纹理的图像分割方法

提出了一种基于多进制小波变换的纹理特征提取方法，通过对小波系数的标准差作为纹理测度以生成特征向量，利用模糊c-均值聚类算法进行纹理分割，获得了较好实验结果。     

基于小波变换和图像矩特征的人脸识别算法

自从1962年Hu提出在模式识别中采用矩不变性以来,矩函数由于具有不随图像平移、变比、旋转而变化的不变性质被广泛用于图像分析中,如不变模式识别,物体分类姿态估计图像编码与重构纹理分割等。同时它所提供的各类几何信息也广泛应用于计算机视觉和机器人技术中。但计算量大和高阶矩受噪声影响较大,一直困扰着矩方法。小波变换可以将图像分解成不同的子波带,低频部分中包含了原始图像的主要信息。这就启发我们:首先,利用小波变换提取图像的低频部分,这就有效地降低了处理图像的维数。然后提取图像的矩     

一种改进的综合纹理和形状特征的图像检索方法

提出一种利用小波进行综合纹理和形状特征的具有旋转、平移和尺度不变性的图像检索算法.使用角向矩加权方向定义图像的主方向来进行坐标轴的旋转矫正,得到图像的旋转不变性表示;采用具有平移和尺度不变性的小波变换对图像进行小波分解,利用各子带的能量作为纹理特征;利用小波分解的逼近子图重构图像并进一步利用Hu不变矩提取其形状特征.最后对纹理和形状特征进行高斯归一化,综合其特征进行检索.实验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,实验结果证明了该算法具有更高的鲁棒性和查准率.     

人脸图像自动识别技术

本文讨论了人脸识别技术（ＦＲＴ）中分割、特征提取及识别的有关方法,阐明了各种方法的基本思想、使用范围及优缺点,并给出了相应的计算公式,最后指出了对这些方法的性能进行定量评估所面临的问题。     

综合纹理和颜色的图像分割方法

本文基于Gabor小波变换，综合图像的纹理和颜色信息，提出了一种简单的图像分割方法。实验结果表明，这种方法能够很好的处理纹理图像和弱纹理图像，对于简单的自然图像也有良好的分割效果。     

基于Gabor小波变换和神经网络算法的人脸智能自动识别方法

常规人脸智能识别方法使用Fused-MBConv结构生成智能识别参数,易受输入图像的浅层特征影响,导致人脸识别准确率较低,为此提出基于Gabor小波变换和神经网络算法的人脸智能识别方法。为验证该方法的识别效果,将其与其他人脸智能自动识别方法进行对比。实验结果表明,该方法的识别率较高,具有一定的应用价值。     

基于结构分类器和SVM的人脸检测

本文提出一种’结构分类器 SVM”相结合的快速算法。用以从采色图像中快速检测出可能存在的人脸，它的主要特点就是充分利用人脸的肤色信息和器官的分布规则，构造一个“结构分类器”，从待检测图像中快速排除绝大部分的背景窗口，然后对剩下的候选窗用SVM分类器作进一步确认，最后对检测出来的窗口进行综合，从而定位人脸的最佳位置。通过在相同的测试集上的对比实验，本算法在不影响正检率的情况下，可降低虚警率和极大地提高检测速度。     

基于独立分量分析和最大熵模型的人脸自动识别方法

提出一种基于独立分量分析和最大熵模型的人脸自动识别方法。首先利用小波变换,提原始图像的低频子图,然后利用独立分量分析（ICA）进行特征提取,最后采用最大熵模型进行分类识别。实验表明该方法能更好地提高人脸的自动识别。     

基于Gabor 小波SDF 匹配滤波器的人脸识别

提出一种基于Gabor 小波特征的综合判别函数（SDF）匹配滤波器人脸识别方法．该方法选用具有代 表性的人脸训练库,在Gabor 特征空间上生成相应的SDF 匹配滤波器;每幅测试图像在这些非正交向量的投影可 以生成一组相关特征向量,用两个相关特征向量的距离来衡量不同人脸图像之间的相似度．Gabor 变换、SDF 匹配 滤波器和类别特征分析法的采用,使得该方法对光照变化、表情变化等因素具有良好的鲁棒性,并具有良好的推广 性．基于FERET 人脸测试库的对比实验结果验证了该方法的有效性．     

非线性小波变换在人脸识别中应用

文中提出非线性小波逼近在人脸识别中的应用,并将之与基于线性小波逼近的人脸识别算法进行比较,提出一种基于非线性小波逼近的高效算法,并且用实验证明本算法的具有很高识别率,同时证明本算法具有不会受到人脸姿态特征的影响的优点。     

基于小波变换的人脸识别方法综述

结合近年来发表的文献和自己在该领域长期的研究,按照基于传统小波、Gabor小波、方向小波变换的划分,对小波变换在人脸识别中的应用做一详尽而深入的总结与展望.     

一种用于人脸识别的非线性鉴别特征融合方法

最近，在人脸等图像识别领域，用于抽取非线性特征的核方法如核Fisher鉴别分析(KFDA)已经取得成功并得到了广泛应用，但现有的核方法都存在这样的问题，即构造特征空间中的核矩阵所耗费的计算量非常大．而且，抽取得到的单类特征往往不能获得到令人满意的识别结果．提出了一种用于人脸识别的非线性鉴别特征融合方法，即首先利用小波变换和奇异值分解对原始输入样本进行降雏变换，抽取同一样本空间的两类特征，然后利用复向量将这两类特征组合在一起，构成一复特征向量空间，最后在该空间中进行最优鉴别特征抽取．在ORL标准人脸库上的试验结果表明所提方法不仅在识别性能上优于现有的核Fisher鉴别分析方法，而且，在ORL人脸库上的特征抽取速度提高了近8倍．     

基于核的Foley-Sammon鉴别分析与人脸识别

通过建立基于核的Foley-Sammon鉴别分析(KFSDA)的两个等价模型,并分析这两个等价模型的解之间的关系,从理论上给出KFSDA模型的具体求解方法．分析表明,基于核的Foley-Sammon鉴别分析保留了FSDA能明显降低样本特征之间冗余信息的优点,更重要的是该方法能够有效地抽取样本的非线性特征,是对FSDA的进一步拓展．在ORL标准人脸库上的实验结果验证了文中方法的有效性．     

一种基于小波变换与随机森林的人脸识别方法

该文研究了人脸图像频率域的鉴别信息,提出了一种Gabor小波变换与主成分分析相结合的人脸图像特征提取方法。不仅利用了图像中的频域信息,而且利用主成分分析法使特征向量维数有效降低。最后,采用随机森林作为分类器。该文实验结果表明,该方法在小规模及大规模数据集上均具有较好的性能。     

基于支持向量机的人脸识别研究

研究基于支持向量机的人脸识别技术.在识别过程中,首先将人脸图片分为子图片,再利用离散小波变换提取子图片特征组合为多维向量作为整幅人脸图片特征.在此基础上,为每个类构造一个支持向量机进行识别.基于ORL人脸数据库的模拟实验表明,算法实现较简单,并具有较好的性能.     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

基于小波的训练样本增强的单样本人脸识别

目前有许多处理正面人脸的识别方法,当有充分数量的有代表性的训练样本时,能取得较好的识别效果。然而当每个人只有一个训练样本时,这些方法的识别性能则会下降。文章提出了一种基于小波分解低频子带的训练样本增强的方法,为了加强单样本的分类信息,将训练样本与其小波低频子带的重构图组合成为增强样本,然后在训练集的平均频谱图像的奇异值分解的统一特征空间进行识别。在Yale人脸库上的实验结果表明,当训练集中每个人只有一幅人脸图像时,该文提出的方法比统一特征空间奇异值分解方法取得更高的识别率。     

基于DWT和BP神经网络的人脸识别方法

提出了将人脸图像的离散小波变换DWT和BP神经网络相结合以达到人脸识别的方法。由于离散小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。而BP神经网络具有很强的分类能力,并且可以运用神经网络的学习算法进行学习。实验表明:二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。