基于多尺度分析的人脸识别算法研究

针对传统的人脸识别算法易受光照等因素影响的缺点,提出了一种基于多尺度分析的人脸识别算法。首先,对采集到的人脸图像进行预处理,去除噪声,减弱无用信息,增强有用信息;然后,在粗尺度上采用形态学梯度边缘检测算法对人脸轮廓进行提取,缩小人脸库的搜索范围;最后,在细尺度上对人脸的不变特征进行提取,采用Harris角点检测算法对在粗尺度上得到的边缘图像进行特征提取,减少计算量,提高了识别速度。在所拍摄的人脸库上对算法进行验证,实验表明,对易于进行轮廓提取的人脸图像的识别速度较快,精度较高。     

利用改进的Retinex进行人脸图像光照处理

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸侧光照图像时会误增强阴影的边缘提出了一种基于新的传导函数的自适应平滑Retinex算法。该传导函数用空间梯度和像素的局部不一致性两种方式共同测量灰度的剧烈变化,在平滑图像的同时没有边缘增强效应,且不会损失人脸特征边缘。在平滑估计的迭代过程中,选取上一次与此次迭代结果中的较大值作为约束条件来保证估计出的亮度图像能满足Retinex理论的约束条件。在YaleB人脸库上的实验结果表明,本文算法能有效克服强侧光照时的阴影现象且没有损失人脸特征边缘;与较经典Retinex算法相比,侧光照时的识别率在最好情况时提高了24.2%,无强侧光照时也可提高4%左右,具有光照鲁棒性,可适用于任何光照条件下的人脸识别。     

一种仿生的人脸不变特征提取方法

为了提高基于子空间算法的人脸识别的识别率,提出一种仿生的人脸不变特征提取方法.通过模拟初级视皮层(V1)的信息处理机制,构建一个二层结构的分层网络提取人脸图像的不变特征.网络的第1层模拟Vl简单细胞的功能,通过稀疏编码方法学习获得一组类似Vl简单细胞的滤波器,利用该组滤波器提取图像的光照不变特征;第2层模拟V1复杂细胞的功能,通过局部极大值运算对第1层的输出在空间和尺度邻域内进行合并,得到对光照、表情、轻微姿态变化和面部局部细节变化具有鲁棒性的人脸不变特征.以此不变特征代替原始人脸图像作为子空间算法的输入,从而提高识别率.在FERET和ORL人脸库上的实验表明,相对于直接使用子空间算法,方法将识别率提高了4.95%～20.35%.     

融合Adaboost和光流算法的视频人脸实时检测

提出一种基于AdaBoost和光流的融合算法实现视频人脸的实时检测,利用AdaBoost算法对人脸进行检测,结合光流算法对视频图像帧间的连续性进行估计,获得人脸在图像中的位置.实验证明,本文介绍的人脸检测和追踪的方法利用了Ada-Boost和光流算法各自的优点,一定程度上解决了人脸偏转、部分遮挡、表情变化以及光照等因素对人脸检测的影响.     

基于小波变换的人脸光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法首先将人脸图像变换到对数域,并在对数域中计算2维小波变换,通过舍弃低频子带图像中的系数来实现人脸图像的非均匀光照补偿。由于人脸光照补偿的目的是为了提高人脸识别性能,所以光照补偿的效果利用人脸识别率来表征。在Yale B人脸库中,与对数域离散余弦变换（DCT）光照补偿算法进行了比较,实验结果表明,本文方法的人脸识别平均误识率可以达到0.18%,比对数域DCT方法具有更好的性能。另外,在CAS_PEAL人脸库中的实验结果表明,本文方法的性能与对数域DCT方法相近。     

基于加权判别局部多线性嵌入的人脸识别

张量算法克服了传统向量算法的维数灾难和小样本问题,在人脸识别中取得了较好的效果.尽管如此,现有张量算法容易导致邻近类别在低维空间中重叠,为此,提出了一种加权判别局部多线性嵌入算法.该算法设计了一种自适应加权的判别准则,结合类别信息,保持了同类人脸图像之间的局部流形结构,同时利用高斯基函数作为加权函数,根据人脸图像对其他类别的影响,自适应产生权重系数,加大了类间样本的区分度.此外,该算法采用张量形式表示图像数据,保留了图像的结构,继承了张量算法的优点,并且有效地解决了out-of-sample问题.人脸识别实验表明,对于光照,姿态和表情的变化,该算法具有较好的稳健性和较高的识别率.     

改进的高斯肤色模型及其在人脸检测中的应用

针对传统高斯肤色模型在肤色和光照变化较大情况下不能有效提取肤色区域的问题,提出一种改进的高斯肤色模型,并将其应用于人脸检测中。模型参数采用一种自适应更新的参数选择方法,通过对相似度人脸和灰度人脸在对应像素点加权相乘的方式,得到将肤色相似度信息和灰度分布信息有效结合的人脸肤色模型,并结合Adaboost算法设计了人脸检测方法。在FERET(facial recognition technology database)、LFW(labeled faces in the wild)、GTFD(Georgia Tech face database)和多人脸图库上的实验结果表明,该模型的肤色提取正确率比传统高斯肤色模型提高了27.1%,提出的人脸检测方法的检测率比Adaboost算法提高了5.5%。     

基于改进差分AAM和K-SVM的人脸表情识别

主动外观模型(Active Appearance Model)是一种通过提取和结合人脸的形状和外观模型特征的有效地人脸表情特征提取方法.在与其他的AAM拟合算法对比中,反向合成算法具有快速和高效的特点.但在遇到不同光照影响和线性不可分时,反向合成算法的拟合效果会变差.于是,提出了一种基于差分AAM特征和核支持向量机的人脸表情识别方法,并在JAFFE人脸表情数据库上进行了相关实验.实验结果表明,该方法能够较好地去除光照干扰的影响和解决非线性识别问题,并得到鲁棒的识别效果.     

适用于光照不均匀图像的边缘检测算法

首先利用图像梯度方向特征改进Canny算法,使之更适合连续边缘的检测。然后将其与基于侧抑制原理的图像增强算法结合,设计了一种新的适用于噪声背景下光照不均匀图像的边缘检测算法。算法实验结果表明该边缘检测算法能有效提取光照不均匀图像中的连续边缘。     

稀疏扩展字典学习的代价敏感单样本人脸认证

针对如何实现只有单训练样本情况下人脸认证,提出基于稀疏扩展字典学习的代价敏感单样本人脸认证方法。首先学习一种可将训练样本和一般训练集结合起来的投影方式来构造适合训练样本的稀疏扩展字典,而并非独立地利用一般训练集直接构造扩展字典,从而更好地解决单训练样本不能涵盖测试条件变化的问题;其次通过稀疏表示分类得到与测试样本最相似的训练样本,然后对测试样本和该训练样本分别提取HOG特征,根据距离准则计算相似度判断是否在阈值范围内;最终实现在光照、表情变化情况下的单训练样本人脸鲁棒认证。该方法分别在AR、CMU-PIE和Extended Yale B 3个公共人脸数据库上进行实验,均取得较满意的结果,验证了该方法的可行性和有效性。     

基于奇异值分解的人脸识别方法

提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL(Olivetti Research Laboratory)人脸库对本文提出的人脸识别方法进行验证,获得了100.00%的识别率.实验结果表明,本方法优于现有的基于奇异值分解的人脸识别方法,且对表情、姿态变换等具有一定的鲁棒性.     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

基于ARM与WinCE的掌纹鉴别系统

掌纹识别是个人身份识别的一种有效手段,而识别设备的小型化则将掌纹鉴别推向更广阔的应用领域.实现了一种基于ARM和WinCE的掌纹鉴别系统方案,ARM处理器从数字摄像头获取掌纹图像,提取特征,与掌纹特征库中的对应模板比对,根据匹配的结果给出一个开关信号量.实验证明该系统能以较高精度鉴别掌纹,软件采用的算法具有平移、旋转不变,光照与仿射部分不变等优点,对手掌的姿态、距离、位置变化具有较高的容纳能力,用非接触式的掌纹采集方式,不需要定位装置,充分体现该系统的用户亲和力.此外,该系统还具有体积小、成本低、低功耗等优点,适合应用于成本和功耗敏感的民用系统中.     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于非参数变换的尿沉渣细胞图像识别方法

首先提出一种改进的局部秩变换(D-LRT)方法,通过计算图像像素的局部秩进行图像变换,根据阈值选取实现低对比度和局部模糊的尿沉渣细胞图像分割。然后提出一种局部直方图统计(LHS)方法提取细胞图像平移、旋转、光照不变特征。该方法通过高斯模糊获取不同尺度下的细胞高斯模糊图像,并利用RIUP-LBP算子获取细胞高斯模糊图像的RIUP-LBP特征图谱,基于距离变换采取由内而外的方式,分层统计细胞高斯模糊图像及其RIUP-LBP特征图谱的直方图,将所有直方图串联作为细胞图像的LHS局部特征。还同时将LHS特征结合图像的几何特征、Harris角点及灰度共生矩阵特征,从局部和全局角度构造尿沉渣细胞图像的特征向量。最后采用支持向量机(SVM)对7类典型尿沉渣细胞图像进行分类。实验结果表明:本文提出的D-LRT方法在低对比度和局部模糊的细胞图像分割中完整度明显提高,提出的LHS方法可以有效地提取7类尿沉渣细胞图像特征,7类细胞图像识别的平均准确率可达到93.0%,平均召回率可达93.2%。     

基于学习不变特征变换的兵马俑图像分区匹配

针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题,提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上,首先利用学习不变特征变换(Learned Invariant Feature Transform,LIFT)方法提取整幅兵马俑图像的特征;接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置,根据头部分割线将提取的特征分为头部特征和躯干特征;最终采用欧式距离进行分区特征匹配,对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus,RANSAC)滤除误匹配点集。实验结果表明:在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%,相比于SIFT和SURF方法正确匹配率提高了20%左右,特征点的可重复率提高了10%左右,同时将RANSAC的迭代时间降低了50%,而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配,在兵马俑的三维重建中具有很高的使用价值。     

角膜老年环检测方法研究

当人体脂类物质代谢发生异常时,会在角膜处形成角膜老年环。角膜老年环主要呈云雾环状覆盖在虹膜外环中,角膜老年环的检测可以作为一种辅助手段,对及时方便了解体内脂类代谢异常状况具有重要意义。针对目前方法中由于没有对角膜老年环边界精确检测而造成的鲁棒性不高,以及当存在K-F环时会发生检测错误的问题,提出了一种角膜老年环检测方法。首先,对其彩色图像进行分割与归一化;其次,利用基于梯度响应最优算法提取环状特征内外边界,通过定义的光照影响检测模型提高算法对光照的鲁棒性;最后,通过定义的宽度特征量化算子以及颜色特征量化算子完成角膜老年环的检测。实验结果表明,在采集的1 968幅图像中该方法能够达到96.3%的识别率,算法不仅不受光照影响而且当患者具有K-F环时,本文方法仍能够取得很好的检测效果。