基于简化Gabor小波的人脸识别算法研究

由于Gabor函数的生物特征,所以Gabor小波经常被用来进行纹理特征提取应用于人脸识别。然而由于在提取Gabor小波特征时运算复杂度高和所需运行时间长,使其不具备应用到实时的条件下,从而限制了Gabor小波在工程上的应用。本文提出了一种简化Gabor小波人脸识别算法,降低了运算复杂度,提高了特征提取的实时性,而且能取得与连续Gabor小波人脸识别算法相同的效果,并且与经典的PCA、LDA、LBP等经典算法相比取得了更好的识别率。     

基于泰森多边形的无线网规划人口覆盖率计算

本文介绍一种方法,用于计算本地网无线网络规划过程中的人口覆盖率指标是否满足要求,该方法解决规划基础数据中普遍缺失的自然村落的相关人口数据.经实例进行测算后发现,该方法能够快捷地计算出结果较准确、合理的人口覆盖率指标数据.     

基于加权泰森多边形的GSM网络优化算法研究

针对GSM网络替换中出现的掉话现象多、切换问题严重、重叠覆盖严重和越区覆盖等问题,本文提出了一种基于加权泰森多边形的GSM网络优化算法,并对传统的泰森多边形算法进行了三点改进。该算法结合MR数据,求解出每个扇区的逻辑位置,然后通过引入泰森多边形算法,分别构建替换前后物理位置和逻辑位置的泰森多边形,通过观察相互之间的偏差与无线网络优化指标的关系确定GSM替换后的优化方案。最后以甘肃省兰州市安宁区簇一为研究对象,根据该算法对GSM网络替换进行指导和GSM替换后的网络进行优化。结果表明,该算法达到了预期的目的,简单方便,直观明了,具有较强的适用性,对网络优化具有普遍的指导意义。     

基于LBP特征集成学习的人脸识别技术研究

我国传统LBP人脸识别技术只是针对局部信息进行识别而忽略全局信息,在特殊环境中,当人脸受到光线、背景变化等原因而造成模糊现象时,只采用局部识别会导致识别效率和准确度降低。对此,文章提出一种基于LBP特征集成学习的人脸识别算法C-MB-LBP,该算法主要是将人体的脸部图像进行分块并得出LBP特征,根据中心像素以及分块的灰度值进行计算,得到新的LBP特征,最后再利用近邻分类器对其特征进行识别,从而识别人脸。实验结果表明,文章所提算法对于人脸识别不再仅限于局部的识别,更注重全局识别,使人脸识别效率显著提高,识别时间大大降低。     

一种基于泰森多边形定位数据热点和用户分布的简单方法

本文提出了一种基于泰森多边形和地理化工具的快速定位数据热点和用户分布的简单方法,用于无线网络规划中快速进行网络分析和问题定位,简单易行。该方法首先使用MR测试数据,求解得到每个扇区的有效覆盖位置,然后引入泰森多边形算法,构建泰森多边形定位覆盖范围,接着对比有效覆盖位置和泰森多边形覆盖范围的重合度,最终通过栅格扇区图定位问题区域加以解决。结果表明,该方法快速有效,简单方便,直观明了,具有较强的适用性,对网络快速规划具有普遍的指导意义。     

基于Gabor小波和LDA的人脸识别算法研究

为了克服光照、表情变化等因素对人脸识别的影响,提出了一种基于Gabor小波和LDA的人脸识别方法,该方法充分利用了Gabor小波的空间局部性和万向选择性,先提取原始人脸图像的Gabor特征,然后对其作LDA变换得到最佳分类特征.依据ORL和YALE人脸库进行实验,实验结果表明,该识别方法对各种变化具有一定稳健性,最高识...     

5G网络运维中泰森多边形高价值评估体系的应用探讨

在无线网络运维过程中,基站规划、建设、网络优化等均需要依据小区移动通信信号覆盖、容量等业务指标进行分析优化,而传统的人工分析方式,采用整网式开展,工作量较大且浪费资源,难以做到全局统筹。依据泰森多边形原理,通过建立高价值评估体系进行5G网络规划、建设和运维来提高移动通信网的运营效率,分析网络覆盖来评估基站规划的合理性,探讨网络精准建设与精确优化的具体实现,有效指导网络运营和用户发展。     

小波变换和LBP对数域特征提取的人脸识别算法北大核心CSCD

为了改善复杂光照条件下人脸识别的性能,提出结合小波变换和LBP(Local Binary Pattern,LBP)提取复杂光照下人脸图像的对数域特征来进行人脸识别。本文首先将人脸图像由空域变换到对数域,再做两级离散小波分解,并利用高频分量重构原图,也即对人脸图像进行高通滤波,滤除低频光照成分,以达到复杂光照补偿的目的,最后利用分块LBP提取光照补偿后图像的局部纹理特征,并将这些特征应用于人脸识别。基于Yale-B和CMU-PIE人脸库上的实验结果显示本文算法对复杂光照具有较强鲁棒性,具备提取复杂光照条件下人脸图像有效特征的能力。     

基于EHMM结合DWT与DCT的人脸识别

人脸识别系统可分为人脸检测,图像特征提取,人脸训练和人脸识别等部分,其中图像特征提取与人脸训练为主要组成部分,决定着系统的识别速度与准确性。人脸训练可为给定某人建立嵌入式隐马尔可夫模型来作为进行人脸图像识别的分类标准。人脸图像特征提取则运用离散小波分析来减少图像数据量,然后计算DCT变换系数矩阵,从而取得模型训练和识别中所需的图像特征。     

基于小波变换的人脸识别技术研究

文章提出了基于小波分解与PCA变换相结合的人脸特征提取方法,首先对人脸图像进行二维小波变换,对变换后的低频分量做PCA变换以提取人脸特征,最后,使用SVM分类器进行人脸识别。为了验证方法的有效性,文章以ORL人脸库作为测试数据库,前5幅人脸作为训练样本,后5幅人脸作为测试样本,实验结果表明该方法能有效的识别处理过的人脸图像。     

基于稀疏表示与特征融合的人脸识别方法

针对人脸识别在有遮挡、表情、光照的变化或受到噪声污染时鲁棒性变差问题,提出一种基于稀疏表示与特征融合的人脸识别算法。首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,提取干净人脸图像的LBP,HOG,Gabor三种特征向量;然后对部分训练样本进行SRC分类测试,根据SRC的识别结果与分类残差定义一个损失函数,再利用正则化最小二乘法计算出使损失函数最小的权重向量;最后根据该权重向量重构规则化残差进行分类。在ORL,Extended Yale B和AR数据库上进行实验,结果表明,该算法优于利用单一特征识别的方法,并且对光照、噪声、遮挡等因素产生的影响有较好的泛化性能。     

基于特征点邻域SIFT描述子的人脸识别

在人脸识别算法中,尺度不变的SIFT特征是人脸局部特征的重要描述方式之一。在传统SIFT方法中,由于特征点的坐标是根据高斯差分空间的局部极值点来确定的,造成特征点匹配困难。通过基于回归的局部二值特征对人脸进行校准,确定对人脸有意义的特征点位置。用SIFT特征描述子的不变特性描述人脸的局部特征,能够有效地提高识别速度以及识别率。对特征点进行区域加权,能够对人脸的姿态变化以及角度偏转有一定的鲁棒性。     

分块双向2 DPCA融合局部特征的人脸识别

针对(2D)2PCA无法保存某些重要局部特征的问题,提出了一种分块双向二维主成分分析融合局部特征方法。首先,将图像分解为互不重叠的子块,每个子块包含重要的局部信息,利用(2D)2PCA对子块进行特征提取并投影到特征子空间;然后,对每个子块分别设计一个分类器并在一定置信度范围内判别测试样本所属类别。最后,根据所有子块所属类别的置信度之和完成人脸分类。在四个人脸识别数据库上的实验结果表明,相比其它几种人脸识别算法,所提方法取得了更高的识别精度。     

基于概率主成分分析的人脸识别

人脸自动识别是模式识别和图像处理等学科的一大研究热点,在身份鉴别、信用卡识别、护照核对以及监控系统等方面有着广泛的应用。提出一种基于概率主成分分析方法(PPCA)的人脸识别,该方法与传统的主成分分析(PCA)相比,克服了简单的“丢弃”其他非主成分因子,在PPCA中将“丢弃”因子作为噪声成分进行估计．同时PPCA方法是一种基于概率模型的方法,因此很容易延伸为混合模型,对于PPCA概率模型参数,提出利用EM算法对其进行估计。用两个不同的数据集(姿势表情变化集和光照变化集),将PPCA人脸识别算法和传统的PCA算法进行比较,基于PPCA的人脸识别算法中的“丢弃”方差的收敛速度快于传统的PCA算法。实验结果表明．无论是姿势表情变化集,还是光照变化集,PPCA算法的识别率都优于传统的PCA识别算法。     

基于星座图的数字调制方式识别

针对现有数字调制方式识别类型有限的问题，提出一种基于星座图的分类算法。算法首先利用盲均衡技术克服信道的多径效应与系统同步误差，再对信号减法聚类，提取聚类中心与理想星座图模型进行匹配，从而实现MASK、MPSK、MQAM等调制方式的识别。仿真证明：星座图是一个稳定的、强健的识别标志。     

Research on topology control based on Voronoi diagram algorithm in FSO networks

Telecommunication Systems - In a wireless sensor network (WSN) where positioning information is not assumed or is partially available, efficient data access is a very challenging issue especially...     

基于Voronoi图和定位集的故障诊断和修复策略

由于具有容错性是无线传感器网络的一个重要需求,因此设计了一个基于Voronoi图和定位集的故障诊断和修复策略。此策略通过采用基于定位集(resolving set)的坐标系统,有效降低了在故障诊断和修复过程中的通信代价。理论分析和仿真实验验证了此算法的性能优越性。     

Face recognition using position-dictionaries and region covariance feature

In this paper, a new sparsity formulation called position-dictionary based sparse representation is developed for frontal face recognition. Different from the sparse representation based classification (SRC) method and the Gabor-feature based SRC (GSRC) method which both employ a global dictionary to decompose image patches, the proposed method constructs a position-dictionary for each location using training patches in the corresponding location since they resemble each other and are more likely to favor the same atoms. Sparse coefficients of each position-patch can be obtained by solving an \(l_{1}\) -norm minimization problem. For each face image, sparse coefficients of position-patches are pooled to construct a discriminative upper level feature to represent face image. PCA is used to perform dimension reduction. Each testing sample is represented as a sparse linear combination of all training samples, and recognition is accomplished by evaluating which class of training samples leads to the minimum reconstruction error. We compared the proposed method with SRC and GSRC method on three benchmark face databases. Experimental results show that the proposed method achieves higher recognition rates and is robust to a certain degree of occlusions.     

Face recognition based on wavelet-curvelet-fractal technique

In this paper, a novel face recognition method, named as wavelet-curvelet-fractal technique, is proposed. Based on the similarities embedded in the images, we propose to utilize the wavelet-curvelet-fractal technique to extract facial features. Thus we have the wavelet’s details in diagonal, vertical, and horizontal directions, and the eight curvelet details at different angles. Then we adopt the Euclidean minimum distance classifier to recognize different faces. Extensive comparison tests on different data sets are carried out, and higher recognition rate is obtained by the proposed technique.     

基于主向量分析重建的人脸识别算法研究

提出一种基于主向量分析(PCA)重建的人脸识别方法.传统的特征脸方法是根据PCA投影变换后,利用特征空间的总体散布矩阵最大化的特点进行分类;而本文方法则根据PCA重建误差最小的特点,利用重建误差最小进行人脸的分类.在ORL标准人脸库上的实验结果表明,本文方法优于传统方法,并且具有在增加类别以及增加样本时运算量小的特点,因此具有较好的识别效果及较高的实用性.