基于稀疏表示的高噪声人脸识别及算法优化

为提高基于稀疏表示人脸识别的速度和抗噪性能,研究了交叉花束(CAB)模型及压缩感知重构算法。针对重构算法中的大矩阵求逆,提出快速正交匹配追踪(FOMP)算法,可将运算量较高的矩阵求逆运算转变为轻量级向量矩阵运算。为增加高噪声图片的有效信息量,提出几种实用且有效的方法,并通过实验验证这些方法都能提高高噪声人脸识别率,可识别的噪声比例提高到75%,具有一定的实用价值。     

基于稀疏表示的人脸识别方法

分析了稀疏表示的数学本质就是稀疏正规化约束下的信号分解,研究了一种正交匹配追踪的稀疏表示算法并利用矩阵Cholesky分解简化迭代过程中矩阵求逆计算来快速实现算法,将该算法应用在人脸识别中,利用训练样本构建冗余字典,将测试样本看成冗余字典中训练样本的线性组合,通过在不同人脸库上的实验证明了该方法的有效性.     

基于稀疏编码的人脸识别算法

介绍了一种基于稀疏编码的人脸识别算法。先对10副自然图像应用稀疏编码,学习到基函数和图像稀疏表示的拟合分布的参数。在人脸识别中,用稀疏编码和已得到的基函数表示图像的稀疏,再经过拟合分布函数得到人脸图像的最终表示,然后应用多分类线性支持向量机（SVM）来完成识别算法。通过在人脸数据库上的实验表明,该算法具有很高的识别正确率。     

基于压缩金字塔核稀疏表示的人脸识别

人脸识别中光照、伪装及姿态等变化一直是富有挑战性的问题,其中特征提取是很关键的一步。为提高人脸识别率,结合压缩感知和空间金字塔模型,本文提出了一种新的特征提取方法,首先用尺度不变特征变换算法提取图像特征,然后与随机生成的字典进行稀疏编码,再用金字塔模型分层提取不同尺度空间的特征,并用最大池融合特征,最后运用核稀疏表示分类。在Extended Yale B,AR 和CMU PIE人脸数据库上的实验结果表明,该方法对于人脸图像的光照、伪装及姿态等变化有较强的鲁棒性,而且该算法有较快的运行速度。     

基于均匀LBP和稀疏编码的人脸识别算法

人脸识别一般都要先对人脸特征做维数约简,再做识别。有些传统的维数约简算法对训练样本的数量有一定的要求,比如对分类比较有效的LDA算法。而现实应用中,数据库往往只能为每个人脸对象提供数量非常有限的图片,甚至是单样本。提出一种基于均匀LBP(Local Binary Pattern)算子和稀疏编码的人脸识别方法,使用少量关键特征代替维数约简过程,解决训练样本稀少的问题。在Stirling人脸库上进行测试,获得较高的识别率和鲁棒性,证实了算法的有效性。     

基于稀疏矩阵的低复杂度安全网络编码算法

针对安全网络编码复杂度较大的问题,提出一种基于稀疏矩阵的安全网络编码算法。利用稀疏矩阵占用较少的存储空间和运算速度快的优点,在信源处将信源信息与稀疏矩阵进行矩阵变换操作,使得随机网络编码能以较高的概率达到信息论安全的要求。仿真结果表明,该算法能提高编解码速率,降低复杂度,减少存储空间。     

基于压缩感知的红外人脸识别

压缩感知理论是一种全新的数据采集技术,其采用非自适应线性投影来保持信号的原始结构,通过数值最优化问题准确重构原始信号。本文利用压缩感知的优秀特性,采用基于稀疏表示的模式分类方法,通过提取红外人脸图像的全部信息作为特征并建立特征矩阵,将待识别人脸作为压缩感知测量值,并通过正交匹配追踪算法进行重构,根据重构的稀疏系数所属类别进行红外人脸识别。实验表明,基于压缩感知的红外人脸识别结果准确率高。实验验证了本算法的有效性。     

基于稀疏编码和禁忌优化的故障信号抽取方法

为了克服经典正交匹配算法获取原子集时遍历冗余字典具有较大时间开销的缺点,提出了一种基于压缩感知理论和禁忌优化算法的的稀疏故障信号特征提取方法;首先引入了压缩感知模型并描述了基于信号稀疏表示的故障诊断原理,设计了满足RIP准则以最小化l1范数为目标的稀疏信号解的求解方法,然后定义了一种基于正交匹配算法的稀疏信号重构算法,并以最小化余量为目标函数,采用改进的禁忌搜索算法在原子空间中搜索满足目标函数的最优原子集,最后,给出了基于稀疏编码和禁忌优化混合模型的故障信号提取算法;在Matlab仿真环境下对滚动轴承故障信号进行试验,仿真结果表明:文章方法能有效地对具有强噪声的故障信号进行稀疏重构,不仅具有较高的信噪比,而且具有较小的余量误差和仿真时间,与其它方法相比,具有较大的优越性。     

正则化双阶线性稀疏编码在人脸识别中的应用

传统的稀疏编码方法在遇到大规模数据时,因计算复杂度高而出现异常。针对这种异常导致不能很好地进行特征提取的问题,提出正则化双阶线性稀疏编码DLRSC(Double Linear Regularization Sparse Coding)方法。借助于广义多特征子空间框架来学习噪声和异常像素的结构特征,通过使用L1球理论,计算出唯一的近似解,并且利用滤波技巧避免了大规模数据的复杂计算,从而降低了时间及空间复杂度。最后,在ORL及Yale两大通用人脸数据库上的实验验证了所提的DLRSC方法的有效性,实验结果表明,相比其他几种最先进的稀疏编码方法,所提方法取得了更好的识别效果。     

基于高阶结构约束的稀疏人脸识别算法

为了挖掘人脸稀疏表示的高阶结构信息,从而获得更精确的人脸分类判别信息,提出一种新的基于高阶结构约束的稀疏表示的人脸识别算法。在提取人脸图像的Gabor特征后,选取适当的训练样本构建稀疏线性编码模型,利用样本特征间的高阶结构信息约束和最优化求解测试样本的稀疏系数,将稀疏系数作为最终特征对人脸进行识别,实验结果表明,与结构约束稀疏表示和非结构约束稀疏表示的方法比较,人脸的高阶结构稀疏表示能显著提高人脸的识别准确率。     

压缩感知在人脸识别中的应用和改进

压缩感知理论的出现．为人脸识别提供新的方法。基于稀疏表示的分类算法（SRC）就是压缩感知在人脸识别中的典型应用。针对SRC算法对遮挡人脸识别效果不佳的情况,提出基于图像分块的SRC算法,当分块方式选择恰当时,该算法可以显著地提高遮挡人脸的识别率。     

基于多分离部件稀疏编码的人脸图像分析

考虑到不同部件(眼睛,嘴等)对人脸分析的贡献差别,提出基于多部件稀疏编码的人脸图像分析方法.首先,选取对人脸(表情)分析影响较大的几个人脸部件,然后,利用多视角稀疏编码方法学习各部件的字典,并计算相应的稀疏编码,最后,将稀疏编码输入分类器(支持向量机和最小均方误差)进行判决.分别在数据库JAFFE和Yale上进行人脸(表情)识别及有遮挡的人脸(表情)识别实验.实验结果表明,基于多部件稀疏编码的人脸分析能较好地调节各部件的权重,优于各单一部件和简单的多部件融合方法的性能.     

证件照片的一种混合人脸识别方法

在仔细分析证件照片中人脸特点的基础上，提出了一种把人脸的几何特征矢量匹配和人脸的分块加权匹配相结合的思想。该方法针对一般人脸识别方法不能有效消除人脸表情影响的特点，首先对人脸进行快速准确的眼睛定位、图像控正以及标准化处理，然后一方面抽取能够避免人脸表情影响的几何特征向量，另一方面对标准人脸进行分块加权匹配，最后进行综合识别。对JAFFE人脸库的试验结果表明，该方法识别准确率高，能够有效地消除人脸表情在识别中的影响，结果令人满意。     

PCA类内平均脸法在人脸识别中的应用研究

人脸识别是生物特征识别技术中一个非常活跃的课题,取得了很多研究成果。统计主元分析法(Principal Components Analysis, PCA)是人脸特征提取和识别的常用方法之一。结合传统PCA算法的特点,提出了一种用类内平均脸对类内样本进行规范化的方法。该方法有效地增加了类间样本的识别距离、有效地缩小了类内样本的识别距离,从而提高了人脸正确识别率。基于ORL人脸数据库的实验结果表明,该方法正确识别率达到98%,在人脸识别的实际应用中是一种可行的方法。     

基于PCA的人脸识别研究

对人脸识别进行研究,将基于主要成分分析的图像训练算法用于人脸识别中,并运用最近邻分类器欧几里德距离对处理了的人脸图像集进行分类,设计一套基于PCA的人脸识别考勤系统,并运用到公司的考勤实践当中去。实践结果表明,该套系统的识别率维持在90%以上。     

基于DM6446达芬奇平台的人脸识别系统

文章提出了一种基于Vclip的优化碰撞检测算法,利用Vclip算法对AABB包围盒进行底层碰撞检测计算,用GPU的遮挡查询等特性进行三角形相交测试,以提高对虚拟物体进行碰撞检测的精确性与实时性。算法已成功应用于课题组自行研制的六自由度小型工业机器人的仿真控制系统中,实验结果表明,其算法具有高效、精确、实时性高等特点,能使控制系统对工业机器人的控制更为流畅。     

基于EHMM的人脸识别算法

人脸识别是对从视频图像中检测到的人脸区域进行身份的认证．是将待识别人脸与数据库中的人脸进行匹配的过程。将EHMM应用于人脸识别,提取人脸的DCT系数特征作为观察向量,用EHMM算法进行人脸模型训练和识别,并使用OpenCV对人脸识别算法进行功能仿真验证和相关探究,达到较好的人脸识别效果。实验结果表明,正常光照下,该算法的识别率在95％以上。     

一种基于特征融合的人脸识别新方法

提出了一种基于特征融合的人脸识别新方法。首先采用两种不同的K-L变换分别降低原始图像空间的维数，避开人脸识别小样本集的局限，然后利用复向量将同一样本的两组特征向量合并在一起，通过运用具有统计不相关性的复线性鉴别分析来抽取人脸图像的有效鉴别特征，最后在ORL人脸库上实验结果表明所提出的方法不仅识别性能优于经典的Fisherfaces，而且仅用14个特征识别率就达到96％。     

基于不变矩的人脸识别方法的研究

人脸识别是模式识别与计算机视觉领域中的一个重要的研究课题 ,在公安、交通、银行、海关以及安全系统等领域有着广泛的应用前景。该文提出了一种基于小波及不变矩矢量的人脸识别方法。利用小波变换减小或消除了表情因素对人脸识别的影响 ,然后利用不变矩矢量作为人脸的特征来进行人脸识别。我们采用了支持向量机和最近邻分类器作为分类器 ,在ORL人脸数据库的基础上进行了测试。实验取得了良好的效果 ,证实了算法的有效性。     

基于优化PCA算法的人脸识别系统研究

人脸识别是以人脸为基本识别特征的识别技术．并成为研究的热点。PCA算法是人脸识别中使用最多的算法之一。它具有速度快．识别率高等优点。单纯的PCA方法对于光照比较敏感,算法对于光照的鲁棒性不强。通过对图片的归一化,平滑处理,直方图均衡化等一系列的预处理手段．增强PCA算法对于光照的鲁棒性。实验表明,通过优化能够提高识别的成功率．达到优化的效果。