基于彩色信息融合和同伦算法的遮挡鲁棒人脸识别方法研究

遮挡条件下的鲁棒人脸识别,目前在人脸识别领域逐渐被重视,被认为是难点问题之一. 本文利用稀疏表示理论满足人眼视觉特性及神经信息有效表达,且跟人脸固有特征具有的自然性是相吻合的特点,研究了彩色人脸图像色度信息有效融合策略,采用同伦算法解决稀疏表示模型中的l1范数问题,提出了一种基于彩色信息融合和同伦算法的遮挡鲁棒人脸识别算法. 在AR数据库中的实验结果表明,与传统基于灰度转换方法人脸识别方法及SRC算法相比,本文所提基于同伦算法的稀疏表示人脸识别,具有很高的计算效率,而且有效融合了彩色信息,显著提高了在遮挡及非遮挡情况下人脸识别的效率及识别性能.      

基于多核学习特征选择的彩色人脸识别研究

针对模式识别中的彩色人脸识别问题,论文提出了一种多核学习特征选择方法,利用多核学习特征选择算法对不同色彩通道的人脸特征进行特征选择,再结合典型相关性分析算法对选择得到的多色彩通道特征进行融合,从而提取出有效的人脸描述特征。实验结果表明,该方法可以有效地提高人脸识别率。     

采用双字典协作稀疏表示的光照及表情顽健人脸识别

提出一种采用小波变换(WT)及双字典协作稀疏表示分类(CSRC)的人脸识别方法-WT-CSRC.WT-CSRC首先利用PCA(主成分分析)将小波分解后的人脸高频细节子图融合成高频细节图像;然后用PCA分别对人脸低频图像和高频细节图像进行特征提取,构造低频和高频特征空间,并用训练样本在两种特征空间上的投影集构造低频字典和高频字典;最后将测试样本在两种字典上进行稀疏表示,并引入互相关系数以增强人脸识别的可靠性,实现了人脸的协作分类.实验结果表明,提出的方法提高了人脸识别率,对光照变化及表情变化具有较强的顽健性,并且具有较高的时间效率.     

基于样本-扩展差分模板的联合双稀疏表示人脸识别

在人脸识别中,每类数据分别位于由字典形成的高维空间中的多个低维线性子空间,考虑到这一结构信息对识别起到一定支持作用,利用块结构稀疏表示进行人脸识别。针对训练图像不能涵盖测试条件下的人脸变化这个问题,提出基于样本-扩展差分模板的联合双稀疏表示识别算法。它通过构造样本-扩展差分模板来表示训练样本与测试样本之间可能存在的差异,这些类内差异信息可被不同的类别所共享,即任何一类人脸图像的类内差异可表示为其他类别类内差异图像的原子稀疏线性组合。这样识别问题被转换为在训练样本空间和扩展差分模板空间寻找测试样本的块稀疏与原子稀疏的联合双稀疏表示。在AR和Extended Yale B数据库上的实验结果表明,在具有光照、表情变化和遮挡的情况下,本文提出的识别算法具有更好的有效性和鲁棒性。     

基于在线字典学习的人脸超分辨率重建

针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。     

融合半监督降维与稀疏表示的人脸识别方法

由于人脸图像数据的维数都较高,将稀疏表示分类用于人脸识别时计算量很大,为了提高人脸识别系统的效率,提出了一种融合半监督降维和稀疏表示的人脸识别方法。首先利用半监督降维算法对图像进行降维处理,在较低的维数空间快速取得较高的识别率,然后利用稀疏表示分类进行人脸识别,取得比传统的最近邻分类器更高的识别率,最后在ORL人脸库上进行实验验证。结果表明,利用该融合算法可快速有效地提高人脸图像的识别效果。     

一种改进的稀疏表示人脸算法

为进一步有效提升稀疏表示人脸识别系统的识别率和可靠性,在分析人脸图像稀疏表示系数分类能力的基础上,提出了一种快速正交匹配追踪的脸识别新方法。快速正交匹配追踪算法通过在基本的正交匹配追踪算法中对冗余字典采用Cholesky分解,提高了算法的整体效率。     

Gabor字典及l0范数快速稀疏表示的人脸识别算法

针对光照、遮挡、伪装情况下,识别率比较低,识别时间长的问题,本文提出了基于Gabor字典及l0范数快速稀疏表示的人脸识别算法。Gabor小波提取的特征能够克服遮挡、光照等干扰对人脸识别的影响,平滑l0算法通过平滑连续函数来近似 l0范数,只需较少测量值并且较快速度便能重构稀疏信号。本算法通过提取人脸的Gabor特征、主成分分析法（PCA）降低维度,l0范数快速稀疏分类完成识别。在伪装人脸情况下,分块计算Gabor人脸特征,提高Gabor字典的形成速度。基于AR人脸数据库的实验结果表明,本算法可在一定程度上提高识别速度和识别时间,即使在小样本情况下,依然具有较高的识别率。      

基于离线双字典学习算法的图像超分辨率重建研究

为了提高图像超分辨率重建的质量,采用离线双字典学习算法。首先图像块建立字典稀疏模型,确定字典中原子数量;然后使用基于离线字典学习对图像稀疏编码,同时把稀疏编码统一到一个框架中进行优化编码;接着对字典进行分解多个子字典,将图像块中像素点的列向量在子字典展开;最后双字典与超分辨率重构中不同分辨率的异构数据进行同构化,确定控制残差条件,给出了算法实现过程。实验仿真显示本文算法重建效果清楚,峰值信噪比最大,BIQI最小。     

图约束字典和加权稀疏表示人脸超分辨率算法北大核心

针对低分辨率、低质量人脸图像重建问题,提出了一种新的基于稀疏表示的人脸超分辨率算法。在训练阶段,人脸的位置特征被用于保持人脸块的全局信息,人脸块间的几何结构被用于保持高低分辨率超完备冗余字典的流形结构,从而提高字典的表达能力;在重建阶段,K近邻加权稀疏表示被用于消除稀疏编码噪声,以提高高分辨率人脸图像重建系数的精度。实验结果表明,提出的方法取得了较好的主客观质量。     

Color local texture features for color face recognition

This paper proposes new color local texture features, i.e., color local Gabor wavelets (CLGWs) and color local binary pattern (CLBP), for the purpose of face recognition (FR). The proposed color local texture features are able to exploit the discriminative information derived from spatiochromatic texture patterns of different spectral channels within a certain local face region. Furthermore, in order to maximize a complementary effect taken by using both color and texture information, the opponent color texture features that capture the texture patterns of spatial interactions between spectral channels are also incorporated into the generation of CLGW and CLBP. In addition, to perform the final classification, multiple color local texture features (each corresponding to the associated color band) are combined within a feature-level fusion framework. Extensive and comparative experiments have been conducted to evaluate our color local texture features for FR on five public face databases, i.e., CMU-PIE, Color FERET, XM2VTSDB, SCface, and FRGC 2.0. Experimental results show that FR approaches using color local texture features impressively yield better recognition rates than FR approaches using only color or texture information. Particularly, compared with grayscale texture features, the proposed color local texture features are able to provide excellent recognition rates for face images taken under severe variation in illumination, as well as for small- (low-) resolution face images. In addition, the feasibility of our color local texture features has been successfully demonstrated by making comparisons with other state-of-the-art color FR methods.     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

基于清晰度的彩色图像分割改进算法

针对K-means算法不能很好的分割目标较小,且目标颜色不能明显区别于背景颜色的彩色图像等缺点,提出了一种基于清晰度的彩色图像分割算法(S-K-means)。该算法引入图像清晰度评价理论,将彩色图像R、G、B三个通道的灰度矩阵转换成清晰度矩阵,然后选用Lab彩色空间,最后进行K均值聚类。为验证算法的有效性,对多幅电力线图像进行了分割实验,并与其他的分割方法进行比较实验,给出了详细的理论分析。实验结果表明该算法效果好,对电力系统中高压巡线具有参考价值,且具有较高的使用价值。     

A hybrid color and frequency features method for face recognition

This correspondence presents a novel hybrid Color and Frequency Features (CFF) method for face recognition. The CFF method, which applies an Enhanced Fisher Model (EFM), extracts the complementary frequency features in a new hybrid color space for improving face recognition performance. The new color space, the RIQ color space, which combines the R component image of the RGB color space and the chromatic components I and Q of the YIQ color space, displays prominent capability for improving face recognition performance due to the complementary characteristics of its component images. The EFM then extracts the complementary features from the real part, the imaginary part, and the magnitude of the R image in the frequency domain. The complementary features are then fused by means of concatenation at the feature level to derive similarity scores for classification. The complementary feature extraction and feature level fusion procedure applies to the I and Q component images as well. Experiments on the Face Recognition Grand Challenge (FRGC) version 2 Experiment 4 show that i) the hybrid color space improves face recognition performance significantly, and ii) the complementary color and frequency features further improve face recognition performance.     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.     

基于联合稀疏近似的彩色图像超分辨率重建

针对常用的超分辨率（SR）算法中彩色图像的处理会出现彩色信息的丢失或处理结果色彩偏差较大的问题,提出基于联合稀疏近似（SSA）的彩色图像SR重建方法（SR-SSA）。将多通道数据进行联合稀疏编码（SC）,并保证它们具有相同的稀疏性模式;同时考虑了彩色图像的各通道数据,并兼顾了它们之间的相关性,增强了先验知识的表达能力。...     

基于稀疏性非负矩阵分解的偏振图像快速融合方法

针对基于非负矩阵分解(non-negative matrix factorization, NMF)的偏振图像融合方法效率低的不足,提出一种基于稀疏性NMF的偏振图像快速融合方法。首先,以偏振信息解析得到的各偏振参量图像构造原始数据集,其次,对NMF增加稀疏性约束,利用稀疏表示下的在线字典学习算法进行快速分解,然后对分解得到的三幅特征基图像按清晰度和方差进行排序,将排序后的特征基图像经直方图匹配及HSI颜色映射后,变换到RGB颜色空间,得到融合图像。与基于NMF的方法相比,运行时间提高约120倍,达到约1.5 s完成一次融合过程。实验结果验证了该方法在改善融合效果的同时,运行效率明显提高。