肤色信息马氏图的RBPNN人脸识别

根据肤色信息在YCbCr空间分布特点,提出在基于肤色信息的马氏距离图的特征脸空间中用RBPNN神经网络进行人脸识别。该方法利用肤色信息构造图像的马氏距离图,利用K-L变换构造特征脸空间。在特征脸空间中提取图像的统计特征,以这些统计特征作为输入,构造径向基概率神经网络,利用它的非线性计算和映射能力,进行人脸识别与分类。实验证明,这种方法能够有效地完成人脸识别。     

肤色信息马氏图的RBPNN人脸识别

根据肤色信息在YCbCr空间分布特点,提出在基于肤色信息的马氏距离图的特征脸空间中用RBPNN神经网络进行人脸识别.该方法利用肤色信息构造图像的马氏距离图,利用K-L变换构造特征脸空间.在特征脸空间中提取图像的统计特征,以这些统计特征作为输入,构造径向基概率神经网络,利用它的非线性计算和映射能力,进行人脸识别与分类.实验证明,这种方法能够有效地完成人脸识别.     

基于曲波系数加权融合的人脸识别

为了提高人脸识别率和缩短识别时间,研究了基于曲波变换的人脸识别技术。考虑到传统曲波变换无法将多尺度多方向的曲波特征进行最优表示且其特征维数过大的缺点,提出了一种基于自适应加权融合的曲波变换和独立分量分析(ICA)的人脸识别算法。该算法通过曲波变换提取原始人脸图像的最优尺度和方向上的曲波系数,并对这些特征系数进行多方向上的融合,根据类别可分离性的判据原则对融合后的系数进行加权,以减少特征数量,提高处理速度;通过独立分量分析降维,将这些特征投影到更具表达力的空间,以获取有效特征,减少冗余信息,便于最近邻分类器进行人脸识别。基于在奥利维帝研究实验室(ORL)人脸库、Yale B人脸库和AR人脸库对该算法进行了测试,结果表明,其识别率分别达到98%、97%和98.57%,单幅图片的识别时间分别为65.43,158.94和20.37ms,从而验证了其实用性。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

基于局部特征融合的人脸识别

提出了基于局部特征融合的人脸识别算法.首先把人脸图像分割为多个子图像,利用传统主成分分析的方法,对不同位置的子图像集分别建立不同的子空间并且抽取相应的局部特征.针对各局部特征,分别求出待识别图像对训练样本的隶属度.最后,基于模糊综合的原理对各局部特征进行数据融合,给出最终识别结果.实验结果表明,该算法能很好地融合人脸的局部信息,有效提高识别率.     

基于深度数据的空间人脸旋转角度估计

提出一种基于三维人脸深度数据的人脸姿态计算方法。利用人脸的深度数据以及与其一一对应的灰度图像,根据微分几何原理和相应的曲率算法与人脸数据中的灰度特征对人脸面部关键特征点定位,进而计算出人脸姿态在三维空间中的3个姿态角。实验证明该方法能在姿态变化情况下实现对人脸旋转角的准确估计,为进一步的人脸识别和表情分析提供基础。     

小波包变换在人脸识别光照补偿中的应用

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维小波包变换,通过舍弃部分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0.53%,比对数域DCT方法具有更好的性能.     

增强联系鉴别分析及在人脸识别中的应用

针对人脸识别中的小样本问题,本文提出了一种名为增强联系鉴别分析的方法并应用人脸识别中.该方法利用将人脸局部流形的结构信息和样本的类别信息进行有效地结合进行维数约简,首先构建人脸数据的近邻图与类别联系图,然后通过解决在一定约束条件下的优化问题来获取低维鉴别流形特征,实现在低维空间中同一类人脸数据聚集,不同类别间的人脸数据间尽可能发散,从而可以更好的应用于分类.在AT&T和Yale人脸图像数据库上的实验结果表明该方法能有效的提高人脸识别的性能.     

基于改进的LDP人脸识别算法

LDP算法是将与Kirsch算子运算后得到的一些负值的邻域灰度值作为中心灰度值的编码因子,这将会导致中心灰度值不能很好的反映邻域局部特征信息,从而降低识别率。针对于此,本文提出了一种改进的局部定向模式(CLDP)算法。该算法在LDP的基础上,去掉邻域灰度值为负值的因子,对中心灰度值进行重新编码,由于该编码值是将与Kirsch算子运算后的正值最大值作为图像边缘输出,使中心灰度值能很好反映邻域的局部特征信息,从而提高人脸的识别率。本文还将提出的CLDP算法用在YALE,ORL,JAFFE等人脸数据库中进行人脸识别。从实验的结果表明,该方法识别性能较LDP算法,LDN算法以及ELDP算法等更好的。     

Shearlet多方向自适应加权融合的稀疏表征人脸识别

针对传统稀疏表征分类器只有在训练样本足够多时才会对特征变化不敏感的缺点,提出一种Shearlet多方向自适应加权融合的稀疏表征人脸识别算法。为了提取局部方向信息并降低特征维数,首先利用Shearlet变换对图像进行多尺度、多方向分解,获得子带系数矩阵,然后根据子带系数矩阵方差的大小对同一尺度的方向子图按主方向排序,利用子带系数矩阵的能量和均值特征对排序后的人脸子图进行加权融合,最后为了使得表征系数矢量具有更为显著的稀疏性,进一步利用融合特征构造字典。在ORL、FERET和YALE人脸库中做了多组实验,结果表明,该方法能增强对外界环境变化的鲁棒性,同时可以提高人脸的识别率。     

基于OpenCV的人脸识别关键技术分析

人脸识别是一种基于人脸特征分析、比较和身份识别的生物特征识别技术。目前,人脸识别系统已经开始应用于人们的生产和生活当中。随着人脸识别技术的深入研究,已经研究出包括基于人脸几何特征方法、基于模板的人脸匹配等多种识别方法。人脸识别系统各模块功能不断完善,包括图像采集、检测、预处理、人脸特征和人脸识别等环节,形成可行方案。该文还简要介绍了OpenCV库提供基于PCA的特征识别算法、基于LDA的识别算法和基于LBPH局部特征提取多种人脸识别算法,分析了基于OpenCV搭建的人脸检测识别过程。     

多彩色空间相关分析的人脸识别算法

人脸识别是当前人工智能和模式识别的研究热点,得到了广泛的关注.基于对不同色彩空间数据的分析,论文提出了多彩色空间典型相关分析的人脸识别方法.文中对2维的Contourlet变换特性进行了分析和讨论,利用Contourlet的多尺度,方向性和各向异性等特点,提出了一种基于Contourlet变换的彩色人脸识别算法.算法对原图进行Contourlet分解,对分解得到的低频和高频图像进行cca分析.典型相关分析是一种有效的分析方法,其实际应用十分广泛.低频系数反映图像的轮廓信息,高频系数反映图像的细节信息,使用cca充分利用不同频率的信息,使不同色彩空间的不同分辨率图形的相关性达到最大,得到投影系数,最后,采用决策级最近邻分类器完成人脸识别.在对彩色人脸数据库AR的识别实验中,该算法识别率达到98％以上,与传统算法相比,该算法不仅既有良好的识别结果,而且具有很快的运算速度.     

基于小波变换和SVM的人脸识别

提出了基于小波变换和支持向量机(Support Vector Machine,SVM)的人脸识别算法。该算法通过小波变换的多分辨率分析形成人脸图像的低频小波子图,然后利用主分量分析构造特征脸子空间,最后由SVM进行分类。在ORL人脸数据库上的实验结果表明该方法具有良好的性能。     

利用肤色分割和对称变换实现鲁棒人脸特征定位

提出一种将肤色分割与灰度图像对称变换相结合的有效的人脸特征定位方法.为降低背景和人脸姿态的影响,在传统人脸肤色分割基础上,利用Blob分析及椭圆拟和方法判断并剔除无效区域,并将待选人脸区域初步校正为竖直;直接利用色度信息在待选人脸区域中分割并检测嘴唇;接着,采用灰度图像的对称变换检测双眼的待选位置;以嘴唇和待选双眼的位置为依据,提出了基于人脸几何模型知识的双眼匹配代价函数并利用组合优化方法检测真实双眼;最后,对人脸上其它器官的进行精确定位.实验结果表明,该方法对于头发遮挡、大倾斜角以及眼镜干扰具有较强的鲁棒性.     

复杂光线环境下的机场人脸识别设计与应用

光照是影响人脸识别率的关键因素,它已成为阻碍人脸识别技术发展的最大障碍。在分析人脸图像受光照变化影响的基础上,按照处理方式的不同对光照处理方法进行分类和评价。基于光照归一化算法、光照不变特征提取算法以及3D光照模型算法对人脸成像过程进行优化。通过平衡光照亮度,采集稳定光照下的人像,分析3种图像处理方法的优缺点,提出新的针对人脸光照的研究方向。     

基于PCA、FLD和小波包子图融合的人脸识别算法

基于单一理论的识别方法由于各种因素的限制,存在自身固有的局限性。为提高算法的效率和准确率,本文结合主成分分析法(PCA)和Fisher线性判别法(FLD),提出一种基于融合小波包子图的人脸识别方法 FW-PCA-FLD。该方法首先将小波包分解后的人脸子图像根据其能量分布特性进行加权融合,然后利用PCA方法对融合后的小波包图像进行特征提取,最后用Fisher线性判别找到合适的投影空间,通过度量训练样本与测试样本在投影空间上的投影系数进行人脸的分类识别。在CMU PIE人脸库、JAFFE人脸库上的实验结果表明,本文提出的人脸识别算法不仅在正确识别率和识别时间效率上表现较为优越,而且对不同光照、表情、姿态变化下的人脸识别都保持较好的适应性。     

小波域鲁棒自适应灰度水印盲算法

提出了一个有效的基于图像特征的小波域灰度水印盲算法。该算法使用灰度图像作为水印,将水印信息进行 Arnold 置乱加密和小波压缩后,利用相邻特征平均值和奇偶判决法嵌入载体图像的二阶小波变换域中的低频子带上。实验结果表明,该算法具有好的透明性和强的鲁棒性。     

基于子模式的加权邻域极大边界准则的人脸识别

本文提出了一种基于子模式的加权邻域极大边界准则的人脸识别算法.该方法首先在训练过程中对人脸图像进行子块划分,采用邻接点的类信息自适应地计算每块的权重以提高人脸在姿态、表情以及光照等变化下的鲁棒性.其次,对每块图像采用加权邻域极大边界准则进行特征提取,该准则充分利用了数据的类信息,选择数据的邻域点最优重构系数用在目标函数...     

基于回归函数的多角度人脸识别算法研究

研究了基于回归函数的人脸识别算法,该算法有望引进到声学信号处理当中。人脸识别问题是人脸相关的计算机视觉研究的关键问题。传统的人脸识别研究主要针对正面人脸,研究的应用范围比较有限。在实际应用中,由于光照、姿势、表情、遮挡、分辨率等问题,使得传统方法在处理非正面人脸的时候具有很大的困难,这种情况对人脸识别算法有了更高的要求。针对图像中人脸角度在±45°的人脸识别问题,利用基于Haar特征的非线性Boosting回归算法,根据标定点邻域内的局部纹理预测标定点的位移,提出了一种新的基于经典活动形状模型(Active Shape Model,ASM)的实时多角度人脸识别算法。在对实测数据的测试实验表明,该算法的识别率高于经典的ASM算法并有显著提高。     

改进的K-Means高通量dPCR荧光图像分类算法

目的 为实现高通量dPCR荧光图像阳性点高精确度分类,提出一种改进的K-means高通量dPCR荧光图像分类算法。方法 首先,将预处理后的荧光图像进行像素灰度值统计,依据图像亮度自适应选择波峰波谷作为聚类中心,通过马氏距离度量确定像素簇类;然后,将粗分类结果进行开、闭运算及删除小面积对象等形态学处理;最后,利用3次连通域统计方法完成细分类、位置标识和计数。结果 选取4种通道825幅荧光图像进行检验,平均精确率达到99.06%,召回率达到98.97%,分类效果良好。结论 文中提出的改进K-means分类算法可以实现对高通量dPCR荧光图像的高精度分类和计数,对其他荧光图像分类识别具有一定借鉴意义。