一种应用PCA的人脸图像集识别方法

提出一种适用于同类别的图像子集的类别判断方法。同类别的图像子集经过PCA主特征提取后,选择较大的p个特征值对应的线性无关的特征向量,组成特征矩阵,则同类别的图像子集可以转化成一个特征矩阵,图像子集与特征矩阵一一对应,进而整个图像库能够用矩阵集合来表示。定义一种矩阵间的距离及最小二乘距离,通过计算待测图像子集对应特征矩阵与图像库中不同类别对应特征矩阵之间的距离或最小二乘距离,判断待测试图像子集所属类别。     

基于图像似然度的人脸检测

本文提出了一种基于图像似然度的检测人脸方法,该方法能在复杂的背景下较好的检测出人脸。该方法分为训练阶段和检测阶段。在训练阶段。从人脸图像集中选取大量人脸图像的信息矩阵的奇异值向量作为矩阵中的一列而构成的人脸图像集特征矩阵。然后,用大量的人脸图像的特征向量与人脸图像集特征矩阵比较找出最小相似度,作为阈值;在检测阶段。求待测区域的特征向量与人脸特征矩阵的相似度,与阈值比较以决定是否是人脸。     

基于图象集似然度的人脸识别

根据人的认识规律,提出了基于图象集的似然度人脸识别方法。该方法把图象集中的各幅图象的信息矩阵的奇异值向量作为矩阵中的一列而构成的图象集特征矩阵。然后,把测试样本的图象集特征矩阵与图象集库中的训练样本图象集的特征矩阵相比较找出它们的相似程序－－图象集的似然度,从而进行人睑图象识别。     

人脸图像的预处理方法及其实现

本文详细地说明了人脸图像的灰度变换、二值化、剪裁和图像的归一化等图像预处理的方法及其实现。     

Toeplitz矩阵在图像恢复中的应用

从某种意义来说,图像退化的过程可以等价为传输函数和噪声对原始图像矩阵进行线性变换,因而此像恢复过程可以等价于在了解传输函数的基础上,尝试由最小二乘给出解答。当传输函数可分离时,该问题可进一步转化为Toeplitz矩阵的求逆。通过仿真实验,验证了该方法的有效性并给出了算法的数值稳定性分析。     

结合矩阵分解与差分隐私的人脸图像发布

目的 人脸图像蕴含着丰富的个人敏感信息,直接发布可能会造成个人隐私泄露。为了保护人脸图像中的隐私信息,提出3种基于矩阵分解与差分隐私技术相结合的人脸图像发布算法,即LRA（low rank-based private facial image release algorithm）、SRA（SVD-based private facial image release algorithm）和ESRA（enhanced SVD-based private facial image release algorithm）。方法 为了减少拉普拉斯机制带来的噪音误差,3种算法均将人脸图像作为实数域2维矩阵,充分利用矩阵低秩分解与奇异值分解技术压缩图像。在SRA和ESRA算法中,如何选择矩阵压缩参数r会直接制约由拉普拉斯机制引起的噪音误差以及由矩阵压缩导致的重构误差。SRA算法利用启发式设置参数r,然而r值增大导致过大的噪音误差,r值减小导致过大的重构误差。为了有效均衡这两种误差,ESRA算法引入一种基于指数机制的挑选参数r的方法,能够在不同的分解矩阵中挑选合理的矩阵尺寸来压缩人脸图像,然后利用拉普拉斯机制对挑选的矩阵添加相应的噪音,进而使整个处理过程满足ε-差分隐私。结果 基于6种真实人脸图像数据集,采用支持向量机（support vector machine,SVM）分类技术与信息熵验证6种算法的正确性。从算法的准确率、召回率、F1-Score,以及信息熵度量结果显示,提出的LRA、SRA与ESRA算法均优于LAP（Laplace-based facial image protection）、LRM（low-rank mechanism）以及MM（matrix mechanism）算法,其中ESRA算法在Faces95数据集上的准确率和F1-Score分别是LRA、LRM和MM算法的40倍、20倍和1倍多。相对于其他5种算法,ESRA算法对数据集大的变化相对稳定,可用性最好。结论 本文算法能够实现满足ε-差分隐私的敏感人脸图像发布,具有较好的可用性与鲁棒性,并且为灰度人脸图像的隐私保护提供了新的指导方法与思路,能有效用于社交平台和医疗系统等领域。     

偏最小二乘回归分析与特征融合在图像识别中的应用

为了更有效地进行图像识别,对同一模式的不同特征进行融合是有效途径。讨论了偏最小二乘法及其改进算法、特征融合方法在图像识别中的应用。首先讨论了偏最小二乘法的基本原理和非迭代偏最小二乘法、基于共轭正交的偏最小二乘法用于特征抽取的原理和特点,给出了三种特征融合方法,在ORL与Yale人脸库上的实验结果表明进行对用PLS抽取的特征融合后可以有效地进行图像识别。     

粗集理论在图像特征选择中的应用

粗集理论是一种新的处理含糊和不确定性问题的数学工具。它作为一种新的软计算方法，与进化算法、神经元网络和模糊方法等一样，是具有发展潜力的智能信息处理方法。本文采用粗集理论知识约简的思想，提出了一种图像特征选择的算法，该算法不仅能够找出有效特征集、降低图像特征空间的维数、减少图像分类的工作量，而且提高了分类识别率。由于粗庥只处理定性数据或概念类的对象，需要进行数据离散化归一化，故本文又利用Kohonen网络，提出了一种属性值的离散化算法。实验结果证明，上述两种算法是有效的和实用的。     

Hamilton矩阵反问题的最小二乘解

本文讨论了Hamilton矩阵反问题最小二乘解,得到解的通式．考虑了解集合对给定矩 阵的最佳逼近问题,给出了唯一最佳逼近解的表达式．最后,我们给出了相应的数值算法及 数值实例．     

数据规范化算法在基础矩阵估计中的应用

在研究整体最小二乘法的基础上,分析摄像机成像误差的统计特征,明确误差对基础矩阵估计算法的影响.针对所建立的误差模型,分析数据规范化算法在基础矩阵估计中的应用.在不同的噪声强度下,通过实验说明非等向性数据规范化算法能够有效降低误差对求解精度的影响,使基础矩阵线性估计算法具有较高的精度和稳定性.     

基于矩-傅里叶描述子人脸图像识别

本文介绍了在Radon变换下的图像矩特征的抽取方法，并得到图像的矩特征矩阵；进而对矩特征矩阵按行向量进行傅里叶变换组成矩－傅里叶描述子特征矩阵，采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法，产生较好的结果。     

基于点集不变性匹配的目标检测与识别方法

许多图像目标都可以用其上有代表性的一些点（如角点或边缘上的点）及其相互关系作为特征进行描述,通过模板点集和目标点集之间的匹配可以达到识别的目的,本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述,并且这种描述在一定范围内具有唯一性,另外在此基础上,给出了一种新的目标检测与识别的算法,该算法不仅能够从较为复杂的背景中检测出经过多个平移、旋转及尺度变化的目标,而且对部分     

基于Kleene-Dienes蕴涵算子的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些相似度量方法的不足之处。根据Kleene-Dienes蕴涵算子及其否定算子的包含和相交关系,提出一种基于Kleene-Dienes蕴涵算子的Vague集相似度量方法,并证明该方法满足相似度量的条件。通过与现有相似度量方法的比较,说明该相似度量方法能克服现有相似度量方法的缺陷,能够有效区分数据,具有一定的优越性,为研究Vague集相似度量方法提供了一种新的思路。     

基于奇异值特征的图像预处理及人脸识别

从增强图像的分类信息角度出发,对人脸图像做频域上的带通滤波预处理,来 提高奇异值特征的分类性能．给出了一组圆形滤波函数,并使用遗传算法来选择可分性较大 的频段,设计了染色体的表示方式和适应度的求法．实验证明预处理后奇异值特征的分类效 果比处理前有较明显的提高．     

基于改进的WLD特征的人脸识别

对WLD特征进行改进。改进的特征提取方法为:首先将原始人脸图像划分为若干个子块,然后提取每块图像的WLD直方图统计特征,其中的梯度方向是用Prewitt算子计算的,最后将所有分块的WLD直方图序列连接起来构成特征向量。为了验证改进特征的性能,用支持向量机进行人脸识别,人脸图像取自ORL和YALE人脸数据库。实验结果表明,采用改进后的特征可以显著提高人脸识别率。     

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。     

基于Contourlet-NMF和SVM的近红外人脸识别方法

针对近红外人脸识别对表情和姿势变化缺乏足够鲁棒性的问题,提出一种基于Contourlet变换、非负矩阵分解NMF(Non-negative Matrix Factorization)与支持向量机(SVM)的近红外(NIR)人脸识别算法。该算法首先对NIR人脸图像进行Contourlet变换,接着用NMF进行分解,取其系数矩阵的一阶统计量作为特征数据,然后利用SVM进行分类与识别。实验结果表明,该算法具有较高的识别率,而且对人脸表情和姿势变化具有较强的鲁棒性。     

基于最大最小值的Vague集相似度量方法

通过分析现有Vague集相似度量方法,指出这些方法虽然满足相似度量基本准则,但是在描述Vague集相似性上存在不足之处,并且度量的准确度较低,在分析Vague值的支持度、反对度及其补集之间的最大最小值关系的基础上研究Vague集相似度量方法,给出一种新的Vague集相似度量方法,并证明该方法满足相似度量的基本准则。通过与现有相似度量方法的比较,说明该相似度量方法克服了现有相似度量方法的不足,符合人们的直观感受,能够合理、有效地区分数据。     

基于差分图像和PCA主元分析的人脸检测

提出了一种基于差分图像和PCA(principle component analysis)主元分析的人脸检测算法,先对Anil K.Jain的Cb、Cr椭圆聚类方法给予改进,用改进的算法进行肤色提取,通过对肤色区域的分析,得到人脸候选区域,然后在这些可能的区域中运用特征脸进行细致的匹配,找出人脸的准确位置,然后利用马赛克模板排除虚假人脸.考虑到图像像素间的相关性,人脸特征提取同时对原始图像和其水平方向及垂直方向的差分图像进行PCA分析,从而提高了人脸检测的稳定性.     

基于几何不变量的图像特征识别

图像的特征识别是图像处理和识别中的一个重要问题,几何不变量作为特征的特征值在很多领域已经得到了广泛的应用。实际中,普遍采用在仿射变换及射影变换下保持不变的仿射、射影不变量作为特征值。本文根据具体图像的特点,利用4类仿射和射影不变量构成特征的特征值空间,依据4步识别策略来识别图像中的特征点,从而完成识别任务。实验表明,这4类不变量能够较好地识别出实际图像中的特征。