基于差分投影和梯度向量流场的眼睛特征提取

提出了差分投影的方法确定眼睛区域,并根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库(400幅图像)和JAFFE人脸表情库(213幅图像)上的实验证明该算法具有较好的眼睛特征抽取能力。     

基于三维可变形模板的眼睛特征提取

眼睛特征提取在人脸感知的各种应用中有着非常重要的作用，为了解决人脸垂直旋转角度比较大时，眼睛特征提取的问题，提出了一种新的基于三维可变形模板的眼睛特征提取方法，此方法采用了两个新提出的技术，一个是人脸姿态估计策略用于估测人脸的垂直旋转方向，另一个就是三维可变形模板匹配技术用于具体提取眼睛的精确特征，实验表明该方法能够适应人脸图像垂直旋转角度的变化，获得很好的特征提取结果。     

小波变换在脉象信号特征提取中的应用

论文首先介绍了人体脉象是非线性、非平稳的微弱信号这个特点,然后分析了传统人工脉诊的缺陷,在当今信号处理和计算机相关技术的飞速发展,提出了很多运用现代科学对脉象分类的方法。由于小波具有优良的时频分析特性,而且还具有处理非平稳随机信号的能力,论文提出利用小波提取脉象特征,得到了很好的识别效果。     

基于DSM影像的建筑物边缘直线特征提取

吸取了Hough变换的“投票”方法,提出一种直线提取的方法,并对DSM影像进行了实验。由于两个点可以确定一条直线,固定一个点,与另一个边缘点共同可以得到一条直线的倾角,通过对倾角进行“投票”,可以得到符合条件的直线以及线段的两个端点。以已确定的一条直线的终点为起点,重复以上步骤,直至到达最后一个点。整个计算过程都是对两个已知坐标的点进行计算,计算简单,计算量较Hough变换明显减少,且精度较高。     

正面人脸的眼睛精确定位算法

在AdaBoost人脸检测的基础上，对眼睛实现精确定位。先得到人脸图像的谷区域图像，再获取眼睛的候选点，综合分离度信息和霍夫变换的结果来计算每一个眼睛对的代价函数，找到比较准确的眼睛位置。分别在SJTUFace和BioID人脸库进行实验，得到了99.43%和91.36%的结果。     

小波方差在信号特征提取中的应用

根据小波变换的特点,引入了单一尺度下的小波方差,研究了其在反映随机信号的统计特征方面的特点,以及在信号特征提取中的应用.最后,以一类石油测井信号为实例,分别利用小波方差分析和提取信号在强噪声环境下的特征脉冲.研究结果说明:小波方差是表征信号能量的一个物理量,也是提取非平稳信号的特征的有效方法.     

基于共轭梯度的自适应运动估计

运动估计是影响基于帧间视频压缩速度的关键,快速运动估计算法一直是视频压缩中的研究热点.为了提高运动估计速度从搜索速度入手,采用了共轭梯度式的自适应运动估计.考虑到边缘部分梯度方向的不确定性,在边缘部分采用的是广义Wolfe线搜索,在非边缘部分则采用了强Wolfe线搜索.试验表明,该算法能以较小的代价得到较好的搜索效果.     

基于局部特征概率密度估计的三维模型特征提取方法

特征提取是三维模型检索中的关键.给出了基于局部特征概率密度估计的三维模型特征提取体系框架.针对三维表面局部几何特征集,利用核密度估计方法估计选定目标点的特定局部特征密度构成特征向量,用以描述三维模型.抽取三维网格模型的单元特征及多个单元特征组合而成的多元特征支持实现三维模型检索.实验验证了其检索性能优于基于统计的直方图特征提取方法.     

HHT在血细胞特征提取中的应用

提出一种基于Hilbert-Huang变换(HHT)的特征分析方法,该方法将血细胞信号进行经验模态分解和Hilbert变换,提取信号的平均强度、频谱质心和能量贡献率作为频域特征,与信号的时域特征结合,最终完成血细胞特征向量对脉冲信号的统计和识别。仿真实验中,使用HHT的识别算法正确率由模拟电路法的72.33%提高至94.33%;而使用该算法的血细胞分析仪与奥菲MYTHIC 18的可比性合格率达到98.5%,分类相关性系数都在94%以上。实验结果表明,该方法能提高仪器的计数正确度和分类准确性。     

一种互信息梯度不变的非线性特征提取方法*

针对线性的互信息特征提取方法,通过研究互信息梯度在核空间中的线性不变性,提出一种快速、高效的非线性特征提取方法。该方法采用互信息二次熵快速算法及梯度上升的寻优策略,提取有判别能力的非线性高阶统计量;在计算时避免传统非线性特征提取中的特征值分解运算,有效降低计算量。通过UCT数据的投影和分类实验表明,该方法无论在投影空间的可分性上,还是在算法时间复杂度上,都明显优于传统算法。     

基于Hough变换和梯度信息的人眼视线方向估计

本文主要研究使用廉价的摄像头进行人眼视线方向估计,所采用的方法是在眼部特征分析的基础上引入边缘梯度方向信息.首先对人眼模型进行讨论,并在样本分析的基础上提出了新的眼睛模型.作为眼睛模型的组成部分,上眼睑、内外角点和虹膜检测所采用的技术是基于梯度信息的Hough变换.根据所定义的视线模型和眼部特征分析,人眼视线方向就可以得到有效的估计.将所提出的人眼视线方向估计算法应用于实时视线跟踪系统,并通过凝视点标定、估计结果分类和错估率统计等方法对算法性能进行考察,结果表明所提算法在低分率的图像条件下具有更高的估计精度.     

一种基于Hough变换的步态特征提取方法的研究

步态识别是一种新兴的生物特征识别技术,旨在通过人们走路的姿态进行身份识别。与其他的生物识别技术相比,步态识别具有非接触远距离和不容易伪装的优点。提出了一种基于新的特征提取方法的自动步态识别算法,该算法仅从腿部的运动进行身份识别。对于每个序列,用一种基于图像色度偏差的背景减除算法来检测运动对象,在经过后处理的二值图像序列中利用边界跟踪算法获取对象边界。在对象边界图像上,局部应用Hough变换检测大腿和小腿的直线,从而得到大腿和小腿的倾斜角。用最小二乘法将一个周期内的倾斜角序列拟合成5阶多项式,把Fourier级数展开后得到的相位与振幅的乘积定义为低维步态特征向量。在小样本的数据库上用F isher线性分类器验证所研究算法的性能,正确分类率为79.17%。在步态数据库不很理想的情况下也获得了较好的识别率。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

基于特征点的单应矩阵鲁棒估计

提出了一种基于特征点的单应矩阵鲁棒估计算法.在图像的尺度空间中提取特征点,并对特征点进行亚像素定位.同时赋予主方向.根据邻域信息计算得到特征向量后,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对.用RANSAC(Random Sample Consensus)算法匹配特征点对,同时计算得到两幅图像之间的单应...     

A General Method for Geometric Feature Matching and Model Extraction

Popular algorithms for feature matching and model extraction fall into two broad categories: generate-and-test and Hough transform variations. However, both methods suffer from problems in practical implementations. Generate-and-test methods are sensitive to noise in the data. They often fail when the generated model fit is poor due to error in the data used to generate the model position. Hough transform variations are less sensitive to noise, but implementations for complex problems suffer from large time and space requirements and from the detection of false positives. This paper describes a general method for solving problems where a model is extracted from, or fit to, data that draws benefits from both generate-and-test methods and those based on the Hough transform, yielding a method superior to both. An important component of the method is the subdivision of the problem into many subproblems. This allows efficient generate-and-test techniques to be used, including the use of randomization to limit the number of subproblems that must be examined. Each subproblem is solved using pose space analysis techniques similar to the Hough transform, which lowers the sensitivity of the method to noise. This strategy is easy to implement and results in practical algorithms that are efficient and robust. We describe case studies of the application of this method to object recognition, geometric primitive extraction, robust regression, and motion segmentation.     

基于Finite Ridgelet变换的图像线性特征提取

线性特征是图像的一种重要局部特征,它常常决定图像中目标的形状。线性特征的提取在图像匹配、目标描述与识别以及运动估计、目标跟踪等领域具有十分重要的意义。常用的线性特征检测方法有Radon变换和Hough变换,但检测曲线复杂度会很高。本文提出一种多尺度几何分析的线性特征检测方法,该方法以finite ridgelet理论为基础,结合正交小波变换对线性特征进行提取。Finite ridgelet变换对于含有直线奇异的多变量函数具有良好的逼近特性,能够获得连续空间函数的稀疏表达,同时具有区域平滑性、很好的可逆性和去冗余性。实验结果表明,本方法即使在背景复杂的环境下也具有良好的检测效果。     

湖底回波的包络特征提取

湖底回波包络包含了湖底沉积物的结构和物理性质的信息,可以作为沉积物分类的特征.用传统的Hilbert变换提取宽带回波包络存在一些固有的缺点.该文中,采用线性相位的双正交小波,对湖底回波解析信号的实部和虚部分别进行离散正交小波变换,提取合适尺度上的小波系数的模值作为包络特征矢量.它可以采用Mallat快速算法,运算量少,提取的包络特征矢量维数少,能简化目标识别的算法.对实测的湖底回波数据进行特征提取和分类的仿真实验也表明,采用这种方法得到的包络特征是一种稳健、有效的特征,能获得较高的正确识别率.     

Contourlet域目标不变特征提取

在基于形状的目标识别中,提取出鉴别力强并具有不变性的特征是至关重要的问题。多尺度几何分析具有多方向选择性和各向异性的特点,能够更有效地表示目标图像的局部特征,但这些变换本身不具备不变性,极大地限制了它在模式识别中的应用。利用图像广义矩的概念,提出了一种在Contourlet域具有平移、缩放及旋转不变性特征的描述子,该特征能精细地刻画目标区域的局部特性,并在位置、角度及尺寸变换情况下具有不变性,仿真实验验证了其不变性,并讨论了一般情况下,Contourlct变换分解尺度对不同类目标间分离度的影响,为提取最具鉴别性的特征提供了有益的参考。