基于监督式ICA的人脸识别

特征提取技术是人脸识别的关键技术,很大程度上决定着识别结果的好坏.而传统的基于独立分量分析的特征提取方法不仅速度慢且未完全利用特征信息,故提出一种监督式特征提取方法.将类信息引入到独立分量的求取过程中,从而得到更有利于分类的独立分量.这里,主要考虑类内散布度对分类的影响,并推导出新的独立分量迭代公式,将其应用到人脸识别问题中.通过在3个标准的人脸数据库上的实验表明,监督式ICA方法在识别率和识别时间上都优于传统的ICA方法.     

基于KSVD和PCA的SAR图像目标特征提取

提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。     

基于加权小波变换和2D-PCA的人脸识别改进算法

基于小波变换的人脸识别方法通常将图像变换成低频和高频信息,传统的人脸识别算法大多数都是基于小波变换后的低频信息,没有充分利用高频信息,造成了高频信息中对识别有利信息的丢失. 本文提出了一种基于加权小波变换和2D-PCA的人脸识别改进算法. 首先基于二维离散小波(2D-DWT)对图像进行二层小波变换,将所得的低频信息和水平、垂直和对角高频信息进行加权融合. 在此基础上,采用二维主成分分析(2D-PCA)方法进行特征提取; 最后采用最近邻分类器进行分类识别. 基于ORL标准人脸数据库的实验结果表明,本文提出的方法比传统的2D-PCD识别算法和2D-DWT+2D-PCA识别算法有更好的识别效果,且人脸受光照等因素的影响表现出良好的鲁棒性.     

用小波变换和Fisher判别对人脸进行特征提取

提出了一种用小波变换和核函数Fisher判别对人脸进行特征提取的方法.同传统的特征提取方法相比,用核函数Fisher判别进行特征提取,不仅可以对人脸图像进行维数压缩,而且还可以有效利用提样本的类别信息.同时,用小波变换对人脸图像进行预处理以降低计算复杂度.同传统的Fisher变换相比,可以较好地解决人脸识别这一非线性问题.实验结果表明方法是有效的.     

基于ARM的人脸特征提取与辨识

本文设计了一种基于RFIC和人脸识别的ARM嵌入式安全认证系统。深入地分析人脸识别过程中的预处理,以及PCA和LDA等特征提取方法,利用MATLAB对人脸识别算法仿真,并比较特征向量个数以及分类器等因素对识别率的影响。     

基于数学形态学腐蚀运算的人脸特征提取

采用基于数学形态学腐蚀运算来获得人脸图像的灰度距阵,然后用K-L变换来提取人脸图像的灰度特征,从而形成形态特征眼和形态特征脸.     

基于二维人脸图像的特征提取技术研究

针对目前人脸识别中特征提取的技术特点,提出了一种基于二维人脸图像的特征提取方法,利用肤色分析及灰度投影对二维人脸的关键特征点进行定位、分析并提取.经实验证明,此方法能够对人脸区域的特征点实现准确、可靠的定位.     

基于小波变换的人脸表情特征提取

首先通过直方图均衡化处理增强图像的整体对比度,使图像的细节更加清晰.通过离散余弦变换来降低图像特征维数、去除冗余信息、保留重要的低频信息.然后利用Gabor小波变换,选取不同的尺度和方向对人脸表情特征进行提取.最后通过实验结果对比证明预处理后的图片在进行小波变换时能节省大量的运算时间.     

基于稀疏张量的人脸图像特征提取

在多线性主成分分析(Multi-linear principal component analysis,MPCA)的基础上提出了用于特征提取的稀疏张量主成分分析(STPCA)方法。该方法把MPCA中的特征值分解问题转化为线性回归问题,以此得到稀疏的投影矩阵,并通过该投影矩阵来降低遮挡对特征提取效果的影响。最后在Georgia tech和AR人脸库上进行对比实验,结果表明:本文方法无论在识别的精确度上还是在对遮挡的鲁棒性上都优于原有的MPCA算法。     

改进的主成分分析和最近邻的人脸识别方法

在传统的主成分分析特征提取中,直接求解特征空间是很困难的,同时也是非常浪费资源,为优化这一问题,该文提出了改进的主成分分析特征提取。在人脸特征提取中,同时还选择了适当的主分量数,用于提高分类识别的速度。在人脸分类识别的过程中,分类策略选取最邻近分类器,通过计算最短欧几里得距离来分类识别测试样本。通过十折交叉验证方法验证了改进的主成分分析和最邻近分类的有效性。     

基于组合特征判别分析的三维人脸识别算法

针对人脸识别中特征表示与提取问题, 提出了一种新颖的基于组合特征判别分析的三维人脸识别算法.该算法首先使用基于非均匀网格重采样的方法对所有三维人脸做规格化处理, 使三维人脸具有统一的点数和拓扑结构;其次, 以先分段、再重叠的形式将原本一维向量表示组织为二维矩阵表示, 然后使用二维线性判别分析方法 (2DLDA) 对获得的数据进行特征抽取.这种方法在避免图像信息的丢失、增加组合特征的同时, 理论上也能避免单纯使用线性判别分析 (LDA) 进行特征抽取时容易出现的小样本问题.在BJUT-3D大规模三维人脸数据库上的实验表明, 本方法取得了良好的识别效果.     

基于鉴别矢量角嵌入的人脸识别

针对基于构造邻接图的降维人脸识别问题,提出了一种鉴别矢量角嵌入的识别方法.构造了一幅有正/负连接边的邻接图,同类样本之间为正连接边,不同类样本的k近邻为负连接边.连接边权系数的测度采用矢量角代替矢量模,不但省去了传统方法中对热核权函数t参数的估计,而且降低了由于图像样本间的亮度差异对识别率造成的影响.样本数据保持邻接矢量角从高维空间嵌入至低维子空间,在分类识别中采用了角度最近邻分类器.Yale库和UMIST人脸库上的人脸识别实验结果表明,该算法比其他算法有更好的识别率.     

基于改进的核判别分析的人脸识别算法研究

由于目前面临光照、表情、姿态等影响,人脸识别是计算机视觉领域中的一个难题.由于人脸图像蕴含着丰富的纹理信息,充分利用纹理特征也是提高人脸识别算法的有效方法.利用图像处理中信号处理和学习两种方法的优势,提出了基于Gabor小波和KDCV相结合的图像特征提取算法.首先利用小波分析提取人脸图像的纹理特征,然后用改进的核判别分析方法对提取的纹理特征进行降维,用降维后的数据作为人脸识别的特征.通过仿真实验表明,改进的核判别分析算法可有效提高人脸识别正确率,提高算法的实际应用性.     

基于相关鉴别分析和随机森林的人脸识别方法

本文研究了人脸识别应用中的"维数灾难"问题。针对经典欧式距离不能较好刻画高维空间中样本间相似性特征,我们引入了相关系数鉴别分析方法,在高维空间中,基于相关系数提取鉴别特征,实现了人脸样本的维数约简。本文实验结果表明,该方法在小规模及大规模数据集上均具有较好的性能。     

Feature Extraction of Radar Range Profiles Based on Normalized Central Moments

The normalized central moments are widely used in pattern recognition because of scale and translation invariance. The moduli of normalized central moments of the 1-dimensional complex range profiles are used here as feature vector for radar target recognition. The common feature extraction method for high resolution range profile obtained by using Fourier-modified direct Mellin transform is inefficient and unsatisfactory in recognition rate And. generally speaking, the automatic target recognition method based on inverse synthetic aperture radar 2-dimensional imaging is not competent for real time object identification task because it needs complicated motion compensation which is sometimes too difficult to carry out. While the method applied here is competent for real-time recognition because of its computational efficiency. The result of processing experimental data indicates that this method is good at recognition.     

基于直接LDA的人脸识别方法研究

为了研究加权的类间离散度矩阵对人脸识别率的影响以及寻找影响识别率的因素,分别采用零空间投影法和非零空间投影法直接求解Fisher准则线性判别问题。零空间投影保留最具判别能力的样本类内离散度矩阵的零空间,非零空间投影保留样本类间离散度矩阵的非零空间,两种方法都很好地避免了高维小样本问题。通过对Yale人脸库的图像进行试验,结果表明类内离散度矩阵的零空间投影法要优于类间离散度矩阵的非零空间投影法,而加权值修正对识别率的影响并不明显,它的应用是有一定前提条件的。     

基于二维线性判别分析的彩色人脸识别

为了提高人脸识别的准确率,提出了一种基于二维线性判别分析的彩色人脸识别算法,直接对彩色人脸图像不同通道的颜色信息进行编码,采用矩阵表示模型描述人脸对象;融合人脸的类别特征,采用二维线性判别分析的算法提取彩色人脸的分类特征;根据投影后的特征矩阵,采用最近邻分类的算法进行人脸识别.利用CVL和CMUPIE彩色人脸数据库进行实验.结果表明,本文提出的彩色人脸识别算法能有效地提高人脸识别的准确率,明显优于对比的算法.