多姿态人脸图像合成

提出了一种从单张旋转人脸图像合成正面人脸图像的方法。首先把测试人脸图像表示为形状向量和纹理向量,用线性物体类的理论来合成正面形状和纹理,之后把测试图像的纹理和合成的纹理结合产生最终的正面纹理,最后应用分段三角形拉伸算法把合成的纹理和形状结合起来,生成了测试人脸的正面图像。实验结果表明,该方法能有效地从单张旋转人脸图像合成正面人脸图像,合成正面人脸图像使识别率大幅提高。     

改进的旋转不变区域纹理谱描述符

针对区域纹理谱描述符不具备旋转不变性的问题,引入了旋转不变算符,对局域纹理谱描述符进行了改进.采用区域纹理谱直方图捕述图像统计纹理特征,采用局部旋转不变量描述不同区域变化特征,然后融合两种特征作为索引并进行图像检索.采用3种不同类型的图像库对本文方法的检索效果进行了详细比较.实验结果表明,本文提出的旋转不变纹理谱描述符...     

采用新型纹理特征的2DLDA人脸识别算法

针对现有基于纹理特征的人脸识别算法中纹理特征维数偏大且对噪声较敏感等不足,提出了用于描述人脸图像大尺度局部特征的中心四点二元模式（Center Quad Binary Pattern, C-QBP）和用于描述图像小尺度局部特征的简化四点二元模式（Simplified Quad Binary Pattern, S-QBP）两种互补的新型纹理特征。在此基础上,实现基于新型纹理特征的2DLDA人脸识别算法。首先对人脸图像进行多级分割,再对所产生的图像块提取C-QBP和S-QBP纹理特征,构建纹理特征矩阵。最后,采用2DLDA子空间学习算法实现基于新型纹理特征的人脸识别。实验结果表明,本文所提出的人脸识别算法的识别率明显高于其他基于纹理特征和子空间学习的人脸识别算法。当每一类训练样本数统一设置为5,特征维数为48×4时,在ORL人脸库上,本文所提出的人脸识别算法的识别率达98.68%;在YALE人脸库上,特征维数为48×36时,识别率达99.42%;在FERET人脸库上,特征维数为48×26时,识别率为91.73%。      

多分辨率自回归纹理模型

本文提出了多分辨率自回归纹理模型(MRSAR和MRRISAR),设计了多分辨率旋转不变自回归模型(MRRISAR)纹理分类系统。实践证明:MRRISAR纹理分类系统具有分类能力强、适用范围广、旋转不变性好,速度快等特点。     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

一种新的旋转不变纹理特征

所谓旋转不变纹理特征是指不论纹理图象是从哪个角度拍摄的,只要是同一种纹理那么这种特征就是不变的。这也是人类视觉系统的一种特征。本文基于方向测度特征及循环AR模型提出一组旋转不变的纹理特征,它能够比较准确地提取纹理的粗细度特征、方向性强度特征及各向同性特征。本文还通过实验结果证明了这组特征的有效性。     

基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征,子波包特用ＢＰ神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

基于子波变换的纹理图像分类

本文用子波变换的方法描述了纹理图像多尺度、多方向的特性,提出了适合于纹理图像分类的新的子波特征。通过对其稳定性和视觉特性的详细分析,指出此特征优于传统的能量特征。文章最后结合九类自然纹理图像,分别基于标准子波特征、子波包特征用BP神经网络进行了分类识别。实验结果表明,在无噪声情况下,对自然纹理图像可无误差分类;在有噪声情况下,正确分类识别率高,表现出强的稳定性。     

基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU, MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。     

一种适用于指纹识别ASIC的图像旋转算法

研究了指纹图像旋转预处理对基于相关系数原理的自动指纹识别系统(AFIS)的正确识别率的影响，证明指纹图像旋转对确保指纹识别系统的安全性是必要的。进而提出了一种新颖的易于用专用集成电路(ASIC)实现的图像旋转预处理算法。该算法简洁有效，能以较低的硬件实现代价，换取正确识别率的极大提高。实验中实现了该算法，并应用于已有的未做图像旋转预处理的AFIS。实验结果表明，在相同条件下，其正确识别率可提高46．64％。     

基于LBP-GLCM纹理特征提取的服装图像检索

提出了一种针对服装图像检索的LBP-GLCM纹理特征提取方法,首先利用Uniform-旋转不变局部二值模式算法处理服装图像,得到不会因为旋转而改变的编码图像,然后获取此图像的灰度共生矩阵,采用能量、对比度、相关性和均匀性描述图像的纹理特征.实验数据表明,LBP-GLCM纹理特征提取方法具有良好的抗旋转性,且在采用欧氏距离作为相似性度量时,LBP-GLCM相较于GLCM纹理特征提取方法可以获得更高的检索效率和准确率.     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

用于虹膜特征提取的Gabor滤波器参数选取方法的研究

分析了Gabor滤波器各参数在纹理特征提取中的作用,建立起一套完整的适用于虹膜纹理特征提取的滤波器分析与参数选择方法.该方法通过纹理宽度确定Gabor滤波器的频率调制因子,冉根据其它参数与频率调制因子的关系确定各参数取值.实验结果证明依据本文方法设计的滤波器组提取虹膜纹理特征效果好,可以达到比较高的识别率.     

基于小波压缩域的统计纹理特征提取方法

本文提出了一种基于相邻尺度子带间统计特性的、可直接在小波压缩域操作的纹理特征提取方法.主要思想是依据小波压缩域各子带相应空间位置的系数间存在着明显的相关性,提取反映这种依存关系的纹理特征.在提取特征时采用与压缩标准兼容的技术,可在部分解压的情况下,实现压缩域纹理图象的快速分类.实验结果表明提出的方法优于现有常用方法,计算速度明显提高.尤其是和传统的子带能量特征相结合时,可取得最好的分类识别率.     

基于纹理识别的图像鉴伪技术研究

提出了一种基于纹理特征识别的国徽图像鉴伪技术。先通过模板匹配对二值化后的国徽图像外沿进行定位,并根据圆圈的中心位置确定左右两个纹理特征比较明显的识别区域,然后采用共生矩方法进行纹理识别。实验结果表明,纹理特征惯性矩能很好地反映国徽图像中网格的清晰度,具有对真钞和假钞较好的可区分性,鉴伪识别率近94%,此方法对钞票鉴伪行之有效。     

基于多尺度LBP和SVM的掌纹识别算法研究

为了提高掌纹识别算法识别率,降低特征向量维数,采用基于关键点定位对掌纹进行预处理,利用双向直方图均衡化增强掌纹图像的对比度和纹理细节。使用纹理频谱度量的方法寻找掌纹主线方向,确定Ga-bor滤波器的方向参数,在此基础上,结合多尺度的LBP算子对Gabor变换后的掌纹特征进行提取。最后利用GA优化SVM参数的方法对掌纹图像进行分类。实验结果表明,本文算法能够获得高达97.5%的正确识别率。     

一种新的多尺度旋转不变性纹理特征提取方法

提出一种基于局部Walsh谱(LWS)的多尺度旋转不变性纹理特征提取方法。首先通过比较每个像素点与邻近点的灰度值生成局部二值序列,然后计算局部二值序列的离散Walsh-Hadamard变换(DWT)的功率谱,最后采用功率谱的各谱点值构成特征直方图描述纹理特征。通过选择不同半径和采样点的局部二值序列可以得到不同尺度下的纹理特征,利用DWT功率谱的循环移位不变性可实现纹理特征的旋转不变性。纹理分类实验结果表明:与灰度共生矩阵(GLCM)、Gabor滤波器组等纹理特征相比,LWS在纹理鉴别能力和计算时间上具有较明显优势;与局部二值模式(LBP)相比,LWS在纹理分类准确率和旋转不变性方面均优于LBD。     

基于小波压缩域的统计纹理特征提取方法

本文提出了一种基于相邻尺度子带间统计特性的。可直接在小波压缩域操作的纹理特征提取方法．主要思想是依据小波压缩域各子带相应空间位置的系数间存在着明显的相关性，提取反映这种依存关系的纹理特征．在提取特征时采用与压缩标准兼容的技术，可在部分解压的情况下，实现压缩域纹理图象的快速分类．实验结果表明提出的办法优于现有常用方法，计算速度明显提高．尢其是和传统的子带能量特征相结合时，可取得最好的分类识别率．     

基于小波包和分形相结合的纹理分类

纹理是图像内容的重要特征之一,纹理图像分类中最重要的步骤是纹理特征的提取。纹理图像利用空间-频率域分析法时,纹理特征主要集中在中、高频段,纹理图像边缘包含着丰富的纹理特征信息。利用小波包和分形相结合的方法提取纹理特征值进行纹理图像分类,实验结果表明此算法是合理有效的,纹理分类的正确识别率较高。     

空中手写识别的姿态矫正算法研究

空中手写识别是一种新型的手写识别方式,有广泛的应用前景.它的数据来源于加速度传感器、陀螺仪和磁力传感器.其中陀螺仪和磁力传感器的数据是姿态相关的,而加速度传感器用于表达相对运动趋势,是手写信息的主要载体.由于加速度传感器的参考坐标系总是在变化,为了获得理想的空中手写识别率,必须要对原有的加速度进行姿态矫正.本文提出了一种通过磁通量和加速度确定姿态并使用基于角速度的等效旋转矢量三子样算法进行姿态补偿的姿态矫正算法(等效旋转矢量三子样算法).此算法将加速度归一到同一个标准坐标系下.实验以支持向量机(SVM)作为识别算法,比较不同姿态矫正算法对空中手写识别率的影响.实验结果表明与其它姿态矫正算法相比,使用本文提出的姿态矫正算法得到更高的识别率.