基于LRC与多样本扩充的指静脉识别方法北大核心CSCD

针对目前手指静脉识别由于训练样本不足引起图像识别率低的问题,提出基于线性回归分类(linear regression classification,LRC)与多样本扩充的指静脉识别方法。首先,利用矩阵变换生成原始图像的镜像,训练原始图像与镜像,增加指静脉图像中包含的有用信息;然后,基于LRC对测试和训练样本进行分类;最后,通过计算偏差得到最终分类结果,求出识别率。此外,设计了一种指静脉采集装置收集得到自建指静脉数据库。实验结果表明:所提算法在自建指静脉数据库、山东大学指静脉数据库、马来西亚理工大学指静脉数据库上的识别率分别达到98.93%、98.89%、99.67%,最低等误率为2.3888%。实验结果与其他传统和流行算法相比具有明显优势,拥有良好的实际应用价值。     

基于三元采样图卷积网络的半监督遥感图像检索

该文提出了一种基于三元采样图卷积网络的度量学习方法,以实现遥感图像的半监督检索。所提方法由三元图卷积网络(TGCN)和基于图的三元组采样(GTS)两部分组成。TGCN由3个具有共享权重的并行卷积神经网络和图卷积网络组成,用以提取图像的初始特征以及学习图像的图嵌入。通过同时学习图像特征以及图嵌入,TGCN能够得到用于半监督图像检索的有效图结构。接着,通过提出的GTS算法对图结构内隐含的图像相似性信息进行评价,以选择合适的困难三元组(Hard Triplet),并利用困难三元组组成的样本集合对模型进行有效快速的模型训练。通过TGCN和GTS的组合,提出的度量学习方法在两个遥感数据集上进行了测试。实验结果表明,TGCN-GTS具有以下两方面的优越性：TGCN能够根据图像及图结构学习到有效的图嵌入特征及度量空间;GTS有效评估图结构内隐含的图像相似性信息选择合适的困难三元组,显著提升了半监督遥感图像检索效果。     

基于面部关键点和图卷积的表情识别方法

针对现有人脸表情识别方法对于面部细节处的局部特征关注度不足的问题,提出了基于面部关键点和图卷积的人脸表情识别方法CGNet。CGNet将面部图像按面部器官进行分割得到多个分割图像,提取分割图像的多尺度特征并引入空间注意力机制提取细节信息,提升网络对于面部细节的关注度;提取人脸关键点,利用图卷积网络提取出人脸面部的结构信息,提升网络对高维度特征的表示能力。实验结果表明,CGNet是一种高效的表情识别算法,能够获得更有效的面部特征,提高识别准确率。     

改进GCNs在指静脉特征表达中的应用

基于图模型的指静脉全局特征表达方法不仅可以降低成像质量对采集设备的依赖性,还能提高匹配效率。针对于目前指静脉图模型的研究中存在的图结构不稳定,匹配效率随图模型的变大而降低的问题,本文提出了一种基于SLIC(Simple Linear Iterative Clustering)超像素分割算法构建加权图的方法,并改进ChebyNet图卷积神经网络(Graph Convolutional Neural Networks, GCNs)提取加权图的图级(graph-level)特征。针对指静脉样本数普遍较少,而ChebyNet中卷积网络参数量较大容易造成过拟合以及其快速池化层不能自适应地选择节点的问题,本文提出了全局池化结构的改进GCNs模型SCheby-MgPool(Simplified Cheby-Multi gPool)。实验结果表明,本文提出的方法提取的指静脉特征在识别精度,匹配效率上都具有较好的性能。      

指静脉红外图像特征不变性编码新方法

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势,成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像,加之手指内部其他组织的固有影响,图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合,重点研究一种新的对称邻域交叉图结构,将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图,充分表达像素点周围邻域的位置信息和梯度信息,具有良好的旋转不变性。实验结果表明:提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能,对图像姿态变化更鲁棒。     

基于空间注意力与图卷积的多标签图像分类算法

针对传统多标签图像分类模型存在难以生成更接近相关标签的高层图像特征,以及因未能利用标签之间的视觉相关性而导致的识别精度不够高等问题,提出了一种基于空间注意力与图卷积的多标签图像分类算法.首先,利用图卷积网络学习标签邻接图特征和使用GLOVE算法,从标签序列获取的标签嵌入;其次,在高层语义信息中引入改进的空间注意力网络以...     

基于特征选择和图卷积表示的JPEG图像隐写者识别

针对JPEG图像隐写检测特征维度过高,导致用户间距离计算复杂且隐写者识别性能下降的问题,提出了一种基于特征选择和图卷积表示的JPEG图像隐写者识别方法。首先,提取每个用户图像集的隐写检测特征并度量特征的可分性,从中选取高可分的特征子集;接着,将用户表示为图结构,选取的高可分特征作为图中节点表示,通过训练图卷积神经网络来获得用户特征;最后,考虑类间可分性和类内聚集性,学习到能更大程度捕捉用户差异的表征,提高识别性能。基于常用的BOSSbase-1.01和BOWs图像库的大量实验结果表明,针对利用ns F5、UED、J-UNIWARD等多种主流JPEG隐写方法在图像上嵌入秘密信息的隐写者,所提方法在降低特征维度和计算开销的前提下,多种嵌入比率下的识别准确率均在80.4%以上,并且在低嵌入比率下识别准确率具有明显优势。     

基于底层特征提取的手背静脉识别方法研究

作为生物特征识别技术之一,手背静脉识别技术提高了解决身份识别安全问题的便利性和准确性。针对手背静脉识别中特征提取困难、识别率低等问题,文中研究了人体手背的静脉识别方法并进行了系统化设计。采集人体手背静脉的图像,使用采集到的图像建立数据库,并对图像进行预处理;对手背图像进行Gabor滤波特征提取,采用二次匹配方法匹配图像,利用MATLAB软件实现编程语言中手背静脉图像的特征识别;针对目标需求,研究手背静脉血管的身份识别算法,并对现有算法进行改进,从而满足高效智能手背静脉血管自动身份识别设计需求。从实验结果可以看出,文中所使用的方法在识别率上有所提高,具有广泛的应用前景。     

基于信息融合的信号调制方式识别

本文利用信息融合技术,给出了多系统调制识别方法.单个系统利用高阶累积量构造识别特征.数据加权、特征平均、最小距离方法分别用于多系统数据层、特征层和决策层的融合.仿真结果显示多系统的调制正确识别率高于单系统的正确识别率,其中基于数据层融合的正确识别率高于基于特征层和基于决策层融合的正确识别率.说明信息融合有助于提高调制识别性能.     

基于神经网络的性别识别方法

针对目前性别识别方法中的人体第二性特征提取困难、识别率低、鲁棒性差等问题,提出了一种基于神经网络的性别识别方法,并得到了基于人脸图像的性别识别分类器。文中先将人脸图像进行高斯滤波,再将预处理后的图像归一化用于训练BP神经网络,以得到性别识别分类器,最后将分类器与传统的性别识别方法进行比较。实验结果表明,通过文中方法实现了人体第二性特征自动提取,提高了分类器的容错能力和识别率,增强了鲁棒性。     

深度学习的MPCANet火灾图像识别模型设计

针对火灾发生时,火灾图像背景复杂、人工特征提取过程繁琐、对火灾图像的识别泛化能力不强、容易出现精度不高、误报和漏报等问题,提出了张量对象特征提取的多线性主成分分析（Multilinear Principal Component Analysis,MPCA）深度学习算法的火灾图像识别新方法。利用MPCANet建立火灾图像识别模型,通过MPCA算法学习滤波器作为深度学习网络卷积层卷积核,对张量对象的高维图像进行特征提取,并把蜡烛图像和烟花图像作为干扰。通过仿真实验并与其他火灾图像识别方法对比得到提出的图像识别方法识别精度达到了97.5%、误报率1.5%、漏报率1%。实验表明:该方法可以有效解决火灾图像识别存在的问题。     

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.     

手指静脉图像血管网分形修复方法

由于生物组织对近红外光具有高散射效应，手指静脉红外透射成像质量往往较差，血管网络存在信息残缺。为了解决指静脉血管残缺问题，本文提出一种基于分形的手指静脉红外图像血管网络修复方法。首先，利用多尺度Gabor滤波对指静脉图像增强，进而提取血管骨架；其次，利用Gabor滤波得到的方向特征对血管网络进行结构预修复；接着采用K均值聚类方法提取指静脉结构的父子血管长度比特征，将其作为一种分形特征；然后，利用该特征计算缺损血管长度；最后，建立血管点移动模板，通过统计相邻血管点位置移动概率实现血管形态模拟及网络修复。实验结果表明，本文方法可以实现指静脉图像局部残缺区域的修复，从而提高手指静脉识别精度。      

手指静脉红外图像血管网络修复新方法

由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法.通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进...     

基于体素化图卷积网络的三维点云目标检测方法

针对激光雷达点云的稀疏性和空间离散分布的特点,通过结合体素划分和图表示方法设计了新的图卷积特征提取模块,提出一种基于体素化图卷积神经网络的激光雷达三维点云目标检测算法。该方法通过消除传统3D卷积神经网络的计算冗余性,不仅提升了网络的目标检测能力,并且提高了点云拓扑信息的分析能力。文中设计的方法在KITTI公开数据集的车辆、行人、骑行者的3D目标检测和鸟瞰图目标检测任务的检测性能相比基准网络均有了有效提升,尤其在车辆3D目标检测任务上最高提升了13.75%。实验表明:该方法采用图卷积特征提取模块有效提高了网络整体检测性能和数据拓扑关系的学习能力,为三维点云目标检测任务提供了新的方法。