基于变换域特征提取和模拟退火法特征选择的人脸识别

为了提高人脸识别系统的性能,提出DWT双边子带频域特征提取和模拟退火优化算法的特征选择。首先,运用DWT、DFT和DCT组合变换,用于人脸图像表情、姿态、平移和光照不变特征的有效特征提取。人脸图像DWT变换后,选择近似系数分量和水平系数分量[CA CH]为小波特征,经DFT变换后,利用四椭圆模板取出DFT低频高幅值系数,经DCT压缩得到人脸图像的特征系数。其次,利用模拟退火优化算法进行特征选择,在特征系数空间搜索特征子集进行人脸识别。实验仿真说明了该方法的有效性。     

基于Gabor小波特征的人脸识别算法研究

二维Gabor小波变换对图像边缘敏感,具有良好的方向选择性和尺度选择性,而对光照变化不敏感.本文提出了一种新型的Gabor特征人脸识别方法.该方法通过Gabor小波变换进行精确的人脸眼睛坐标定位,选取有利的人脸识别特征区域,通过构造新的Gabor小波特征,采用最近邻分类器对该特征进行分类.本文将该方法在YALE人脸库上进行了人脸识别实验,结果表明了该方法的有效性.     

基于小波变换的人脸检测

提出了一种基于二维离散小波变换的人脸检测算法。该算法采用Haar小波计算小波脸,导出了提取人脸特征向量的相应公式,利用感知准则训练线性分类器进行分类判决。在4个不同的人脸数据集上与特征脸方法进行了比较。结果表明,该算法的计算效率和检测精度均优于特征脸方法。     

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.     

基于PCA变换与小波变换的多源图像融合算法

在多尺度分解的框架下,针对像素级的多源图像融合,提出一种基于PCA变换与小波变换的图像融合算法。首先将低分辨率的多光谱图像进行主分量变换,得到各主分量;然后将高分辨率图像的信息与第一主分量进行融合,得到新的融合了高分辨率图像信息的第一主分量;最后新的第一主分量与其他主分量进行反变换,得到一幅具有高空间分辨率的多光谱图像。     

基于光照或表情变化的人脸识别算法

对在光照和人脸表情发生各种变化的环境下,用Coiflet小波包和Radon变换两种简单算法从一些灰度级图像数据库中进行人脸识别.这两种算法都能将二维灰度级的人脸图像培训集转换成各自的深度图或物理形态,随后转化为Coiflet小波包和Radon变换,用于特征提取的计算.实验表明,这种转换过来的形态特征对光照和人脸表情的变化具有鲁棒性.     

Gabor特征均值的子空间人脸识别算法的改进

针对人脸图像局部特征提取不充分的问题,在基于子空间分析的人脸识别算法中,提出了在线性和非线性空间中实现基于2DGabor均值的子空间人脸识别算法.首先,根据人脸图像的5个特殊区域,对人脸图像进行分块处理,分别对每一块进行2DGabor运算,并把每个训练样本相应像素点得到的特征矢量取均值,得到图像的特征向量,然后在线性和非线性空间中利用2DPCA(two-dimensional principle component analysis)和KDA(kernel fisher discriminant analysis)对特征向量进行降维处理,最后利用最近邻分类器和支持向量机分类器SVM(support vector machine)进行特征分类与识别,通过对ORL和FERET标准人脸库图像进行的实验仿真即对比结果表明,基于2DGabor均值的方法不仅提高识别率,而且对于人脸光照、姿态和表情变换均具有良好的鲁棒性.     

基于水平分量优先原则的RDW-LBP人脸识别算法

首先分析了人脸图像不同的方向性细节对识别率的影响,提出了水平分量优先原则。结合该原则提出了一种基于多尺度区域性-方向性加权的规范型二元局部纹理描述算子RDW-LBP的鲁棒人脸识别算法。算法通过多尺度Haar小波分解,提取多级尺度分量和含有最多有效识别细节的一级水平细节分量,组成待分析系数子图矩阵M。计算矩阵M的RDW-LBP纹理特征图谱,结合子区域剖分,连接子区域特征共同组成人脸图像特征向量,最后使用基于Chi-Square距离的分类器进行识别。     

一种特定条件下的人脸识别系统

人脸识别是模式识别领域中的一个困难而又具有实际应用价值和广阔应用前景的研究课题,文中用投影法分割人脸图像,采用自适应多主元提取算法提取人脸的主要分量特征,设计了一个组合分类器进行人脸的识别,实验结果表明本文所采用的识别算法在特定的部门或场合,对少数人员（目标）身份的准确识别非常有效。     

融合肤色模型与小波变换的人脸检测算法

针对目前人脸检测误检率高的问题,提出了一种融合肤色模型与小波变换的新算法．该算法采用肤色模型确定人脸的可能位置,然后分别对人眼和嘴巴进行检测,最终确定人脸位置．其中眼睛位置在小波变换后根据几何位置进行检测,嘴巴位置采用Fisher分类器检测．这一新算法实现了在复杂背景中单人脸快速、准确定位．与传统的YC_bC_r肤色模型检测算法相比,新算法将颜色空间与小波变换、Fisher分类相结合,提高了检测精度．实验表明,该算法的正确检测率为91％,误检率仅为2％．     

遗传算法与ICA相结合的多姿态人脸识别算法

为了解决多姿态人脸识别问题,提出了基于独立成分分析（ICA）进行正面人脸合成的新方法。首先利用ICA提取不同姿态人脸的特征子空间,然后利用遗传算法（GA）优化不同姿态的特征子空间,最后利用通过训练得到的姿态转换矩阵得到代表待合成的正面人脸特征系数,并直接进行分类比较。通过实验,验证了新方法对人脸识别率有较大的提高,并进一步简化了识别过程。     

基于LLE和SVM的人像识别方法

在人像识别方面,传统的特征提取方法大都是线性的,不能很好地保持样本的拓扑结构。支持向量机能提高学习的泛化能力,防止过学习,是一种很好的分类器。为此,提出一种增强的LLE（Locally Linear Embedding）和SVM（Support Vector Machine）结合的人像识别方法,采用PCA（Pfincipal Component Analysis）与LLE相结合算法,对光照归一化处理过的人脸图像进行特征提取,利用SVM的分类机制对人脸图像样本集进行训练和识别。在ORL（Olivetti Research Laboratory）人脸数据库上实验表明,该算法稳健、快速,识别率达到了90％以上。     

零空间边界Fisher分析法及其在人脸识别中的应用

边界Fisher分析（MFA）是一种有效的特征抽取方法,但在人脸识别的应用中会遭遇小样本问题。基于此,提出一种利用零空间法求解MFA优化准则的算法。该算法通过在MFA的类内散度矩阵的零空间中最大化MFA类问离散度得到最优投影向量,从而避免MFA方法所遇到的小样本问题,同时也保留了包含在类内散度矩阵零空间中的鉴别信息。在标准人脸库上的识别实验结果表明,该算法的识别率高于LDA和MFA,并且较容易选择其最优低维特征空间的维数。     

基于生成树的人脸识别

为了提高人脸识别的准确率,研究了基于生成树核的人脸识别.定义了最大生成树的概念,7个生成树核和3个基于直方图核和生成树核的复杂核,并给出了人脸图像的图示,阐述了人脸图像转化成图的过程.实验结果表明,生成树核的性能优于通路核.     

融合小波变换和张量PCA的人脸识别算法

张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率．小波变换具有良好的时频分析特性,同时还能起到降维的作用．综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别．仿真结果表明,新算法的识别率比张量PCA方法提高了6％,识别时间为张量PCA方法的35.74％．     

基于皮肤模板和改进HMM的自动人脸识别系统

介绍一种基于隐马尔可夫模型(hidden Markov module,HMM)的人脸识别系统,该系统对人脸采用普通网络摄像头实时检测,通过皮肤模型进行背景去除,并用改进后的HMM算法进行识别. 实验结果表明,改进后的HMM算法能提高原HMM算法的准确率,采用皮肤模板对检测到的人脸进行精确定位后,进一步提高了识别算法的准确度.     

基于小波子空间集成的人脸识别

基于小波变换的人脸识别方法通常选用低频子图进行人脸识别,这样会丢失其他子段图像中的识别信息。针对这一问题,提出了两种小波子空间集成人脸识别方法并与其他相关方法进行了实验比较。第1种方法集成每1层小波低频子空间图像进行人脸识别;第2种方法首先对人脸图像做L层小波分解,然后对每1层的3个高频子空间图像求平均,连同每层的1个低频子空间图像得到L个小波子空间图像,最后集成这L个小波子空间图像进行人脸识别。本文提出的方法充分利用了不同频率小波子段图像的识别信息,能够提高人脸识别的精度。在ORL、YALE和JAFFE 3个人脸数据库上的实验结果显示,本文提出的方法特别是方法2在识别精度方面都优于其他方法。     

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.     

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法．该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决．在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3．5％～37．8％,有效提高了人脸识别算法的性能．