基于改进局部二值模式及特征融合的人脸表情识别

局部特征描述算子在表情识别领域有着广泛的使用。通过对现有表情识别算法的的研究,针对传统局部二值模式(LBP)算法只考虑领域像素和中心像素点的关系,而忽略了领域像素之间的相互影响。而中心对称局部二值模式(CS-LBP)只考虑了中心对称像素之间的影响。结合LBP和CS-LBP特点出了一种改进的LBP算法,实验结果表明改进的LBP算子利用像素点更充分,能更好的表达特征。针对单一特征很难准确描述原始图片的信息,又提取了图像的Gabor特征,分别与提取LBP特征和改进的LBP特征进行特征融合,使提取的特征更加丰富详细。分类算法中考虑到SVM具有强大的非线性分类能力,将提取的特征与SVM分类器进行结合,在公开表情数据集CK+上采用留出法进行验证,准确率达到95.77%,实验结果表明该方法优于传统的表情识别算法。     

改进局部二值模式在磨粒图像识别中的应用

局部二进制模式(LBP)是一种有效的图像纹理描述算子,但传统的LBP算子的二进制序列是通过邻域内各像素的灰度值与邻域中心像素灰度值的比较得出的,这种比较过于简单容易导致纹理信息的丢失。提出一种改进的LBP算子来提取图像的纹理特征,并将其应用于严重滑动磨粒、疲劳剥块和层状磨粒3种典型磨粒的识别中。结果表明:与其他算法相比,提出的算法能更有效地提取磨粒的纹理特征,提高了识别精度。     

基于网格纵横局部二值模式的三维人脸识别

提出一种基于网格纵横局部二值模式的三维人脸识别方法。为了充分体现人脸表面的细节差异,有效表示出由表情引起的局部形状变化,本文首先在人脸网格表面的半刚性区域内检测关键点集,并且由关键点确定中心面片,由中心面片及其周围有序环确定关键点邻域;其次将网格上中心面片及其周围有序环看成一个整体,从纵向(相邻环上对应面片之间)和横向(同一环上相邻标号面片之间)分别提取网格纵向局部二值模式描述符和网格横向局部二值模式描述符;然后对这两者进行特征融合得到网格纵横局部二值模式描述符;最后利用LC-KSVD2字典学习算法在Bosphorus数据库和FRGC v2.0数据库上完成识别实验。在Bosphorus数据库上各表情的平均Rank-1识别率为97.6%,在FRGC v2.0数据库上的Rank-1识别率为97.9%,该实验结果充分表明本文所提算法具有较高的识别精度,并且对表情变化具有一定的鲁棒性。     

二维Gabor小波在虹膜识别中的应用

二维连续小波变换具有尺度伸缩、平面位移和旋转能力,被广泛应用于检测图像的局部特性,二维Gabor小波变换属于二维连续小波变换,它非常适合于提取图像细节纹理的特征.针对虹膜纹理的局部特性,将二维Gabor小波应用于虹膜识别中.实验结果表明,二维Gabor小波能有效地提取虹膜纹理特征,从而达到虹膜识别的目的.     

基于序列图像提取稳定特征点的虹膜识别算法

为了尽可能降低不稳定特征点对识别率的影响,研究提出了基于序列图像提取稳定特征点的虹膜识别算法.该算法首先用二维Gabor滤波器对序列虹膜图像提取特征编码,然后对该序列特征编码求交集以提取稳定特征点,并利用这些稳定特征点建立虹膜的特征模板库,最后通过计算相似度,获得识别结果.在实验室采集的序列虹膜图库上,当等错率为0.3017%,分类阈值为0.6402时,正确识别率可以达到99.73%.实验证明该算法是有效、可行的,并更好地提高了虹膜的分类精度和改善了虹膜的识别性能.     

基于空域与频域稳定特征融合的离焦虹膜识别

针对扩大景深的定焦虹膜识别系统易引入不同程度的离焦虹膜图像,增加识别错误率的问题,提出稳定特征融合解决方案.以基于序列图像的离焦虹膜识别方法为分析和验证基础,通过对不同图像离焦程度下稳定特征在空域和频域分布规律的统计研究,确定基于单幅图像注册的稳定深点区域特征与稳定傅里叶低频相位特征的提取规则,并将二者在匹配分数级进行融合完成识别.在SUT-DI离焦虹膜数据库上的实验结果表明,与融合前基于单特征的以及基于序列图像的识别方法相比,该方法取得了更佳的识别性能,等误率最高降低7.77％,证明了该方法对于图像遭受光学离焦具有鲁棒性,能够为便捷式虹膜识别系统的开发提供技术支持.     

基于PCHIP-LMD的虹膜识别方法

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点,提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性,利用PCHIP-LMD对归一化的虹膜图像逐行分解,得到不同尺度的分量图像;通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配,得到匹配向量。最后计算匹配向量的改进标准差,用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明：该方法消除了虹膜特征提取时的高频噪声,有效提取了图像的二值特征,与EMD和LMD方法相比,识别速度,识别准确率和鲁棒性均有极大提高。     

基于局部二值差异激励模式的木材缺陷分类

针对木板表面裂缝和矿物线的区分问题,提出一种基于局部二值差异激励模式(LB_DEP)的方法。首先经预处理分割潜在缺陷区域,然后通过几何参数筛选呈线状的裂缝和矿物线。接着基于LBP与韦伯定律,建立反映图像纹理结构位置与差异激励关联关系的LB_DEP直方图。最后提取LBP和LB_DEP直方图特征,并融合特征数据,形成的特征向量作为SVM分类器的输入用于缺陷分类。提出的两种特征提取方法分别为"H-chi-square"法和"H-PCA"法,均在自建的数据集上进行了评估。结果显示,在两种特征提取方法下,本文算法分别获得了93. 7%和95. 8%的Recall,及95. 0%和96. 5%的Precision。与相似研究相比,Recall和Precision分别至少提高了3%和5%,且算法耗时均为毫秒级别,表现出方法的优势和有效性。     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

应用统计距离实现虹膜定位

提出了一种统计距离法(MCD)来提高虹膜识别效率。用MCD对虹膜边缘图像去噪,并建立了有效的虹膜内外圆定位方法。首先,用灰度求和找到瞳孔内一点,同时,使用Canny算子获得虹膜边缘图像,并根据所确定的瞳孔内的点来寻找虹膜内边缘上的3个边缘点。将这3个边缘点代入圆的方程即可找到虹膜内边缘。然后,根据虹膜内定位数据来消除虹膜外边缘图像中的噪声,再在去噪后的边缘图像中排除20%个与虹膜内圆圆心距离最远的边缘点。最后,使用一种改进的Hough变换来获得虹膜外边缘数据。实验结果表明:MCD的内定位时间和外定位时间分别是0.122 2s和0.242 4s,均比快速精确虹膜定位法(FAILA)低,且成功率为96.67%,高于FAILA。因此,MCD具有较高的精度和较快的速度,可提高虹膜识别的效率。     

一种基于相位一致性的虹膜识别方法

凭借虹膜自身的稳定性、非侵犯性、难更改性等优点,虹膜识别已经成为生物特征识别领域中的研究热点。但是在非侵犯性的虹膜识别系统所采集到的人眼图像中,虹膜环内的部分区域被眼睑或眼毛所遮挡,造成虹膜纹理的丢失。将被眼睑或眼毛遮挡的区域去掉之后,虹膜可用纹理区域的面积会低于100%。为了在这种情况下仍然能够提取出满足虹膜识别要求的特征,本文提出了一种基于相位一致性的虹膜识别方法。实验结果证明,该方法能够在虹膜可用纹理区域不完整的情况下提取出足够多的可区分性特征用于虹膜识别,并且具有0.137 0%的等错率和99.862 5%的正确识别率。     

基于相位一致性最大响应方向的虹膜识别方法

为了进一步提高虹膜识别的准确性,提出了一种基于相位一致性最大响应方向的虹膜识别方法.该方法对人眼图像进行图像预处理,得到归一化的虹膜图像;然后,提取像素对于相位一致性的最大响应方向作为可区分性特征,并将最大响应方向的序号编码为简单易处理的二进制虹膜代码;最后,通过计算两个虹膜代码之间的加权汉明距离衡量二者的差异,并给出识别结果.实验结果表明,该方法的等错率为0.871 5%,正确识别率为99.851 8%.与经典的虹膜识别方法相比,该方法具有更高的识别准确性.     

基于小波过零点位置不等长编码匹配的虹膜识别

传统的Boles小波过零点方法在特征匹配步骤需将不等长编码化为等长,再使用等长编码进行匹配。但造成编码不等长的原因十分复杂,将不等长编码强行化为等长十分困难,导致识别效果受到影响。针对此问题,提出了一种基于小波过零点位置不等长编码匹配的虹膜识别方法。在小波变换第4－8分解级每级下分别计算出小波过零点的位置作为编码后,使用了一种移位匹配方法直接对不等长编码求取距离,即将待匹配的两样本数据每进行一次相对移位计算一次距离,最后取最小距离作为两样本距离。在包含800张图片的虹膜图库上进行了实验,识别率达到97.70％,与Boles的小波过零点方法相比识别率提高5.16％,一次完整的特征提取及匹配只需不到0.2秒。能够很好的满足虹膜识别系统对实时应用的速度及识别率要求。     

基于类卷积神经网络的可见光虹膜识别方法

针对应用于智能移动设备的虹膜识别系统在可见光采集条件下虹膜图像受干扰严重使得识别率正确率降低和算法鲁棒性变差的问题,提出一种类卷积神经网络结合局部特征提取的虹膜识别方法。首先,采用暗通道图像去雾算法对归一化虹膜图像进行增强处理以减弱光干扰;然后,利用类卷积神经网络对图像进行降维,获得虹膜的二值化纹理信息;再经分块处理方法提取降维图像各区域局部虹膜纹理信息以构建特征向量;最后用欧氏距离分类器进行匹配识别。为验证算法性能,采用MICHE-I虹膜图库中由iPhone5拍摄所得的30人240张(每人4张室内和4张室外)虹膜图像进行测试,并与Gabor变换和主成分分析虹膜识别方法进行对比。结果表明,该方法在室内外图像均进行训练的条件下正确率能够达到98.33%,且对室内外不同光照变化干扰有较好的鲁棒性,上述性能皆优于Gabor变换和PCA算法。说明本文算法能够满足移动设备虹膜识别使用要求。     

基于Gabor与瑞利分布型滤波器的虹膜识别法

提出了一种基于Gabor与瑞利分布型滤波器的虹膜识别算法,通过对虹膜纹理采用Gabor变换来获取其频谱信息,并对频谱信息进行分析证明了符合瑞利分布,最后使用瑞利分布型滤波器来提取虹膜的特征。实验结果表明,该算法识别率高并可用有效地应用于虹膜身份鉴别系统中。     

基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。