基于PCA和IGG权函数的人脸图像鲁棒线性回归分类方法

在人脸识别中,线性回归分类是一种快速且有效的方法。然而,线性回归分类是基于图像向量进行识别,导致原始矩阵图像往往为高维数据,且人脸图像经常受到污染。为此,提出一种基于PCA和IGG权函数的鲁棒线性回归分类方法。首先通过PCA对人脸图像进行降维,再采用IGG权函数对被污染的人脸图像进行分类。选用公开的ORL和Yale人脸库,将线性回归分类、基于IGG权函数的鲁棒线性回归分类和基于PCA和IGG权函数的鲁棒线性回归分类进行比较。实验结果表明,在ORL和Yale人脸库中,在不加噪声和加入椒盐噪声和斑点噪声条件下,本文提出方法的识别率均值都在92.07%以上,均高于另外两种方法。     

基于DCT的PCA人脸识别系统研究

人脸识别是一种重要的生物特征识别技术。本文提出了一种基于DCT的PCA的特征提取方法,该算法先对整个原始人脸图像进行DCT变换得到系数矩阵,再提取包含原始图像大部分信息的少量系数作PCA,提取出特征脸,再进行分类识别。对ORL人脸库仿真实验表明,该方法优于单独DCT与PCA特征提取的识别方法,并且减少了运算量。     

一种AAM模型的MRI医学图像分割算法

提出了一种主动外观模型的MRI医学图像分割的算法。针对主动外观模型中PCA方法对数据细节描述能力的不足,用ICA代替PCA同时进行形状和纹理模型建模,形成基于独立分量分析的改进型主动外观模型。并且在模型中引入了检测到的点与模型点之间的误差的约束项,并提出了平均长度约束项的概念,将它增加到模型中.通过对不同MRI医学图像的实验表明,改进的AAM模型分割的精度和效率都有较大程度的提高。     

基于I-DCV的人脸识别方法

在人脸识别的过程中,利用独立成分分析(ICA)方法得到的特征能够很好的描述原始图像,但是不具备很好的判别分类能力。判别共同矢量(DCV)是一种在类内散布矩阵的零空间中求取投影矩阵的方法,相比线性鉴别分析(LDA)方法,可以得到更具鉴别能力的特征。因此本文提出一种新的特征提取算法,简称I-DCV,首先对预处理后的人脸图像应用独立成分分析算法去除二阶及高阶冗余信息,然后利用DCV对求取的独立特征向量作进一步的处理,最后依据欧式距离进行分类识别。实验结果表明,本文提出的方法具有很好的识别性能。     

一种识别共线性传感器故障的新方法

本文针对传统的主成分分析法(PCA)不能识别出控制系统中具有共线性关系的传感器故障这一缺点,通过利用主成分分析法中的残差子空间,结合基于推理的方法提出了一种识别具有共线性关系的传感器故障的新方法。经过验证,该方法简单、有效,适合用于传感器的在线实时故障诊断。最后将该方法加入到传统的PCA算法中,得到改进了的PCA算法。     

一种采用小波滤波的独立分量分析算法

在盲信号处理中,作为一种非高斯性度量之一的峭度,对野值可能非常敏感。提出了一种使用小波滤波的独立分量分析(ICA)算法。首先,采用小波对混合信号进行去噪处理。然后,利用主成分分析PCA对混合信号进行白化。最后采用负熵的独立分量分析算法提取混合信号中的独立分量。实验表明,基于小波滤波的ICA算法能有效地提取源混合信号的独立分量,在噪声环境中具有比快速独立分量分析算法更好的盲源分离效果。     

PCA和KICA特征提取的变压器故障诊断模型

为了充分利用主元分析(PCA)和核独立主元分析(KICA)特征提取的互补性,提高变压器故障分类正确率,提出了基于PCA和KICA特征提取的变压器故障诊断模型。该模型中,首先,将油中溶解气体分析(DGA)测试样本投影到PCA空间中进行特征提取,采用多核支持向量机(MKSVM)作为分类器进行预分类,采用核密度估计方法估计阈值将测试样本预分类为易识别或难识别样本;对难分类样本则再次投影到KICA空间,采用另一MKSVM作为分类器进行分类识别,实现PCA和KICA双空间特征提取算法;最后,根据故障特征,建立变压器故障诊断模型。实验结果表明,所提出的双空间算法对变压器故障的识别率达到88.61%,比单空间算法和IEC3比值法的识别率分别高10%和24%。     

融合注意力机制的人脸识别算法研究

FaceNet人脸识别算法是目前较为主流的人脸识别算法,其运行速度快被广泛应用于工业界。针对FaceNet人脸识别网络存在对面部遮挡人脸识别精度低的问题,提出了一种融合注意力机制的FaceNet人脸识别算法。该算法在FaceNet的基础上引入GhostNet特征提取网络对人脸更好的提取人脸特征,并融合注意力机制与特征金字塔(feature pyramid networks, FPN)加强特征提取网络实现对3种尺度特征图中局部信息的放大,加强不同感受野下的特征提取,增强较为重要的特征信息。实验结果表明,提出的人脸识别算法取得了良好的识别效果,在人脸数据集(LWF)下准确率达到99.62%。对有遮挡的面部识别也取得了较好的检测结果,可准确识别存在遮挡的人脸目标。     

基于PCA和DP的电力施工企业动态联盟

针对我国电力施工企业现状,将动态联盟思想引入到电力施工企业之中,阐述了电力施工企业联盟范围和构造方法,提出了基于主成分分析（principle component analysis,PCA）和动态规划（dynamic programming,DP）的动态联盟构造方法。利用PCA法将多个指标（如人力、资金、时间、技术等）转化为少数几个综合指标（主成分,如综合成本、实物成本等）,一般情况下只选取第一主成分;再用DP法寻找最优联盟结构。算例结果验证了该方法的有效性,可为我国电力施工企业的发展提供思维框架和方法。     

基于VC++.net和OPENCV的身份识别系统开发

首先使用Adaboost方法检测到视频流中的人脸,然后将SIFT特征提取算法应用到人脸特征的提取环节中,提取出人脸的旋转、缩放、平移和光照不变性SIFT特征。通过将检测到的人脸的SIFT特征和人脸库中的人脸SIFT特征进行匹配,找出匹配程度最大的对应的类别,即为匹配结果。整个系统用VisualC .net2008和OPENCV开发。     

Robust intelligent PCA‐based face recognition framework using GNP‐fuzzy data mining

Traditional principal component analysis (PCA) based face recognition algorithms have a low recognition accuracy due to the influence of noise and illumination changes. This paper proposes a robust, intelligent PCA‐based face recognition framework in the complicated illumination database when using multiple training images per person (MTIP‐CID). There are mainly two improvements in the proposed method. One is that a face‐recognition‐oriented genetic‐based clustering algorithm is introduced to reduce the influence of a large number of classes on the classification accuracy in the MTIP‐CID. The other is that a classifier based on fuzzy class association rules (FCARs) is applied to mine the inherent relationships between eigenfaces and to improve the robustness of PCA‐based face recognition in noisy environments. Experimental results on the extended Yale‐B database demonstrate that the proposed framework performs better and is more robust against noise compared with other traditional face recognition algorithms, i.e. linear discriminant analysis (LDA) and local binary patterns (LBPs). © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于人脸比例特征提取与匹配的身份鉴别

针对人脸识别身份鉴别中的小样本问题,提出基于人脸比例特征提取与匹配的身份鉴别方法。首先基于图像灰度分布统计特征方差分析为阈值对图像进行二值化处理,然后基于主动形状模型算法实现人脸检测与特征点定位,构建脸型、鼻型、眼型共7项人脸比例特征并作为身份鉴别特征向量,最后利用基于层次分析法的相似度匹配模型实现身份鉴别。在Yale和MD图像集上的测试表明,所提方法适用于复杂背景下人脸面部特征的提取和身份鉴别应用。     

基于独立量分析的NPC光伏逆变器故障诊断

功率开关器件是逆变器的核心部件,功率开关器件的故障诊断对逆变器的可靠运行意义重大,而功率开关器件故障特征提取技术是实现其故障诊断的技术基础。分析三电平逆变器中常见的功率开关器件开路故障,将故障类型分成典型故障与非典型故障两大类。对于非典型故障应用基于独立量分析的稀疏编码算法对逆变器输出相电压信号进行故障特征提取,并采用BP神经网络的分类器对非典型故障进行诊断。通过仿真验证其可行性,故障诊断准确率达到95%,并通过与小波分析及主元分析的特征提取算法的对比试验,说明独立量分析算法的在逆变器开关器件开路故障特征提取应用的合理性和优越性。     

身份验证中基于主动外观模型的手形匹配

身份验证系统包括了指纹识别、人脸识别、声音识别、虹膜识别和手形识别等生物识别技术。采用主动外观模型（AAM）用于手形的匹配,在特征提取阶段共同提取手形特征和纹理特征,实现了在特征级的特征融合。与现有方法进行了试验比较后表明,该方法提高了识别准确率与验证准确率。     

Feature extraction by supervised independent component analysis based on category information

Independent component analysis (ICA) is a technique of transforming observation signals into their unknown independent components; hence, ICA has often been applied to blind signal separation problems. In this application, it is expected that the obtained independent components extract essential information of independent signal sources from input data in an unsupervised fashion. Based on such characteristics, ICA is currently utilized as a feature extraction method for images and sounds for recognition purposes. However, since ICA is an unsupervised learning, the obtained independent components are not always useful in recognition. To overcome this problem, we propose a supervised approach to ICA using category information. The proposed method is implemented in a conventional three‐layered neural network, but its objective function to be minimized is defined not only for the output layer but also for the hidden layer. The objective function consists of the following two terms: one evaluates the kurtosis of hidden unit outputs and the other evaluates the error between output signals and their teacher signals. The experiments are performed using several standard datasets to evaluate performance of the proposed algorithm. It is confirmed that a higher recognition accuracy is attained by the proposed method as compared with a conventional ICA algorithm. © 2007 Wiley Periodicals, Inc. Electr Eng Jpn, 161(2): 25–32, 2007; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20522     

An effective preprocessing method for subspace face recognition using genetic‐based clustering in ideal and noisy conditions

Face recognition using principal component analysis (PCA) and linear discriminant analysis (LDA) suffer from the loss of accuracy when the number of classes becomes large. This paper presents an effective genetic‐based clustering algorithm (GCA) to preprocess a facial database into a two‐layer database. Then, face recognition is done to minimize the similarity criterion in a specific cluster as in the traditional PCA‐ and LDA‐based face recognition algorithms. Different from K‐means clustering, the proposed GCA introduces a novel distance and a balance factor. The distance is defined to measure the similarity effectively between a class and the centroid of each cluster, and the balance factor is designed to achieve balanced clustering results. Experimental results on the Yale‐B database in ideal and noisy conditions indicate that the proposed preprocessing method improves the recognition accuracy of the subspace recognition algorithms compared with K‐means clustering. The proposed preprocessing method is also applicable to other recognition algorithms. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于双空间的融合特权信息支持向量机模拟电路故障诊断

针对模拟电路故障诊断识别率较低的问题,提出了基于双空间特征提取的融合特权信息支持向量机的模拟电路故障诊断新方法。首先对采集的信号进行主成分分析(principal component analysis,PCA)——特征提取;并用融合特权信息支持向量机LUPI-SVM(SVM of learning using privileged information,LUPI-SVM)分类器和SVM-GA分类器进行预分类;对分类结果不同的样本进行独立成分分析(independent component analysis,ICA)—特征提取,并用LUPI_SVM进行分类识别,Sallen-Key滤波电路故障诊断仿真实验结果表明该方法有效提高了分类的性能,为模拟电路故障诊断提供了新的途径。     

基于卷积神经网络的表情不变三维人脸识别

针对三维人脸识别中的表情问题,提出一种基于卷积神经网络的三维人脸识别方法.根据人脸先验知识,构建基于测地线距离的三维人脸特征点模型;利用该模型,提取输入三维人脸的局域Gabor特征和测地线距离特征,进而获得表情不变的人脸表述;将上述特征输入类Lenet-5卷积神经网络,获得最终的识别结果.在Facewarehouse三维人脸数据库上的实验结果表明,该方法的正确识别率达到97.60%,优于几种经典三维人脸识别方法,对表情变化均有较强的稳健性.