基于简化血流图小波包域DCT系数决策融合的红外人脸识别

本文提出了一种基于简化血流图小波包域DCT系数融合的红外人脸识别方法。首先,基于人体的皮肤温度分布和温度调节机理,结合红外成像原理及生物传热学知识对人脸的血流模型进行简化,把红外人脸温谱图转换成简化血流图,然后将人脸简化血流图进行三级小波包分解,得到小波包分解树,选取其中识别率最高的若干个节点分别进行DCT变换,得到每个节点的特征矩阵,再通过欧氏距离和三阶近邻分类器得到各选中节点的识别结果,最后将这些结果进行决策融合,得到最终的识别结果。实验结果表明,对血流模型的简化可以在几乎不降低识别的同时,减小时间的复杂度,而在小波包域进行DCT系数融合的方法能提取更加有效的人脸特征,从而提高了红外人脸识别的性能。     

基于血流图的小波域分块DCT + FLD红外人脸识别方法

为了从生物特征角度同时结合人脸的局部特征和整体特征提高红外人脸的识别性能,提出了一种基于血流图的小波域分块DCT+FLD(Fisher线性判别)红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后用小波变换对人脸血流图像做两级小波分解,再对低频子带进行分块并对每个分块进行DCT变换,提取部分变换后的系数作为子块的特征值,对这些子块的特征值构成的组合特征值从整体上做Fisher线性分析,得到特征子空间,最后根据欧氏距离和三阶近邻分类器进行识别,得到最终的识别结果.实验表明,同基于传统PCA+FLD,DCT+FLD以及DWT+PCA+FLD方法相比,所提出的方法得到了更好的识别效果.     

基于血流图DCT域PCA和FLD的红外人脸识别

基于图像压缩思想及实际应用的考虑,提出一种基于血流图DCT域PCA和FLD相结合的红外人脸识别方法.根据生理学知识及生物力学的原理,把人脸的温谱图转换成血流图,通过DCT变换对人脸图像进行压缩,使变换域的能量集中在低频分量附近,从而减小了数据量,用主成分分析(PCA)和Fisher线性辨别分析(FLD)来提取人脸特征,通过三近邻分类器得到最终的识别结果.实验结果表明,本文的方法可以节省大量的存储空间和减小算法运算时间,并且在小样本集的情况下,也能取得较好的识别性能.     

基于小波包的新LDB人脸识别方法

研究人脸特征优化识别问题,图像信息中存在不同噪声和不同人脸特征.通过特征提取识别,获得不同人脸特征.针对传统人脸识别方法的识别率受光照、旋转等约束条件影响大的缺点,为了提高识别率,提出了一种根据小波包变换和改进的LDB(Local Discriminant Basis)方法相结合的人脸识别方法.算法首先利用小波包对人脸图像进行分解,再采用改进的LDB方法获取最佳分类特征,最后利用Euclidean距离函数进行分类识别.在人脸库Feret进行实验.结果表明,新算法减少了计算复杂度,提高了识别率,为人脸识别提供了依据.     

分块PCA加权与FLD结合的血流图红外人脸识别方法

传统红外人脸识别方法都是基于全局特征的识别方法,为了充分利用人脸的局部特征,提出一种基于血流图的分决PCA+FLD的红外人脸识别方法.通过血流模型把红外温谱图转换成血流图,能够利用人体的生物特征增加样本之间的类间距,并减少样本之间类内距.基于各个分块的类间距与类内距比值大小(RD),分块PCA加权可以自适应地提取更适合识别的人脸局部特征,同时还可以缓解Fisher线性判别的小样本问题(零空间问题).实验表明,分块PCA+FLD并不会减少整体特征提取中有用识别信息的提取,而且可以突出局部特征对识别贡献,提高本方法的识别率.     

基于小波变换和NMF的人脸识别方法的研究

为了克服PCA、ICA等传统方法在人脸图像特征抽取时存在速度慢、识别率低的缺点,该文提出了一种将非负矩分解思想应用于人脸特征提取的算法。利用小波变换对人脸图像进行分解,对其中包含主要信息的低频子带运用NMF构造特征子空间,在子空间内实现识别。实验结果表明,该方法实用、有效,减少了计算量,提高了系统的识别率,使识别率达到90％以上,有着广泛的研究价值和应用 前景。     

基于小波域PCA与LDA相结合的红外人脸识别方法*

提出了一种新的小波域主元分析与线性辨别分析相结合的红外人脸识别方法。首先通过DWT将红外人脸图像通过二级小波分解成七个子带,舍去两次分解中的对角子带,对剩下的五个子带进行有效的组合;然后用PCA方法对组合后的向量进行特征提取,再把PCA提取的特征向量进行线性辨别分析;最后用欧氏距离和三近邻分类器得到分类结果。同传统的PCA和PCA LDA的方法相比,该方法更能利用人脸图像的有用判别信息,并得到更好的识别效果。     

基于血流模型和贝叶斯的红外人脸识别

人脸识别是图像处理领域的一个热点。由于红外人脸识别可以避免可见光人脸识别存在的一些固有的缺陷,因此有着广阔的应用前景。文中从统计学角度和生物特征角度提出基于贝叶斯分类和血流模型的红外人脸识别方法,这种方法可以充分利用人脸血流模型的优势,减弱环境因素对红外人脸识别的性能的影响,提取精确的生物学特征,同时根据统计特征,并使用贝叶斯分类器,增加样本之间的类间距,减少样本之间的类内距。该方法将人脸温谱图转换为人脸血流图;使用PCA算法对人脸血流模型数据进行降维处理,并训练产生内部子空间和外部子空间;通过贝叶斯分类算法进行人脸识别。文中按照这个思路做了对比实验,实验结果证明这种方法是行之有效的。     

基于小波变换和改进的奇异值分解的人脸识别

使用基于肤色的检测方法分割出人脸并进行归一化,利用小波变换压缩降维以减少计算量。针对原有奇异值分解的不足,将图像矩阵进行投影,并将整体与三组局部图片的奇异值结合进行改进,利用BP神经网络进行分类识别,进行人脸识别仿真实验。结果表明,所提出的基于小波变换和改进的奇异值分解特征提取方法是一种实用、可行的方法。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

一种基于小波变换与随机森林的人脸识别方法

该文研究了人脸图像频率域的鉴别信息,提出了一种Gabor小波变换与主成分分析相结合的人脸图像特征提取方法。不仅利用了图像中的频域信息,而且利用主成分分析法使特征向量维数有效降低。最后,采用随机森林作为分类器。该文实验结果表明,该方法在小规模及大规模数据集上均具有较好的性能。