多尺度人脸特征提取*

介绍了一种新的人脸特征提取的方法,首先在原始图像中找出人脸所在大致区域,然后对已经找出的人脸所在区域进行小波分解,并利用方块效应找出人眼及嘴部所在大致位置,最后提取眼、嘴的特征。试验结果表明,该方法对于人脸特征的提取具有较好的效果。     

基于Gabor变换和Zernike矩的人脸特征提取方法

针对目前常用的三种人脸特征提取方法中存在的识别率低、抗噪性较弱的问题,提出一种基于Gabor变换和Zernike矩的人脸特征提取方法.该方法首先对人脸进行多分辨的Gabor变换,然后利用Zernike矩获得具有平移、尺度、旋转不变性的特征,并用线性判别分析(LDA)方法进一步进行特征选择,最后采用K最近邻分类方法进行人脸的识别.实验结果表明,在与常用的三种人脸特征提取方法的比较中,该方法具有更高的识别率和更强的抗噪性能.     

改进的广义随机Hough变换算法及其在人脸面部关键特征提取的应用

本文通过对经典图象分割算法--Hough变换算法进行分析,以提高现实图象Hough变换处理速度、准确度为目的,结合广义Hough变换、随机Hough变换的优点,得出了具备X、Y幅值、旋转角度三个自由度上的较理想的改进Hough变换模型.该模型可以用来在灰度图象中以较高的检测速度识别出不规则目标图形,而且对相对于目标模板在X、Y幅值、旋转角度三个自由度上有一定改变的目标的识别效果也比较理想.通过对其在人脸检测中对特定面部关键特征定位实验中的处理结果进行分析,并与同类算法做相应的比较,达到了预期的效果.     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号,利用小波变换奇异性检测功能与多尺度分辨特性,提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上,构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计,所得数据具有较好的重复性与稳定性,可以作为用于脉象信号识别的特征向量。     

基于Gabor小波变换的人脸表情特征提取

提出了一种基于Gabor小波变换的人脸表情特征提取算法。针对包含表情信息的静态灰度图像,首先对其预处理,然后对表情子区域执行Gabor小波变换,提取表情特征矢量,进而构建表情弹性图。最后分析比较了在不同光照条件下不同测试者做出6种基本表情时所提取的表情特征,结果表明Gabor小波变换能够有效地提取与表情变化有关的特征,并能有效地屏蔽光照变化及个人特征差异的影响。     

基于Trace变换和支持向量机的车牌字符识别新方法

为了提高车牌上的字符识别准确率,提出一种结合Trace变换和支撑矢量机（SVM）的字符识别方法.在字符识别方面,以Trace变换方法提取字符特征,并运用支持向量机对字符进行模式分类.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

基于先验模板的人脸面部特征提取的研究

提出了一种全新的人脸脸部轮廓提取算法,即运用先验模板及交替补偿机制的方法提取脸部轮廓,实验证明,文中提出的特征提取算法高效且鲁棒性能好。     

基于人脸分类和K-L变换的人脸识别新方法

为解决目前人脸识别领域中,对含有大量人脸样本训练库识别准确性低、实时效果差的问题,本文提出了一种基于人脸分类的K-L变换人脸识别新方法。该方法首先采用协同模式将ORL人脸库中的人脸样本分成若干聚类;之后利用K-L变换的方式识别待测人脸样本。降低了参加识别比对的样本数量,提高了人脸识别的效率,适用于身份鉴别领域。     

基于神经网络的人脸特征提取及识别

该文使用神经网络技术对人脸的特征提取及识别做了研究。在降低图像解析度的基础上使用神经网络来进行特征压缩,可以有效地降低特征维数。使用神经网络分类器对压缩后的特征进行分类,分类结果以隶属度来表征待识别人脸属于各类别的可能性。实验结果证明了该方法的有效性。     

基于小波变换和方向向量的虹膜特征提取方法

虹膜纹理上的差异是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的虹膜识别率,就要有效地提取虹膜的纹理信息.基于二维小波变换和方向向量,提出一种新的虹膜特征提取方法.该方法的基本思想是考虑虹膜纹理的灰度变化,对于多层小波分解后的低频分量,分别求其在4个方向上的方向向量,最后形成虹膜码.测试结果表明,该方法能有效地提高虹膜的识别率,且算法简单、快速.     

脸部特征点定位方法综述

人脸识别技术极大推动了图像处理、模式识别、计算机视觉等诸多学科的发展。人脸部特征点的定位是人脸识别中的关键步骤,定位准确与否直接关系到后续应用的可靠性。系统综述了特征点定位六大类方法,分为基于灰度信息、先验规则、几何形状、统计模型、小波和3D方法,并给出了对各方法的性能评价以及对未来的展望。     

基于trace变换特征的单训练样本人脸识别算法

提出了基于trace变换不变性特征的人脸识别算法,提高了单训练样本下姿势和表情变化后的识别率。应用一阶Scharr算子、二阶尺度适应的高斯型拉普拉斯算子（LOG）和Harris滤波器定位特征点,选择合适的泛函在特征点的邻域内进行trace变换得到具旋转和尺度不变性的特征描述子。根据特征描述子的特征向量和坐标值实现由粗到精的匹配,整个过程不涉及参数选择问题,保证了算法的稳定性。实验结果证明该算法降低了姿势和表情变化时识别率低的影响,并减少了算法运行时间。     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.     

基于正弦变换的人脸姿态校正及识别研究

姿态变化是影响人脸识别率的一个至关重要的因素,也是人脸识别问题中一个待解决的难题。当测试样本具有一定的姿态变化后,识别率会急剧下降。针对此问题,提出了利用正弦变换（Sine Transform,ST）对待识别的姿态图像进行姿态校正,虚拟出对应的正面人脸的方法。使用经典算法进行特征提取、最近邻分类器进行分类识别验证,得到了较好的结果。在FERET人脸库上的实验表明,该方法能够在一定程度上克服姿态变化的影响,平均识别率最高可提高17%。     

基于自适应二进小波变换的人脸检测方法

提出一种基于提升二进小波变换的检测人脸部位（如鼻子、眼睛和嘴唇等）的快速算法。在提升二进小波滤波器中的自由参数是学习的,从便使两个向量（其中一个向量的分量是提升二进小波滤波器系数,另一个向量的分量是人脸某部位像素）之间的夹角的余弦值最大化。学习得到的滤波器应用到测试图像中,可以检测人脸某些部位。实验结果表明,该方法具有较强的鲁棒性,能够很好地解决复杂背景下的人脸检测问题。由于该方法实现的简单性,并容易由硬件实现,使得检测速度进一步提高,因此该方法在可视电话等领域有着广阔的应用前景。     

基于Gabor小波的人脸特征提取

对基于Gabor小波变换的人脸特征提取方法进行了研究。对于预处理后的图像通过Gabor小波滤波器对人脸特征进行提取,获得特征向量来作为神经网络的输入值,最后应用人工神经网络实现人脸检测来检测算法有效性。实验结果表明,这种方法具有较高的识别率。     

学习情景中表情特征数据的提取研究

论文讨论了在学习情景中如何提取表情特征数据的方法。提取的数据包括眼帘间距和嘴角弧度,分别用于关注度与愉悦度的研究。在人脸图像上,先使用几何特征法划定出人眼的大概区域,再通过复杂度的计算与积分投影定位出双眼,以色调为依据制定搜索算法获得眼帘间距。在定位出双眼的基础上,进行嘴角与下唇中心点的定位,由三个特征点的坐标值计算出嘴角的弧度。实验证明该方法对不同的人脸图片有较好的适应性,较准确地提取出了所需的数据。