一种降维空域滤波矩阵的设计方法

为解决降维滤波矩阵设计存在的维数与滤波性能之间的矛盾,提出了一种结合K-L变换（Karhunen-Loeve Transform）降维空域滤波矩阵的设计方法.该文首先推导出了滤波矩阵较大特征值的数量取决于滤波矩阵通带带宽的规律,并利用阻带衰减给出了区分大小特征值的门限,进而通过向大特征值对应的特征向量矩阵投影的方法,获得最终的降维空域滤波矩阵.仿真实验证明,由该方法获得的降维矩阵具有与降维前接近的空域滤波能力.     

基于Laws模板与CSLBP的人脸识别

针对CSLBP对人脸图像的局部特征提取不充分问题,提出一种基于Laws模板的CSLBP算法。该算法首先选取Laws模板对原始图像进行滤波,获得多幅纹理单一图像。其次,引进CSLBP算子对各纹理图像进行特征提取,再将图像分成若干子区域,通过连接这些子区域的CSLBP直方图生成人脸特征向量。最后,针对Laws-CSLBP中存在的高维向量问题,做了进一步研究分析,引入了局部保持投影（LPP）的流行算法进行降维,并采用最近邻分类器进行判别分类。该算法在ORL、FERET人脸库中都取得了较好的识别效果,证明了该算法的有效性。     

基于自适应加权Fisherface算法的人脸识别

提出了一种改进的Fisherface算法。算法首先利用Karhunen-Loeve（K-L）变换降维,在降维的子空间内,根据样本与同类样本间的距离赋予该样本一权值,再用加权后的样本求取类均值,以新的类均值重建类内散布矩阵和类间散布矩阵,从而改进Fisher判别函数。在ORL和Yale人脸库上的实验结果表明,该算法优于传统的主成分分析（PCA）方法和Fisherface方法,并能有效解决小样本情况下训练样本类均值偏离类中心的问题。     

基于Gabor的特征提取算法在人脸识别中的应用

针对人脸识别中的特征提取问题,提出一种新的基于Gabor的特征提取算法,利用Gabor小波变换良好的提取区分能力和LDA所具有的判别性优势来进行特征提取。首先利用Gabor小波变换来提取人脸特征。然后对得到的高维特征采用PCA进行初次降维,再利用LDA实现再次降维,得到最终的特征向量。在ORL和YALE人脸库上的实验验证了该算法的有效性。     

基于局部约束编码的稀疏保持投影降维识别方法研究

稀疏表示技术的引入可有效解决降维处理对图参数的依赖,但这类降维方法不能同时兼顾稀疏重构和样本数据的邻近性问题。针对该问题,本文提出了一种基于局部约束编码的稀疏保持投影降维识别方法。通过稀疏表示分类模型构建了图边权矩阵,引入局部约束因子设计了降维投影模型,推导降维求解过程,分析了本文方法与SPP （ Sparse Preserving Projections ）和SLPP（ Soft Locality Preserving Projections ）方法之间的共性和区别,最后给出了识别算法流程。采用人脸图像数据集和高分辨SAR（ Synthetic Aperture Radar ）图像数据集对算法的有效性进行仿真验证,由于考虑了数据间的邻近性,本文方法较传统方法可获得更好的识别性能。     

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.     

基于改进型深度数据流形的数据分类算法及在人脸中的应用

针对数据分类问题的局限,提出一种基于改进型深度数据流形的数据分类算法并将其应用到人脸识别中。首先,通过采集人脸图像的深度信息,利用稀疏表示对其进行去噪处理;再结合图像的颜色信息,重新生成三维人脸信息数据库,通过对人脸数据的流形分析得到最优的降维结果,按十字十乘交叉验证法的原则选取训练集和测试集,将训练集输入支持向量机算法建立数据分类器;最后,将测试集输入训练完成的分类器中,实现人脸数据分类。选取ORL,Yale两类人脸图像标准数据库与传统人脸识别算法进行交叉对比实验,验证算法的优越性和可行性。实验结果表明：所提出的算法有较高的分类准确率,可有效地完成人脸识别。     

基于Laws模板与CSLBP的人脸识别

针对CSLBP对人脸图像的局部特征提取不充分问题,提出一种基于Laws模板的CSLBP算法。该算法首先选取Laws模板对原始图像进行滤波,获得多幅纹理单一图像。其次,引进CSLBP算子对各纹理图像进行特征提取,再将图像分成若干子区域,通过连接这些子区域的CSLBP直方图生成人脸特征向量。最后,针对Laws-CSLBP中存在的高维向量问题,做了进一步研究分析,引入了局部保持投影(LPP)的流行算法进行降维,并采用最近邻分类器进行判别分类。该算法在ORL、FERET人脸库中都取得了较好的识别效果,证明了该算法的有效性。     

基于1（1/2）维谱与K-L变换的被动声纳目标识别

采用基于1（1/2）维谱分析与K-L变换相结合的特征提取方法,获取被动声纳噪声信号的有效识别信息,对被动声纳的目标信号进行分类。首先对被动声纳噪声进行1（1/2）维谱子带能量的特征提取,然后运用K-L变换实现高维特征向量的降维,剔除冗余特征,并以BP神经网络作为分类器对三类目标进行识别与分类。计算机仿真结果表明,该方法具有较好的分类效果和稳健性。     

基于PCA和ICA的人脸识别

提出利用主成分分析(PCA)和独立成分分析(ICA)相结合的方法对人脸进行识别。首先对预处理后的图像进行降维,即利用PCA算法对图像进行去二阶相关和降维处理,然后再利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一子空间,最后利用待识别图像在这个空间上的投影系数进行人脸识别。从两个不同的数据集,将传统的PCA人脸识别算法和提出的人脸识别算法进行比较。从实验数据结果看,提出的PCA和ICA结合人脸识别算法优于传统的PCA人脸识别算法。     

基于HOG低秩恢复与协同表征的人脸识别方法

在获取到的人脸图像不完备以及人脸图像在有遮挡、光照、表情的变化或受到噪声污染时,识别率就会变得十分低,针对这一问题,本文提出了一种基于HOG低秩恢复与协同表征的人脸识别算法HLRR_CRC.首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,然后对测试样本中干净的人脸图像和训练样本中干净的人脸图像分别进行HOG特征提取,得到HOG特征向量,以此特征向量为基础,得到测试样本特征矢量的协同表示,最后,通过规则化残差进行分类.在ORL、Extended Yale B和AR数据库上进行测试,实验结果表明,本文算法对光照、噪声较鲁棒,相比于当前的人脸识别算法,本文算法在恶劣光照和噪声下的识别率平均提高29.6％.     

基亏主成分分析法的人脸识别的探讨与研究

人脸识别是生物特征识别和人工智能领域特别重要的课题之一。讨论了统计主成分分析法（Principal Component Analysis,PCA）在人脸识别中的应用。PCA是基于统计的方法,可以对人脸库数据起到降低维数、去除相关性等作用。通过Kauhunen-Loeve变换（K—L变换）将人脸库变换到新的坐标系,得到人...     

小样本条件下基于全局和局部特征融合的人脸识别

针对线性判别分析的小样本空间问题,提出了一种基于类向量的融合全局和局部特征的人脸识别算法.首先,提取人脸的全局特征;然后将人脸分割成6个关键部分,并用一种新的基于Gabor小波的方法提取特征;其次,将全局和局部特征融合,得出样本的特征向量;再次,得出每类样本的类向量并据此得出一种新的投影准则;最后,将类向量和试验样本分别进行投影,根据其欧氏距离的大小得出试验人脸的最终类.试验表明本文算法不仅能有效解决小样本空间问题,而且计算速度快,识别率高,应用前景良好.     

Complex common vector for multimodal biometric recognition

A novel multimodal biometric recognition algorithm based on a complex common vector (CCV) is proposed. The CCV generalises the common vector method for the complex field to perform feature fusion and classification. Theoretical analysis proves that the CCV could produce a unique common vector for every fusion feature in a given class. The iris and the face are used as two distinct biometric modals to test the algorithm. Experimental results show that the proposed algorithm achieves much better performance than other conventional multimodal biometric algorithms.     

一种新的离线手写签名识别方法

脱线签名的验证较难,他仅依靠签名图像的静态信息,而书写过程中的动态信息几乎完全消失。针对脱线手写签名识别的特点,提出基于提升小波变换的特征选取方法,将传统的结构特征与统计特征有机结合起来。运用K-L变换对已提取的特征向量进行降维。最后通过支持向量机进行真伪识别。实验结果表明该算法对测试样本具有高识别率。     

融合整体和局部信息的三维人脸识别

针对三维人脸识别中单一特征信息不足,采用一种基于整体信息和局部信息相融合的识别算法,以提高识别率。首先将预处理的三维点云用多层次B样条曲面拟合,获取精确的人脸曲面拟合函数,将控制点映射为深度图像,并根据人脸曲面函数和生理特征提取过鼻尖的中分轮廓线和水平轮廓线;其次对深度图像采用二维主元分析(2D-PCA)算法提取整体信息,对轮廓线采用改进的ICP算法匹配,作为局部信息;最后用加权求和法在决策级进行信息融合。采用CASIA3D人脸库完成识别测试,实验结果表明,本文算法明显优于单一特征信息下识别算法,且对姿态有较好的鲁棒性,同时不增加算法复杂度。     

基于峭度加权VMD和熵特征的雷达脉内调制识别

针对复杂电磁环境下识别雷达信号脉内调制样式困难以及受噪声影响识别准确率受限的问题,提出了一种将变分模态分解(Variational Mode Decomposition, VMD)与熵特征提取相结合的识别方法。首先,通过基于峭度加权的改进VMD算法对雷达信号进行分解,得到由三个本征模态函数组成的最优分量集合;其次,对各分量分别计算其模糊熵、排列熵和符号熵值,从而实现对熵特征信息提取;最后,将特征向量输入到支持向量机完成识别。相较于其他方法,该方法有着较高的识别准确率和抗噪性能,在2 dB信噪比以上平均识别准确率为94.63%。     

人脸识别中基于熵的局部保持特征提取算法

传统的局部线性流形特征提取算法以方差贡献率为特征提取质量评价准则,不能保证降维后的分类性能。为此,提出了一种基于香农熵的局部保持特征提取算法,采用总体熵描述特征提取对分类的不确定性,并作为特征提取的评价准则。分析与人脸识别实验表明,相对于局部线性流形特征提取算法,提出方法在保持数据局部特性的同时,改善了特征提取的分类性能。