基于小波分解系数的贝叶斯人脸识别方法

本文给出了贝叶斯人脸识别方法中匹配准则的多个近似表达式及一种实用的快速计算方法,在此基础上,利用反对称双正交小波变换的微分算子功能,提出了一种利用两幅人脸图像的小波变换系数差作为模式矢量的贝叶斯人脸识别方法,并利用AR人脸图象库进行了实验,实验结果表明本文方法与基于图像灰度的类似方法相比,识别率提高8％左右,此外本文方法也提供了一条在图像压缩数据域中实现人脸识别的可能途径。     

基于连续小波变换的神经网络人脸识别研究

研究了基于连续小波变换的神经网络进行人脸识别的方法.介绍了小波分析的理论基础，详细讨论了根据小波变换系数的范数选取小波母函数的方法，根据小波脊线确定网络神经元个数的方法以及神经网络的初始化和参数训练方法.通过对人脸图像灰度的连续小波分析，神经网络的自组织自学习能力，调整连接权值和小波神经元的尺度、位移参数，完成人脸识别的任务.实验结果验证了该神经网络的识别性能明显优于用特征脸方法对相同人脸库进行的识别.     

基于Mexican hat小波变换的三维轮廓术

为了提高小波变换轮廓术中小波的空域局部化能力, 提出了一种基于Mexican hat小波变换的条纹图处理方法.基于希尔伯特变换得到条纹对应的解析信号, 用Mexican hat小波计算解析信号的连续小波变换, 从小波变换的脊上提取相位信息, 恢复物体高度信息.模拟结果表明, Mexican hat小波变换法在相位快变或突变的区域有更高的相位提取精度, 测量误差可减小0.1～0.5 rad.以人脸石膏像为例, 进行了实验测量.实验结果表明, 在高度不连续或变化剧烈的区域, Mexican hat小波变换法较Morlet小波方法误差传播更小, 精度更高.     

小波包特征提取及方差相似度的人脸识别

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有良好的时频局部性和正交性,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。利用图像小波包变换的系数矩阵,能够构造出不同的人脸特征向量。针对人脸识别过程中的图像匹配问题,采用计算人脸特征向量方差的方法,并通过方差与权值的对应关系,转换出用于相似度计算的权值。基于理论推导得到的权值具有很好的稳定性,由这些权值计算出的方差相似度也具有较强的适应性,能够减弱由图像噪声、变形等干扰带来的影响。实验表明,该方法识别率高、实时性好。     

基于小波边缘提取的灰度图象联合相关识别预处理

本文将小波变换方法用于灰度图象的联合变换相关识别中,采用不同的尺度因子对输入图象进行边缘提取预处理,使相关识别结果得到不同程度的改善.通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法的预处理结果和对识别的影响,在同时衡量相关识别能力及其对噪音的敏感性前提下,小波变换边缘提取预处理明显优于各种微商边缘提取方法.调节小波变换尺度因子还能使识别能力与噪音敏感性这两方面得到更好地均衡,使小波变换边缘提取预处理能够适应不同的图象输入条件和相关输出要求.结果表明,在联合变换相关识别中采用小波变换对输入图象进行预处理是一种更理想的方法。     

一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法

为了克服光照、表情变化等因素对人脸识别的影响,本文提出了一种自适应的Gabor图像特征抽取和权重选择的人脸识别方法.该方法首先把每幅人脸图像经过Gabor小波变换后得到的40个不同尺度和方向下的图像都看作是独立的样本,再把不同人脸中的同一尺度和方向的变换结果进行特征重组,得到40个独立地新特征矩阵.为了增强对光照、表情...     

一种新的非抽取提升结构小波变换图象融合算法

遥感图象的数据融合是当前图象处理界研究的热点之一.在对提升小波变换的原理和特点研究和分析的基础上,将IHS变换与非抽取提升结构小波变换相结合,提出了一种新的图象融合方法.实验证明,与其他用于图象融合的小波多分辨率分析方法相比较,本算法可以在得到良好融合性能的同时,具有较快的处理速度,有着较高的实际应用价值.     

基于图象特征的小波域水印算法

提出一种基于图象特征点的小波变换域第二代水印算法.首先对图象作小波变换,其中最低频成分是图象的粗尺度(低分辨率)逼近,从中提取出图象的特征点;然后在特征点对应的所有高频系数中嵌入水印.水印检验不需要原始图象,但需要原始图象的特征点位置信息,计算特征点对应的所有高频系数与嵌入水印的互相关,利用门限值检验水印是否存在. 实验证明该算法对通常的图象处理有很强的鲁棒性,对有损压缩的鲁棒性尤为突出,而且对几何变换也有一定鲁棒性.     

基于光学小波微分预处理的联合变换相关目标识别

提出了一种基于光学小波变换微分预处理的光电混合联合变换相关系统,该系统利用同一光路可实时实现对输入图象的小波变换微分预处理和联合变换相关识别.实验结果表明:该系统能得到很尖锐的互相关峰,可显著提高联合变换相关器的识别能力.     

一种自适应的盲水印方法

目前数字水印算法多局限于在图象中嵌入特定的标记,并通过改变空域值或频域系数值来达到目的.提出了一种新颖的自适应盲水印方法.首先基于小波变换的零树结构,找出重要系数,然后根据重要系数所在区域的特性构造出一个序列信息,再利用置乱变换最终得到水印信息,而不修改图象本身的任何特征.因此水印的不可见性从根本上得到了保证.其中,重要系数的选择是自适应于图象的,并且水印的检测是不需要原始图象的盲检测.实验证明该方法的鲁棒性较强,是一种行之有效的方法.     

‘Symmetrical face’ based improved LPP method for face recognition

As one of the most important branches of pattern recognition and computer vision, face recognition has more and more become the focus of researches. In real word applications, the face image might have various changes owing to varying illumination, facial expression and poses, so we need sufficient training samples to convey these possible changes. However, most face recognition systems cannot capture many face images of every user for training, non-sufficient training samples have become one bottleneck of face recognition. In this paper, we propose to exploit the symmetry of the face to generate ‘symmetrical face’ samples and use an improved LPP method to perform classification. Experimental results show that our method can get a high accuracy.     

Facial expression recognition based on two-stage features extraction

Facial expression recognition plays an important role in a variety of real-world applications such as human–computer interaction, robot control, smart meeting, and visual surveillance. One critical step for facial expression recognition is to accurately extract emotional features. In this article, a facial expression recognition approach based on two-stage local facial textures extraction is proposed. At the first stage, we use the threshold local binary pattern to transform a facial image into a feature image. We then extract the most discriminate features from the feature image by using the block-based center-symmetric local binary pattern. Finally, these features are classified by the support vector machine. Experimental results are provided to illustrate the proposed approach is an effective method, compared to other similar methods.     

Quaternion-based improved LPP method for color face recognition

In recent years, pattern recognition and computer vision have increasingly become the focus of research. Locality preserving projection (LPP) is a very important learning method in these two fields and has been widely used. Using LPP to perform face recognition, we usually can get a high accuracy. However, the face recognition application of LPP suffers from a number of problems and the small sample size is the most famous one. Moreover, though the face image is usually a color image, LPP cannot sufficiently exploit the color and we should first convert the color image into the gray image and then apply LPP to it. Transforming the color image into the gray image will cause a serious loss of image information. In this paper, we first use the quaternion to represent the color pixel. As a result, an original training or test sample can be denoted as a quaternion vector. Then we apply LPP to the quaternion vectors to perform feature extraction for the original training and test samples. The devised quaternion-based improved LPP method is presented in detail. Experimental results show that our method can get a higher classification accuracy than other methods.     

基于小波变换与小域特征模糊融合的人脸识别

小波变换是一种很好的图像压缩方法,利用小波变换对人脸图像进行三次小波分解,并将低频分量分割成为7个子图像。鉴于人脸上的各小域子图像信息的相互独立性。先利用小域子图像实现软分类,然后使用传统奇异值分解(SVD)法提取出各小域子图像的奇异值(SV),构造出小域奇异值特征向量,给出待识别图像对训练样本图像的隶属度,并采用模糊融合的方法对小域特征进行数据融合,获得识别结果。实验结果表明,该方法实现起来简单、识别速度快,具有很高的识别率。     

一种抗姿态与表情变化的三维人脸识别方法

为了提高人脸在姿态和表情变化下的识别率,结合局部平面距离(DLP)对曲面局部凹凸性优良的判断能力,提出了一种采用人脸的等距不变表示形式来匹配的人脸识别方法。首先,对深度摄像头采集到的深度图像进行距离约束、位置约束、转换等操作,得到干净完整的三维人脸,利用三维人脸上每一点DLP值确定鼻尖点,利用聚类的思想确定鼻根点;其次,采用改进的快速推进算法计算人脸的测地距矩阵,设置阈值并切割出有效的人脸区域;最后,计算有效的人脸区域的高阶矩特征,作为人脸的特征向量进行匹配。实验结果表明,对于不同的数据库,本文算法的识别率接近97%;将本文算法与基于轮廓线特征的人脸识别算法以及基于Gabor特征的人脸识别算法进行比较,其识别率分别提高了14.1%和8.3%,同时有着较高的运算效率。     

Robust automatic facial expression detection method based on sparse representation plus LBP map

Recently the sparse representation based classification (SRC) is successfully used to automatically recognize facial expression, well-known for its ability to solve occlusion and corruption problems. The results of those methods which using different features conjunction with SRC framework show state of the art performance on clean or noised facial expression images. Therefore, the role of feature extraction for SRC framework will greatly affect the success of facial expression recognition (FER). In this paper, we select a new feature which called LBP map. This feature is generated using local binary pattern (LBP) operator. It is not only robust to gray-scale variation, but also extracts sufficient texture information for SRC to deal with FER problem. Then we proposed a new method using the LBP map conjunction with the SRC framework. Firstly, we compared our method with state of the art published work. Then experiments on the Cohn–Kanade database show that the LBP map + SRC can reach the highest accuracy with the lowest time-consuming on clean face images than those methods which use different features such as raw image, Downsample image, Eigenfaces, Laplacianfaces and Gabor conjunction with SRC. We also experiment the LBP map + SRC to recognize face image with partial occluded and corrupted, the result shows that this method is more robust to occlusion and corruption than existing methods based on SRC framework.     

基于数字图像处理技术的人脸检测算法研究

为了提高人脸检测的准确性及检测速度,需要对基于数字图像处理技术的人脸检测算法进行研究。使用当前方法进行人脸检测时,需要提取脸部特征数目较多、检测速度过慢,降低人脸检测效率。为此,提出一种基于数字图像处理技术的人脸检测算法。该方法首先获取人脸数字图像,通过拉开数字图像的灰度间距,使数字图像灰度均匀分布,进而提高数字图像对比度,使图像更加清晰,再通过Wiener维纳滤算法对处理后的数字图像进行图像平滑去噪,在此基础上使用Robert边缘检测算子方法对数字图像人脸边缘每个像素点检测,得到数字图像中人脸边缘的基本图像,将其输入到计算机数字图像处理系统中进行识别检测。实验仿真证明,所提算法在检测速度及准确性等方面具有明显的优势。     

基于菌紫质膜联合子波变换的实时模式识别

菌紫质是一种结构和功能与高级动物视网的视生色素－－视紫红质极为相似的蛋白南，是一种优异的可逆光全息记录材料，子波变换是目标特征抽取和模式识别和有效方法。本文钭联合子波变换和菌紫质膜优异的光学全息记录特性结合起来，提出了一种全新的光学全息实时模式识别方案，给出了相应的实验结果。