基于方向滤波和自商图像的人脸光照补偿

为了实时处理恶劣光照条件下的人脸图像,在自商图像的基础上,提出了一种新的人脸光照补偿的方法.该方法首先在人脸三维光照简化模型的基础上,利用方向滤波削弱附着阴影.然后结合高斯低通滤波器,进一步削弱投射阴影.两者非线性结合,显著改善光照图像的质量.利用Yale B数据库提供的光照图像,在10万人脸数据库系统中进行测试,结果表明在光照条件恶劣的情况下能显著提高识别率.     

基于方向滤波和自商图像的人脸光照补偿

为了实时处理恶劣光照条件下的人脸图像,在自商图像的基础上,提出了一种新的人脸光照补偿的方法.该方法首先在人脸三维光照简化模型的基础上,利用方向滤波削弱附着阴影.然后结合高斯低通滤波器,进一步削弱投射阴影.两者非线性结合,显著改善光照图像的质量.利用YaleB数据库提供的光照图像,在10万人脸数据库系统中进行测试,结果表明在光照条件恶劣的情况下能显著提高识别率.     

弱光照环境下人脸表情图像识别方法研究

对弱光照环境下人脸表情图像进行识别,可以更好地对人类的情感进行分类,有利于人类在现实社会中的沟通。当前方法利用提取人脸表情图像的一维特征完成对弱光照环境下人脸表情图像的识别,该方法无法对人脸表情图像进行详细地描述,导致人脸表情图像在识别时经常出现识别精度低、速度慢的问题。为此,提出一种基于BP神经网络的弱光照环境下人脸表情图像识别方法。该方法首先利用自相似性对带有噪声的图像进行图像区域划分,并依据统计学习获得线性空间,通过对空间的投影获得不含噪声的人脸表情图像区域向量,将人脸表情图像进行重组,得到去噪后的图像,然后利用Cabor变换对人脸表情图像特征进行提取,采用AdaBoost对弱分类器以及人脸表情图像样本进行训练,并通过多次弱分类器的迭代,得到最终的人脸表情图像强分类器,完成对弱光照环境下人脸表情图像的识别。实验结果证明,所提方法可以提高人脸表情图像的识别准确率,加快识别速度,为该领域的研究发展提供强有力依据。     

基于拟牛顿和遗传算法的三维人脸建模

用网格重采样算法和点变形技术把不同人脸纹理全景图进行标准化,实现三维人脸的像素级对齐;根据在不同姿态下用拟牛顿法优化目标函数优化速度的不同和提取的人脸特征点精确计算出输入图像中人脸的姿态;确定三维人脸模型在此姿态下的可见点,最后利用改进的实数遗传算法进行匹配计算,建立完整的三维人脸模型。实验表明,此算法能实现三维人脸像素级的精确对齐,快速的精确计算输入图像中人脸的姿态,减少优化参数,简化目标函数,提高模型匹配效率和重构精度,缩短匹配时间。     

一种新型自适应环境光照的车牌定位算法

为解决在不同光照环境下车牌的适应性定位问题,同时解决基于颜色定位的方法普遍存在的车身颜色与车牌颜色相近,以至于难以区分的问题,分析了不同光照下的车牌图像在HSV空间的分布特性与图像亮度等参数关系,结合车牌的混色分布特点、RGB与HSV空间变量转换关系,提出了一种可直接对RGB空间进行处理、能适应光照环境的快速车牌定位算法;实验结果表明,提出的定位算法对光照不足、环境光不均匀等复杂条件下获取的蓝白车牌图像具有很高的定位可靠性。     

基于机器视觉的自然环境下作物行识别与导航线提取

针对基于机器视觉的农业导航机器人在图像处理时易受光照变化影响和常规导航线检测算法实时性、稳健性不高等问题,提出了YCrCg颜色模型,选择该颜色模型中与光照无关的Cg分量进行后续图像处理,采用基于二维直方图的模糊C均值聚类法(FCM)进行图像分割,并根据图像中作物行的特点,提出了基于直线扫描的作物行直线检测算法。该算法将图像底边和顶边像素点作为直线的两个端点,通过移动上下端点位置产生不同斜率直线,选择包含目标点最多的直线作为作物行中心线。实验表明,不同光照下基于YCrCg颜色模型的图像分割可以有效地识别出作物行,处理一幅640pixel×480pixel图片耗时约为16.5ms,直线扫描算法能快速准确的检测出导航线,与最小二乘法、Hough变换等算法相比具有速度快、抗干扰性强等优点。     

照明变化人脸图像在独立成份分析空间中的分布

应用独立成份分析(ICA)方法研究了不同照明条件下同一姿势人脸的图像,并用图像在ICA空间中任意三个独立成分的组合系数模拟得出:1)强度变化的同一幅人脸图像分布在一条直线上;2)照明方向变化下的同一姿势人脸的图像按一定规则集中分布.这两个结论可以分别用来判断两幅图像是否源于同一幅图像和一幅图像是否源于照明角度变化下的同一个姿势物体.     

基于T分布混合模型的多光谱人脸图像配准

为了降低多光谱人脸图像中出现的非刚性形变、噪声和离群点等因素对配准结果的准确性和稳健性的影响,提出一种综合考虑特征点的空间几何结构和局部形状特征两方面信息的多光谱人脸图像配准方法。所提方法首先通过基于内部距离的形状上下文描述子来表述点集的局部特征信息,建立可见光和红外图像相似性测度函数。然后利用Student′s-T分布混合模型来表示图像特征点集配准过程中变换模型估计问题,并采用期望最大化算法对模型进行求解。仿真数据表明在点集存在非刚性形变、噪声和离群点的情况下,所提方法仍可以实现点集间的精确配准。可见光和红外人脸真实图像数据表明所提方法的平均匹配误差和运算效率都优于对比算法,配准融合后的多光谱人脸图像可以提高后续的人脸检测和识别性能。     

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。     

空间目标抖动状态红外图像仿真建模研究北大核心CSCD

空间目标容易受到太空垃圾碰撞及干扰从而产生抖动。针对空间抖动目标红外图像的模型构建问题,对天基空间红外成像系统的主要噪声进行分析并考虑杂散光影响,基于Creator与Vega软件平台相结合,提出抖动状态下空间目标表面缺陷的红外图像的建模方法。依据空间目标基本特征分析其红外辐射特性,在Creator中对空间目标缺陷进行三维建模;根据目标以及背景红外辐射特性对三维模型进行温度场分析,将分析所得结果与Vega红外模块相结合获得红外图像模型;确定抖动图像数学模型并对仿真图像施加抖动影响,然后施加杂散光影响获得最终模拟图像。实验结果表明:该方法生成的抖动状态下空间目标红外图像与实验图像相似程度高,能为空间目标探测与态势感知提供一种有效的模拟系统。     

基于子空间分析的人脸识别方法研究

人脸识别技术是模式识别和机器视觉领域的一个重要研究方向,在众多人脸识别的算法中,基于子空间分析的特征提取方法以其稳定可靠的识别效果成为了人脸识别中特征提取的主流方法之一。本文对目前应用较多的子空间分析方法进行了研究,具体介绍了线性子空间分析方法：主成分分析（PCA）、线性鉴别分析（LDA）、独立主成分分析（ICA）、快速主成分分析（FastICA）等及非线性子空间分析方法：基于核的PCA （KPCA）等的基本思想及其在人脸识别中的研究进展,包括一些新的研究成果。此外,还应用orl及Yale B人脸库对几个基础的子空间方法进行了验证实验。实验结果表明,在几个子空间分析方法中,FastICA算法取得了最高的识别率。最后结合实验结果对各算法的优缺点进行了分析总结。     

A two-phase face recognition method in frequency domain

In this paper, we propose a two-phase face recognition method in frequency domain using discrete cosine transform (DCT) and discrete Fourier transform (DFT). The absolute values of DCT coefficients or DFT amplitude spectra are used to represent the face image, i.e. the transformed image. Then a two-phase face classification method is applied to the transformed images. This method is as follows: its first phase uses the Euclidean distance formula to calculate the distance between a test sample and each sample in the training sets, and then exploits the Euclidean distance of each training sample to determine K nearest neighbors for the test sample. Its second phase represents the test sample as a linear combination of the determined K nearest neighbors and uses the representation result to perform classification. In addition, we use various numbers of DCT coefficients and DFT amplitude spectra to test the effect on our algorithms. The experimental results show that our method outperforms the two-phase face recognition method based on space domain of face images.     

一种结合粒子滤波和张量子空间的目标跟踪算法

由于传统的子空间方法易于丢失图像目标的二维特性,为此本文提出了一种新颖的自适应目标跟踪算法,通过张量的方式建立目标的外观模型——张量子空间,利用在线学习的方法更新其外观模型,同时,利用目标仿射运动的先验信息,通过粒子滤波自适应地跟踪运动目标,并将获得的最优目标观测作为新数据反馈回子空间更新.此外,为了保证子空间更新能获得精确且紧致的目标子空间表达,引入动态部分函数滤除样本野点.实验结果表明,本文提出的自适应目标跟踪方法具有较强的鲁棒性,对于存在姿态变化、短时遮挡和光照变化等情况下均可有效地跟踪目标.     

基于图像内容视觉感知的图像质量客观评价方法

图像质量客观评价在图像和视频传输、编解码以及服务质量中起着非常重要的作用.然而现有的方法往往没有考虑图像内容特征及其视觉感知,使得其质量客观评价与主观感知结果存在一定的差距.基于此,本文结合图像内容的复杂性特征和人眼的掩蔽特性、对比敏感度特性以及亮度感知的非线性特性,提出了一种基于人眼对图像内容感知的图像质量客观评价方法.该方法首先结合亮度感知的非线性模型将图像进行转换,得到人眼感知强度图;再分别以人眼对比敏感度值和图像局部平均对比度值作为权重因子对强度求和,以求和的数据信息作为人眼感知图像的内容,并构建图像感知模型;最后以此模型分别模拟人眼感知参考图像和失真图像,并计算二者的强度差,以强度差为评价分数的基础构建图像质量客观评价模型.采用LIVE,TID2008和CSIQ三个数据库中的共47幅参考图像和1549幅测试图像进行仿真实验,且与SSIM,VSNR,FSIM和PSNRHVS等典型的图像质量客观评价模型进行对比分析,同时探讨影响图像质量评价的因素.结果表明:所提方法的评价分数与主观评价分数的Pearson线性相关性系数和Spearman秩相关系数值比SSIM的评价结果均有一定程度的提高,提高幅度分别平均为9.5402%和3.2852%,比PSNRHVS和VSNR提高幅度更大.综合以上表明:所提方法是一种有效可行的图像质量客观评价方法;同时,在图像质量客观评价中,考虑人眼对图像内容的感知和复杂度的分析有助于提高图像质量主客观评价的一致性,评价精度可得到进一步的提高.     

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、表情变化的鲁棒性,每一新特征矩阵的识别贡献被本文所提出的自适应权重方法计算得到.其次,对每一新特征矩阵采用离散余弦变化进行降维,并采用了鉴别力量分析方法来选取最有鉴别力的离散余弦变换系数作为特征向量.最后,抽取线性鉴别分析特征进行识别.大量的实验证明了本文所提方法的有效性.     

基于多标签共享子空间学习和内核脊回归的空谱分类算法

针对高光谱图像维度高、地物间非线性可分造成的分类精度低等问题,提出一种基于多标签共享子空间和内核脊回归的空谱分类算法.该算法利用内核脊回归将地物相近像素在线性空间的不可分特征映射到高维空间中,实现分类特性在高维空间下的有效分离,以提高地物相近特性的区分精度;同时将高维样本数据映射到低维共享子空间中,在低维环境下以多类标为指导,引入低秩矩阵建立类别标签与共享空间的预测关系,挖掘多标签间的共同特性,提高融合利用多类别间的共同属性提高高光谱图像的分类精度;最后利用奇异值分解迭代法求解目标函数,一定程度上加速参数求解.在Indian Pines和Pavia University两组高光谱数据集上进行仿真实验,实验结果表明,与其他同类算法相比,在低样本比例下,本文算法在总体分类精度、平均分类精度和Kappa系数等评价指标上至少提高4.76%、4.24%和5.19%,与非内核化的算法相比,本文算法在基本不增加运行时间的情况下总体分类精度、平均分类精度和Kappa系数至少提高2.92%、2.8%和3.48%.     

Nonparametric subspace analysis fused to 2DPCA for face recognition

Two-dimensional principal component analysis (2DPCA) is one of the representative techniques for image representation and recognition. However, keen storage requirements and computational complexity consist in 2DPCA. Meanwhile, the performance of 2DPCA is delicate in illumination variations. Nonparametric subspace analysis (NSA) is a subspace learning method that can reduce dimensionality and identify local information for discrimination, so that it can make 2DPCA perform well in illumination. Motivated by above facts, 2DPCA fused with NSA is implemented for face recognition, which can reduce dimensions of the 2DPCA feature vectors and enhance the contribution of principal components to face recognition. Experiments carried out on ORL, Yale B, and FERET facial databases show that valid recognition rates can be achieved by the proposed method compared to 2DPCA, 2DPCA plus PCA, LDA methods and demonstrate promising abilities against illumination variations.     

基于提升小波和FLD的人脸表情识别

提出一种基于提升小波和Fisher线性判别法(FLD)相结合的人脸表情特征提取方法。提升小波是完全基于时空域的变换,具有多分辨率的特征,更有利于表情细节信息的提取,并且运算时间短,便于实现。图像经过提升小波变换后,取其低频分量和高频分量相结合作为整体特征,实验证明保存了绝大部分的表情分量,然后用Fisher线性判别法(FLD)进行特征提取,采用K-近邻法进行分类。在JAFFE数据库中,分辨率达到94.3%,识别时间为2.9s,证明了方法的有效性。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。