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象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象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象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.     

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。     

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...     

基于小波变换的分水岭图像分割方法

图像分割技术在数字图像处理中占有重要地位.提出了一种基于小波变换的图像分割方法,有效地将小波分析、小波包分解与数学形态学中的分水岭方法相结合.首先,通过小波包对图像有效降噪,在一定程度上减少了分水岭方法的过分割现象.然后利用小波变换得到的梯度向量进行分水岭变换,有效保持边缘信息.实验结果证明该算法是可行的,与基于形态梯度的分割结果相比,得到了较好的分割效果.     

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。     

基于深度自动编码器的机场安检人脸识别系统设计

由于现有的机场安检系统通常只针对行李和旅客携带的违禁物品进行检测,没有考虑到对于正在通缉的罪犯进行监控和核查,设计了一种基于Gabor小波滤波和深度自动编码器的机场安检人脸识别系统。首先,以ATmega128L为处理器核心,SA7111作为模数转换器,MAX7000作为全局逻辑控制单元设计了机场人脸识别系统硬件,然后采用Gabor小波函数作为卷积核函数,在对原始图像分块的基础上进行卷积,采用多个RBM堆叠组成的自动编码器,通过比较差异算法训练RBM从而自动提取人脸特征,最后构建一个三层的BP神经网络,将自动提取的人脸特征作为输入,将图像标签作为输出层,并通过反向传播算法训练网络进行人脸识别。通过部署仿真实验环境对文中方法进行验证,仿真结果表明：文中系统能较为精确地实现人脸识别,与其它方法相比,具有识别率高和收敛速度快的优点。     

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.     

多光谱与高分辨率图像融合算法研究

提出了一种多光谱与高分辨率图像融合的新算法.该方法将小波的多分辨分解与IHS变换相结合,它首先利用高分辨率图像各小波面叠加的边缘信息进行区域划分,再通过融合算子实现分区域融合,最后对融合后的强度分量进行IHS反变换,得到一幅同时具有较好空间分辨率和光谱信息的融合图像.实验结果表明,该方法得到的融合图像优于IHS变换法和小波变换法(WT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.     

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。