Multi-radius centralized projection for binary pattern histogram face recognition

The existing local binary pattern （LBP） operators have several disadvantages such as rather long histograms, lower discrimination, and sensitivity to noise. Aiming at these problems, we propose the central- ized binary pattern （CBP） operator. CBP operator can significantly reduce the histograms＇ dimensionality, offer stronger discrimination, and decrease the white noise＇s influence on face images. Moreover, for in- creasing the recognition accuracy and speed, we use multi-radius CBP histogram as face representation and project it onto locality preserving projection （LPP） space to obtain lower dimensional features. Experiments on FERET and CAS-PEAL databases demonstrate that the proposed method is superior to other modern approaches not only in recognition accuracy but also in recognition speed.     

基于识别能力的人脸特征向量均衡

在人脸识别中,通常是把人脸图像投影在特征向量组成的空间中,特征向量决定了人脸识别的效果。同一人的人脸图像在好的特征向量上的投影应具有较集中的分布,反之亦然。从微观意义上提出了每个向量的识别能力的概念,通过计算识别能力的大小,选择具有较大的识别能力的特征向量。为了使每个向量在识别中发挥与其识别能力相对应的作用,根据每个向量的识别能力对它们进行均衡化处理,赋予不同权重,提高了识别率。通过在ORL、Yale人脸数据库上进行试验,验证了该方法的有效性。     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.     

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.     

人脸识别中应用小波变换的两个关键问题

由于小波分解在空域和频域上都能提供良好的局部信息,尤其是在小波分解后可以减少图像的分辨率,进而相应地减少计算复杂度,因此小波变换经常被用于图像处理和图像分析中.为探究基于人脸识别的小波变换最佳应用效果,着重讨论了小波变换应用于人脸识别的两个关键问题:小波基的选择和分解层数的确定,并通过实验分析和比较研究得出相应的答案和指导原则.     

利用几何特性及神经网络进行人脸探测技术的研究

在人脸识别过程中 ,首先也是最重要的一个环节是人脸探测 ,因为一旦从图像中定位并提取到了人脸 ,那么下一步的人脸识别工作就变得非常容易。眼睛是人脸图像中最容易探测的部位 ,而且通过探测双眼来发现人脸最符合人的视觉习惯。提出了一种基于几何特征分析和人工神经网络的由粗到细的两级人脸探测方法。在第一级中 ,眼睛和脸是通过测量眼睛的尺寸和眼睛与脸的位置关系探测到的 ,第一级的输出是一个尺寸归一化的人脸 ,但偶尔也伴随着一个或多个因对复杂背景中与眼睛类似的物体的误判而得到的非人脸图像 ;第二级神经网络正是用来过滤掉第一级中被误判的人脸。实验表明 ,这种由粗到细的两级人脸探测系统具有很高的稳定性和探测正确率     

低照度条件下超分辨率人脸图像采集系统设计与实现

在计算机技术高速发展的时代,多平台计算机视觉库随之产生。OpenCV作为一种开源代码的计算机视觉库,以可兼容多平台、接口广泛的特点被广泛运用各个领域。在低照度条件下,会出现光照环境差异过大或光线不足等情况,导致传统图像采集系统不能采集高质量的人脸图像,局限性较差。提出基于OpenCV在C 环境配置下运用三维人脸识别技术算法,设计一套低照度条件下超分辨率人脸图像采集系统。实验证明,该设计方案具有实时(对焦速度快)、快速(单张采集0.05秒)、准确(面部识别率99.3%)等特点,能够充分满足低照度条件下超分辨率人脸图像采集的需求。     

基于小波的光照补偿及其在人脸识别中的应用

提出了一种基于小波分析的人脸图像光照补偿技术,通过舍弃图像中的低频分量,仅用高频分量进行图像重构,便可较好地消除原始人脸图像中光照的影响.并将该技术应用于特征脸法人脸识别,在Yale库和自建库图像中,实验测得在较大尺度的情况下,图像识别率都有明显提高.     

体全息子波关联记忆器

基于子波匹配相关理论和光折变晶体的体全息关联存储特性,提出并实现了一个关联记忆的新构思。中根据缺损特征实现原始图像的记忆和恢复,其中光折变晶体兼作图像识别时的运算单元和图像恢复时的存储单元,文中以人脸为研究对象,给出了实验结果。