基于MobileNetV2与LBP特征融合的婴幼儿表情识别算法

针对婴幼儿表情识别率低、特征复杂提取不充分等问题,文中提出一种基于MobileNetV2与LBP双通道特征融合的婴幼儿表情识别算法。第1条通道使用改进后的MobileNetV2网络,可快速、准确地提取出人脸表情全局特征。第2条通道对原始输入图进行分块,利用图像信息熵构造出权值,提取出分块加权LBP直方图特征,突出了表情信息丰富的区域。通过融合双通道模型的输出向量来提升特征表达能力,并采用支持向量机替代Softmax层进行表情分类。实验表明,使用融合特征比单一特征具有更好的分类效果,并且在自建的婴幼儿表情数据集中的表情识别准确率可达到85.71%。     

基于权值融合虚拟样本的LBP特征人脸识别算法

提出了基于权值融合虚拟样本的LBP特征人脸识别算法.首先生成轴对称虚拟样本,再提取LBP特征进行协同表示分类,最后加权值融合,分析不同权值下的人脸识别率.实验结果显示识别率有所提高,在权值融合中原始样本作为主体成分,能最优化识别率.结果表明,提出的算法能有效提高人脸识别率.     

基于LBP和PHOG特征监督相关融合的军事目标分类方法

军事目标分类是一个重要的研究方向.在复杂背景下不同的军事目标的相似度较高,使得基于传统视觉特征的军事目标的分类精度不高.提出一种基于改进典型相关分析的局部二值模式(LBP)和分层梯度方向直方图相结合的军事目标分类方法.首先提取军事目标的LBP和PHOG特征;然后利用改进的典型相关分析将LBP与PHOG特征相融合;最后利...     

基于深度学习与特征融合的人脸识别算法

卷积神经网络在人脸识别研究上有较好的效果,但是其提取的人脸特征忽略了人脸的局部结构特征。针对此问题,文中提出一种基于深度学习与特征融合的人脸识别方法。该算法将局部二值模式信息与原图信息相结合作为SDFVGG网络的输入,使得提取的人脸特征更加丰富且更具表征能力。其中,SDFVGG网络是将VGG网络进行深浅特征相融合后的网络。在CAS-PEAL-R1人脸数据库上的实验表明,将网络深浅特征相融合与在卷积神经网络中加入LBP图像信息与原图信息相融合的特征信息对于提高人脸识别准确率非常有效,可得到优于传统算法和一般卷积神经网络的最高98.58%人脸识别率。     

基于细节点局部结构与LBP的指纹特征融合方法

针对指纹传感器图像采集面积小造成的奇异点缺失,匹配特征点较少等情况,文中提出了一种利用同一手指多幅图像,通过结合细节点邻域结构与局部二值模式(LBP)纹理特征生成合成模板以扩大注册模板的有效面积,同时提升模板中特征点可信度,从而匹配小面积指纹图像的方法。实验结果表明,本文提出的指纹特征融合方法能有效降低小面积指纹图像匹配的拒真率。     

LBP和2DDCT相结合的单幅人脸图像识别

LBP（局部二值模式）作为一种有效的纹理描述算子,度量和提取图像局部的纹理信息,对光照具有不变性,在单幅人脸图像识别具有很好的应用。在研究此理论的基础上提出了一种基于局部二值模式（LBP）与二维离散余弦变换（2DDCT）相结合的人脸识别方法。将单幅的人脸图像规则的分成多个子块,对每个子块进行LBP变换,把每个LBP变换的后的子块分别用2DDCT变换到频率域,大部分信息保存在低频部分,选取低频作为人脸的频率域特征,有效的降低了维数,使计算量降低。实验结果表面,在ORL人脸数据库上具有较高的识别率。     

基于LBP人脸识别算法的预处理研究

该文对人脸识别过程中的预处理进行研究,用高斯平滑、直方图均衡化和Sobel算子对图像进行预处理,通过改进前后在Feret人脸库的实验结果比较其识别率,观察各预处理方法对LBP算子性能的影响。大量的实验表明,结合高斯平滑预处理、Sobel与LBP的算法识别率提高最大。     

基于LBP和深度学习的手写签名识别算法

为优化手写签名识别算法性能,提出了一种局部二值模式(LBP)和深度学习相结合的手写签名识别算法.针对签名图像进行预处理、维纳滤波去除噪声;将预处理签名图像分为3×4子块,LBP应用于分块后的每个子图像,并将每个子块的纹理直方图特征连接起来,形成全局直方图特征;将得到的特征向量作为深度信念网络(DBN)的输入,逐层训练网络,并在顶层形成分类面,对签名图片进行识别.基于GPDS、MCYT及原创数据库进行实验,识别率误差分别为5.S5％、9.3％、1.17％,有效提高了手写签名的识别精度,符合实际应用的要求.     

一种基于全局和局部特征的LBP算法应用

提出一种基于全局和局部特征的LBP人脸识别算法。首先将人脸图像进行LBP提取全局直方图特征,再将图像分块,提取每块的LBP局部直方图特征,最后将全局和局部特征按一定的顺序相结合作为图像的总体特征。然后通过RBF神经网络进行分类识别。在ORL人脸库上的实验结果表明,该算法具有较高的识别率。     

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex, Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。     

自适应阈值及加权局部二值模式的人脸识别

针对局部二值模式(LBP)和中心对称局部二值模式(CS-LBP)方法描述图像纹理特征时,阈值不能自动选取并且图像中不同子块的贡献也没有进行区分的问题,该文提出一种自适应阈值及加权的局部二值模式方法。首先,将图像进行分块,采用设定的自适应阈值提取每个子块的LBP或CS-LBP纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征;最后,通过快速计算图像均值加快了算法的计算速度。在人脸数据库上进行的实验证明,利用该文提出的方法提取纹理特征,并结合最近邻分类法可以得到较高的正确识别率。     

一个基于神经树结构的模式分类系统

目前，广泛应用于解决模式识别问题的方法有：分类树和层次前馈神经网络，本文提出了一种基于神经树结构的模式分类新方法，该方法使用小规模的神经网络作为分类树的节点，提取模式中非线性特征信息，实验结果表明，该方法一方面中以减小分类树用于模式识别产生的误差和分类树中节点的数目，另一方面可以缩短训练神经网络所需的时间。     

二进前向多层神经网络实现的研究

文章提出一种硬件实现二进前向多层神经网络及其硬限幅函数的方法。所设计的神经元电路的权值和阈值均为片内存储的整数，可取负值，也可学习，当输入模式要求更大的维数时可以扩展。仿真结果符合要求。     

多尺度局部结构主导二值模式学习图像表示

通过零均值化的微观结构模式二值化(ZMPB)处理,该文提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时可以有效降低特征编码的维度,提高算法的执行速度。实验结果表明该算法性能优异,具有很强的鉴别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有竞争优势。

     

多层前馈网络在模式识别中的理论和应用

本文从理论上证明了具有线性输出单元的多层前馈网络能用作最优特征提取器。同时还证明了多层前馈网络分类器的输出函数是最小均方误差意义下对Ｂａｙｅｓ决策函数的逼近，对于具有线性输出单元的三层前馈网络，当隐层单元数足够多时，这种逼近能达到任意精度。在此基础上，我们提出了一个综合了特征提取网络和分类器网络的组合神经网络模型，其性能好于单个的三层前馈网络。     

基于神经网络的人脸自动识别

该文应用神经网络技术构建了一个完整的人脸识别系统。首先使用基于眼睛位置估计的方法从人脸图像中分割出对识别有意义的纯脸,然后使用自组织映射进行特征压缩,提取有效的鉴别特征。最后使用基于知识的模糊神经网络进行分类。在NUSTDBII人脸数据库上的实验得到了令人满意的结果,并且表明该方法对人脸的姿态及表情有一定的不敏感性。     

BP算法在发票号码识别中的应用研究

针对发票号码印刷字体比较特殊、号码有防伪处理信息,造成通用的OCR数字识别的识别率不高,本文结合BP算法研究适合于发票号码数字识别系统,并在自助办税终端等设备中进行应用验证。     

神经网比例式学习算法

本文提出一种适用于训练大型BP神经网的学习算法,即比例式学习算法。通过理论分析和计算机模拟结果表明,比例式学习算法学习速度快,是一种可行的学习算法。     

Integration of wavelet transform,Local Binary Patterns and moments for content-based image retrieval

The proliferation of large number of images has made it necessary to develop systems for indexing and organizing images for easy access. This has made Content-Based Image Retrieval (CBIR) an important area of research in Computer Vision. This paper proposes a combination of features in multiresolution analysis framework for image retrieval. In this work, the concept of multiresolution analysis has been exploited through the use of wavelet transform. This paper combines Local Binary Pattern (LBP) with Legendre Moments at multiple resolutions of wavelet decomposition of image. First, LBP codes of Discrete Wavelet Transform (DWT) coefficients of images are computed to extract texture feature from image. The Legendre Moments of these LBP codes are then computed to extract shape feature from texture feature for constructing feature vectors. These feature vectors are used to search and retrieve visually similar images from large database. The proposed method has been tested on five benchmark datasets, namely, Corel-1K, Olivia-2688, Corel-5K, Corel-10K, and GHIM-10K, and performance of the proposed method has been measured in terms of precision and recall. The experimental results demonstrate that the proposed method outperforms some of the other state-of-the-art methods in terms of precision and recall.