二维直方图斜分最大散度差阈值分割算法

最大散度差法是经典的Otsu法一种很好改进算法,为了提高它在图像受到噪声干扰或光照不均匀时的分割准确性,现提出一种基于二维直方图斜分的最大散度差法,该算法不仅综合考虑了类间散度及类内散度对图像信息分类的作用,同时还利用图像空间区域信息以提高抗噪声能力,为减少计算量、提高分割速度,文中给出了快速递推算法,实验结果表明该算法比二维斜分Otsu法、二维斜分最大熵法等算法具有更准确的分割效果、更强的抗噪声能力,同时运行时间更少。     

基于中心对称梯度幅值相位模式的单样本人脸识别

针对传统人脸识别算法在单训练样本情况下识别 效果不佳的问题,提出一种基于中心对称梯度幅值 相位模式(CSGMP)的单样本人脸识别算法。首先,提取人脸图像的梯度幅值和相位信息;然 后,用一种新 的中心对称局部方向模式(CSLDP)算子对梯度幅值进行编码,再将梯度相位量化到8个区间 进行编码,将 二者融合形成人脸图像的CSGMP特征;最后,分块统计直方图特征信息,将所有块的直方图 串联后作为 人脸图像的特征向量,利用最近邻分类器分类识别。在YALE和AR人脸库上进行测试的结果表 明,本文所提方 法简单有效,对光照变化、表情变化和部分遮挡等环境下单样本人脸识别具有较好的效果。