一种基于Curvelet变换多传感器图像融合算法

综合分析了Curvelet变换的特性,并提出了一种基于Curvelet变换的多传感器图像融合算法。首先采用Curvelet变换将源图像分解到不同尺度、方向频带范围内,然后采用不同的融合规则得到融合后图像的Curvelet变换系数,最后再进行Curvelet逆变换得到融合图像。采用多组具有不同特征的源图像进行了融合实验,并对融合图像进行了主客观评价。实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法能够有效避免“人为”效应或高频噪声的引入,得到具有更好视觉效果和更优量化指标的融合图像。     

基于修正核函数SVM的一维距离像识别

支持向量机的识别性能很大程度上依赖于核函数的使用。根据黎曼几何理论,提出了一种新的保角变换,对核函数进行数据依赖性改进。该方法通过扩大分类边界处的黎曼张量,使得分类间隔扩大,从而提高支持向量机的分类能力。针对多类舰船目标的识别,利用聚类分析中的均值距离来生成二叉树,将分类器分布在各个节点上,构成多分类支持向量机。对四类舰船目标仿真实验的结果表明,该分类方法无论识别率还是识别速度都具有优势。     

基于再生核空间的自适应图像彩色化算法

针对传统的图像彩色化算法中彩色化结果质量不佳、参数设置不合理等问题,提出一种新的基于再生核空间的自适应灰度图像彩色化算法.该方法通过求泛函极值建立非线性方程,设置与图像像素亮度相关的自适应再生核,用最小二乘法对方程进行数值求解得到彩色化结果.与其他灰度图像彩色化技术相比,该方法能在自适应选择参数的同时,有效提高图像彩色化质量.     

基于小波能量特征和FLD的人脸表情识别

提出一种能量特征和Fisher线性判别法(FLD)相结合的面部表情识别方法,首次提出了小波能量特征在表情识别中的应用.鉴于小波能量特征具有表现表情纹路的能力,与人脸表情识别的要求正好相符,把小波能量特征加入到原始图像中,再用FLD进行特征提取.通过在日本JAFFE人脸表情库的七种表情(生气、厌恶、恐惧、高兴、中性、悲伤、惊讶)上进行实验,验证了该方法的有效性.它不仅能获得高的表情识别率,而且过程简单,易于实现.     

一种基于提升小波的多传感器图像融合

提出了一种基于提升方案的五株形小波的多传感器图像融合方法,即在提升五株形小波多尺度分解的基础上,对每一幅图像进行多尺度分解,按照不同的融合规则和融合算子去构造融合图像对应的各小波系数,再通过逆变换重构融合后的图像.该方法被成功地用于多聚焦图像的融合处理.试验结果表明该融合方法十分有效,获得的融合图像更符合人眼的视觉特性、更有利于进行目标监视和侦察.     

基于活动外观模型的人脸表情分析与识别

分析了用活动外观模板(AAM)提取的人脸表情特征来进行人脸表情识别(FER)的可行性,尝试了以此特征向量为基础的FER。根据人脸图像的特点．先用特征眼的方法定位眼睛区域,再采用AAM的优化算法获取新对象的特征,缩短了AAM方法定位新对象的优化时间,提高了定位的准确度。采用秩相关分析和非度量多维标度(nMDS)等多变量统计学方法分析得出AAM方法提取的表情特征能够很好地表达表情的变化,并构造了神经网络分类器对人脸表情图像进行识别实验,得到93．5％的识别率。     

基于核鉴别共同矢量的小样本脸像鉴别方法

人脸识别中通常存在小样本问题,使得基于Fisher线性鉴别分析的特征抽取方法存在病态奇异问题。近年来针对此问题提出了不同的解决方法,其中基于共同鉴别矢量(DCV)的方法成功克服了已有各种方法存在的缺点,有较好的数值稳定性和较低的计算复杂度。该文将DCV方法推广到非线性领域,将两次Gram-Schmidt正交化过程,转化为只需计算两个核矩阵和进行一次Cholesky分解完成,且得到的非线性Fisher鉴别矢量有标准正交的性质。实验验证了所得KDCV方法的识别性能优于DCV方法。     

基于小波-Contourlet变换的多传感器图像融合

提出了一种新的基于小波-Contourlet变换的融合多传感全色和多光谱影像的算法.由于Contourlet变换具有良好的多方向性和多尺度,所以它比其他方法更适应于进行多传感图像融合,对于小波-Contourlet变换后得到的低频和高频分量系数,采用平均法选择低频区域系数,选择区域"能量"较大的高频系数作为融合影像的高频系数.实验结果表明,基于所提出的小波-Contourlet变换的融合结果优于其他常用的融合方法.     

基于光流的动态人脸表情识别

文章提出了一种人脸表情识别的新方法.利用光流技术对人脸表情图像序列中的特征点进行跟踪,并提取特征向量.最后,利用神经网络对六种基本表情进行分类识别.     

一种基于肤色和几何特征的人面部识别方法

面部识别的前提条件是场景中人脸的正确定位与分割，因此，本文提出了一种基于肤色及面部几何特征的人脸分割方法，首先利用图像的时间差分方法确定场景中有没有运动物体，然后利用BP神经网络对肤色进行识别，比用HIS或LHC颜色空间中的色调识别肤色的方法具有更强的环境适应能力，最后利用扫描投影算法及面部固有的几何特征定位分割细节特征，实验证明该方法具有定位准确和运算速度快的优点。     

结合FSVM和KNN的人脸表情识别

为了提高人脸表情的正确识别率,提出了一种组合模糊支持向量机(FSVM)和K-近邻(KNN)的人脸表情识别的新方法.该方法通过主成分分析(PCA)提取人脸表情特征,对于待分类的不同区域,根据区分程度自适应划分为不同区域类型;并结合FSVM和KNN算法的特点,对不同区域类型切换分类算法.实验表明,此方法既能保证分类的精确度,又能简化计算复杂度.     

基于隐马尔可夫模型(HMM)的人脸表情识别

人脸表情识别是目前的研究热点．文中介绍了人脸表情识别的过程，给出了基于隐马尔可夫模型（HMM）的人脸表情识别方法．通过分析人脸表情的变化情况，利用二维离散余弦变换（2D—DCT）提取脸部表情特征，经过大样本训练构建HMM模型来识别图像中的人脸表情．实验结果表明该方法是一种高效的面部表情识别方法。     

基于核相关滤波器的SAR车辆目标检测与识别

针对合成孔径雷达(Synthetic Aperture Radar, SAR)目标检测与识别方法对目标方位角敏感的问题,该文基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的核相关滤波器。该滤波器使用特征向量降低了对训练图像的依赖性,利用目标在非线性空间的高维特征提高了识别能力,并利用核函数解决了高维矢量的内积计算问题。MSTAR实测SAR图像数据的对比实验结果表明,该文所提出的滤波器在低虚警概率下,能够保持较高的检测概率,并且对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角,就能够实现高准确率的目标检测与识别。     

基于核相关滤波器的SAR车辆目标检测与识别痧

针对合成孔径雷达(Synthetic Aperture Radar, SAR)目标检测与识别方法对目标方位角敏感的问题,该文基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的核相关滤波器.该滤波器使用特征向量降低了对训练图像的依赖性,利用目标在非线性空间的高维特征提高了识别能力,并利用核函数解决了高维矢量的内积计算问题.MSTAR实测SAR图像数据的对比实验结果表明,该文所提出的滤波器在低虚警概率下,能够保持较高的检测概率,并且对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角,就能够实现高准确率的目标检测与识别.     

一种针对雷达高分辨距离像识别的融合核优化算法

本文提出一种针对雷达一维高分辨距离像(HRRP)的核函数优化算法.该算法基于对模-1距离高斯核和模-2距离高斯核的融合,结合两种核函数的不同特性,不仅优化了核函数,同时抑制了HRRP的闪烁效应.文中,基于雷达实测数据,我们将所提算法应用于核主分量分析(KPCA)的核函数优化中,然后采用支持矢量机(SVM)对提取的特征进行了分类.通过对实验结果比较与分析,我们证明该方法是有效的.     

基于线性判别局部保留映射的人脸表情识别

随着人机交互技术的发展,情感计算成为一个研究热点.局部保留映射(LPP)是一种最优的保持数据集局部结构的一种线性映射,它的特点是保留了样本的局部结构,但是它没有考虑判别信息,从而容易引起类间距离小的类别之间的重叠.本文提出了基于线性判别的局部保留映射(DLPP)算法并将其应用到表情识别问题中.与LPP相比,DLPP的改进之处在于将判别分析的思想引入LPP.同时考虑样本间的相邻关系和模式类之间的相邻关系,从而得到能正确分类的最优投影方向.在Yale人脸库和JAFFE表情库中的一系列表情识别实验结果表明,DLPP对于人脸表情识别更为有效.     

基于ESM与ELINT信息融合的机载辐射源识别

本文深入研究了ESM和ELINT多传感器系统的机载辐射源识别方法.首先针对ESM系统提供的辐射源多特征信息,提出了基于模糊综合评估获取基本可信度赋值函数(BPAF)的方法;针对ELINT系统量测数据的特点,提出了基于灰关联分析的BPAF获取方法.在此基础上,研究了应用D-S证据理论进行多传感器信息融合,从而识别机载辐射源的原理.识别实例和对比实验表明,本文提出的BPAF获取方法是实用有效的,基于信息融合的识别正确率高.     

基于核回归正则项的图像超分辨率重建

讨论了图像成像的基本模型,并提出了一种基于调整核回归函数作为正则项的序列图像重建算法。该算法是对已经提出的核回归算法的改进,减少其在超分辨率图像重建时的运算量。而且在图像配准过程中针对图像间只存在平移和旋转变换,采用了基于矩形像素值的亚像素配准方法,以提高配准的速度和精度。利用此算法对序列图像进行重建仿真,并通过结论得出其在噪声严重的情况下具有更好的边缘保留特性。     

基于改进的LTP人脸表情识别算法

针对人脸表情识别背景复杂导致识别率低的缺点,提出了一种中心对称三值模式(CSTP)算法,首先对人脸表情图像进行分块处理,在每一子块上提取CSTP特征,并对该子块进行CSTP特征的直方图统计,然后求出各个子块对应的信息熵,构造自适应加权系数,再分别和各个子块的直方图相乘,将自适应加权后的各个子块特征向量级联作为最终的纹理特征,最后利用支持向量机(SVM)进行表情分类.在JAFFE和CMU-AMP表情库上进行试验,通过对比其他传统方法发现该算法对表情识别更有效.     

基于人脸相似度加权距离的非特定人表情识别

该文提出了一种用于非特定人表情识别的方法。首先,对测试人的初始表情特征进行高阶奇异值分解,得到测试人与训练集中所有人相关的表情特征。然后,根据相似的人有相似的表情的假设,计算人脸相似度加权距离,作为测试人的表情特征与标准的表情特征之间的相似性测度。通过加权的过程,可以有效地去除由于个体差异而造成的表情特征的差异,提高非特定人表情识别的鲁棒性。该文提出的方法在JAFFE数据库上进行了测试。对非特定人的表情识别实验表明,该文方法比传统的方法在识别率上有了提高。