基于多尺度LBP和SVM的掌纹识别算法研究

为了提高掌纹识别算法识别率,降低特征向量维数,采用基于关键点定位对掌纹进行预处理,利用双向直方图均衡化增强掌纹图像的对比度和纹理细节。使用纹理频谱度量的方法寻找掌纹主线方向,确定Ga-bor滤波器的方向参数,在此基础上,结合多尺度的LBP算子对Gabor变换后的掌纹特征进行提取。最后利用GA优化SVM参数的方法对掌纹图像进行分类。实验结果表明,本文算法能够获得高达97.5%的正确识别率。     

基于混合Gabor滤波器与加权中心对称LBP的掌纹识别

掌纹识别是一种比较新颖的生物特征识别技术,提 取最佳分类特征一直是掌纹识别研究领域的一个重要方向。掌纹图像纹理特征丰富,但传统 方法难以准确将其表征。针对此问题,将固定尺度及自适应多尺度Gabor滤波器结合起来, 提出基于混合Gabor滤波器与加权中心对称局部二值模式(weighted center symmetric loca l binary pattern,WCS-LBP)的掌纹识别方法。首先,利用混合Gabor滤波器对掌纹感兴趣 区域进行滤波得到特征图像,并将其串联在掌纹特征空间;然后,使用WCS-LBP提取该空间 掌纹特征形成特征向量;最后,通过匹配WCS-LBP直方图序列的相似度来实现分类。在Poly U图库、同济大学图库、IIT-D图库和自建非接触图库中进行实验。结果显示,该算法获得 的识别率最高分别可达99.768%、99. 510%、99.091%和98.501%,最低等误率分别为 0.794%、1.235%、1.672%和2.339%,且识别时间都在1s以内,相比其他传统和流行算法具有优势 ,显示出方法良好的效果。     

基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

基于离散余弦变换和主线分块能量的模糊掌纹识别

针对非接触式掌纹采集时离焦状态导致的图像模糊问题,提出一种新颖的识别方法。使用离散余弦变换(DCT)在频域内提取低频系数作为稳定特征,使用改进的局部灰度极小值法提取空域内的稳定特征即主线,再使用分块方法计算主线能量形成特征向量,然后将频域和空域内的稳定特征进行融合,最后利用向量之间的欧式距离进行识别。在SUT-D模糊掌纹库上的测试结果表明,与融合之前及其他典型识别方法比较,本文算法识别率最高可达96.057 8%,表明本文方法在识别性能上具备有效性和优越性,为解决模糊掌纹的识别问题提供了一条可行途径。     

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。     

基于多尺度特征融合的钢材表面缺陷分类方法

针对钢材表面缺陷分类检测率低的问题,文中采用一种基于纹理多尺度特征融合的表面缺陷分类方法。利用Gabor滤波器与灰度共生矩阵建立纹理图像的多尺度特征向量,同时利用卷积运算对纹理图像进行特征提取,并引入混合膨胀卷积模块以增加感受野,将两种特征向量进行融合得到加强后的融合纹理特征向量。融合后的特征以序列方式输入长短时记忆网络(Long Short-Term Memory, LSTM)构建分类模型,利用混淆矩阵将分类结果进行指标评判。结果表明该方法在NEU(Northeastern University)数据集上的分类准确率达到97.5%。文中搭建LSTM网络、BP(Back Propagation)神经网络、SVM(Support Vector Machine)、KNN(K-Nearest Neighbor)以及CART(Classification And Regression Tree)等分类方法进行了对比实验。结果显示,在多尺度下LSTM分类方法表现最好,F1指标最高。结合BP网络、LSTM网络、SVM、KNN、CART、CNN以及AlexNet等方法进行了消融实验,验证了该方法的普...     

SVM在图像分类中的应用

支持向量机(SVM)是一种新的机器学习技术.本文采用一对一方法构建多分类SVM分类器.利用常用的灰度共生矩阵方法提取图像纹理特征,组成特征向量,输入构建好的SVM多分类器中进行分类.对从Brodatz纹理库中选取的4张纹理图像进行了分类实验,取得较好的分类结果.     

基于灰度分布特征的层次掌纹识别方法

目前掌纹识别算法主要集中在对掌纹图像所切取的ROI区域的研究,而对原始手部图像的灰度分布特征则讨论较少。在一定光照条件下,掌部不同位置的主线、皱纹和表层皮肤颜色的深浅在灰度图像上各自对应了不同的灰度级。该文提出一种利用手部尺寸和角度信息完成粗分类,借助单元信息熵的概念来分析手部图像的灰度分布特征从而完成细分类的层次掌纹识别方法。该方法不同于传统的对ROI区域进行特征提取的方法,直接利用整幅人手图像完成分类识别。在99类共990幅手部图像的数据库上进行的实验结果与PCA和LDA算法的对比表明,该算法具有比传统算法更高的鲁棒性,识别率也得到了较大幅度的提高。     

一种多尺度灰度共生矩阵的纹理特征提取算法

纹理特征作为图像的一个重要特征,在国画分类识别中的地位十分重要,但现有的纹理提取算法大多基于灰度信息而忽略了颜色信息。针对国画分类识别中纹理提取算法存在的问题,本文提出了一种多尺度、多色域的纹理特征提取算法,该算法结合了轮廓波变换和灰度共生矩阵的优点。为了对国画进行特征提取,该算法首先将国画图像转变到HSI色彩空间。然后,提取色调、饱和度、强度这三个色彩分量进行分区域操作,即提取每一个色彩分量的纹理特征。最后,将提取的3个特征向量融合并进行主成分分析降维。实验证明,与灰度共生矩阵相比,本文算法在国画分类识别方面查准率提高了7.5%,查全率提高了8.7%。实验表明多尺度灰度共生矩阵算法优于传统的灰度共生矩阵算法。     

基于融合DCT和LBP特征提取的面部表情识别

针对离散余弦变换(DCT)只能提取面部表情图像的全局特征,而忽略了临近像素之间的关系、不能提取纹理特征信息、不能准确区分相似表情等问题,提出一种融合离散余弦变换方法和局部二值模式(LBP)特征的表情特征提取方法。该方法首先将人脸图像经过DCT获得的低频系数作为表情的全局特征;然后用LBP对贡献率较大的嘴部、眼睛区域进行局部纹理特征提取,通过将LBP提取到的局部纹理特征与DCT提取到的全局特征进行融合,从而得到更有效的表情特征;最后利用支持向量机(SVM)进行识别。实验结果表明:该方法比单独使用DCT方法提取的表情特征更有利于识别,提高了表情识别的准确性,并将这个表情识别方法用于智能轮椅的控制上,收到了良好的效果。     

基于内容图像分类技术中的特征分析

论文介绍了基于内容的图像检索技术(CBIR)的研究现状和相关技术,其中,特征提取是整个图像分类的关键,色彩和纹理都是CBIR常用到的图像视觉特征。文中提取了图像的颜色和纹理等六种特征．将所有的特征向量进行相应的组合,并采用SVM进行分类。最后,作者通过分析不同特征组合的识别效果,揭示了各种特征之间的内在联系,进而得到图像分类中的最佳特征组合。     

基于不变矩的掌纹识别方法

特征提取是掌纹识别研究中最基本的问题之一,对于掌纹图像识别而言,提取有效的分类特征是完成掌纹识别任务的一个关键问题。掌纹特征提取的本质就是把原始的高维掌纹图像样本数据投影到一个更有利于掌纹分类的低维特征子空间中。利用不变矩,对掌纹图像进行特征提取,采用最近邻分类器进行掌纹识别,在公共掌纹数据库上的实验结果表明,该方法是可行的。     

基于对数能量熵与LBP特征提取的人脸识别

传统LBP模式在提取图像的纹理特征时,没有对图像中的不同子块加以区分。一般情况下图像的不同子块包含的纹理信息不尽相同,不能真实地反映图像纹理的变化情况。为了解决传统LBP算法在人脸识别过程中产生的直方图维数过长、鉴别力不高、对噪声反应敏感等问题,提出一种基于对数能量熵与LBP特征提取的人脸识别方法。首先将一副人脸图像分成互不重叠的大小相等的子块,然后计算每个子块的LBP直方图,同时对每个子块计算对数能量熵值;其次把每个子块的LBP直方图特征与对数能量熵值组合成一个新的特征向量;最后,将每个图像块的特征向量连接成一个全局的特征向量,将该特征向量用作分类识别。基于YALE人脸库,ORL人脸库和FERET人脸库的实验结果与数据分析表明,文中提出的算法能够更加准确地提取图像的特征信息,有效地提高了人脸识别率。     

基于中心矩特征的空间目标识别方法

目标的雷达散射截面（RCS）包含了丰富的目标类别信息，有效地利用目标RCS特征对空间目标的雷达识别具有重要的意义。该文利用空间目标回波的距离维信号来进行识别。中心矩特征具有平移不变性，是一种简单有效的波形特征提取算法。文中首先提取中心矩作为特征向量，再采用Fisher判据进一步进行特征压缩，最后利。用支撑矢量机（SVM）分类算法实现识别。基于实测数据的仿真实验结果表明，该方法具有较好的识别性能和推广能力。     

基于log-Gabor与FT数据融合的掌纹识别算法

本文提出一种基于数据融合的掌纹识别算法。该算法首先利用log-Gabor小波提取掌纹纹理特征,同时用傅立叶变换(Fourier Transform,FT)提取掌纹频域统计特征,然后分别与库中模板进行匹配,最后对两种匹配结果进行数据融合,得到最终识别结果。该算法中的基于手掌中基准点的手掌定位方法,使得定位中的方向校正更为准确。实验结果达到较高的识别率,验证了该算法的有效性。     

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.     

融合时空特征的视频序列表情识别

针对视频表情识别,静态特征不能有效描述人脸区域沿时间轴动态变化信息的局限,该文提出一种融合动态纹理信息和运动信息的表情识别方法,借鉴LBP-TOP原理,提出具有时空域描述能力的时空韦伯局部描述子(STWLD)来提取动态纹理信息,同时采用分块光流直方图(BHOF)描述运动信息,最后利用SVM对融合后的纹理和运动信息完成表情分类。在CK+和MMI表情数据库上的交叉实验结果表明,相比基于单一特征的识别方法,所提方法取得了更好的效果;与其他相关方法的对比实验也验证了该方法的优越性。     

基于Gabor小波和LLE的掌纹识别

为了更好地提取掌纹图像的非线性特征,文中提出一种基于Gabor小波变换和局部线性嵌入的掌纹识别算法。通过提取ROI进行光照和滤波预处理,之后进行Gabor小波变换,提取掌纹图像的多尺度特征,利用非线性的LLE算法提取主元,用最近邻方法进行分类。通过PolyU掌纹库进行验证,比较了预处理、不同ROI提取方法、LLE算法的参数对识别率的影响。实验表明,此方法相比于传统的线性降维算法以及单独的LLE算法在识别率上均有所提高。     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。