基于本征空间的多姿态人脸识别方法

多姿态人脸识别是目前人脸识别中的难点,已有方法的识别率普遍不是很高.利用PCA对不同姿态的人脸分别建立特征子空间,将待识别人脸图像向相应的特征子空间投影的方法,可以提高多姿态人脸的识别率.实验结果表明,该方法对样本多姿态的人脸图像识别率可以达到97%.     

基于线特征差分投影的空间目标姿态估计方法

空间目标姿态估计是有效实现基于ISAR图像空间目标识别的重要前提。本文针对利用线特征二维投影进行姿态估计时,线特征投影的检测误差会严重影响姿态估计精度这一问题,提出一种基于线特征差分投影的空间目标姿态估计方法。该法利用DP算法检测线特征在ISAR图像中的投影,通过建立线特征在实测ISAR图像和姿态估计值下的仿真图像中的二维差分投影,将线特征投影检测的绝对误差转化成相对误差,有效减小了线特征投影的检测误差对姿态估计的影响;同时,利用差分投影求取姿态估计的修正量,形成姿态估计的优化迭代过程,不断提高姿态估计精度。仿真实验验证了方法的可靠性与有效性。      

空间目标红外特征提取与识别技术

针对空间目标红外识别中典型的类内变化大、类间变化小等问题,提出了一种用支持向量机(Support Vector Machine,SVM)分类器结合局部二值模式(Local Binary Pattern,LBP)直方图特征和灰度直方图特征的空间目标红外特征提取与识别方法。以国内某卫星和国外某卫星为研究对象,提取它们红外图像的LBP直方图特征以及灰度直方图特征;使用红外仿真软件生成两个目标在不同姿态、不同分辨率下的样本图,并分成两部分,分别作为SVM分类器的训练集和测试集。实验结果表明,LBP直方图特征和灰度直方图特征均能够以较高的准确率对空间目标进行识别,且其识别效能与目标红外图像的分辨率以及SVM核函数有关。     

基于样本正交子空间的SAR目标识别方法

利用合成孔径雷达(Synthetic Aperture Radar, SAR)获取的目标像进行识别时,基于子空间的自动目标识别(Automatic Target Recognition, ATR)方法通常是对样本数据的值空间进行操作。当识别相似目标时,由于彼此的值空间存在较大的交集,生成的识别模板的可分性较差。该文提出一种SAR目标ATR方法,该方法将SAR样本数据的正交子空间作为投影空间。因此,不同类目标样本在投影空间的差异性加大,能够明显提高识别效果。实验结果表明,本文方法的识别性能优于其它同类方法。     

子空间法雷达目标一维像识别研究

基于高分辨一维像,研究特征子空间法和正则子空间法在雷达目标识别中的应用。针对一维像敏感于目标姿态变化的特点,提出一种子空间串识别法,将所有姿态范围划分为一定数量的模区,在每模区建立各类目标的子空间。对未知目标,所处模区由雷达测定后,其一维像映射到该模区各类目标的特征子空间进行识别分类一单模区搜索准则。模拟和实测数据实验表明所提出方法是有效的。     

一种基于复数域中二维特征提取的人脸识别方法

该文提出了一种新的基于复数域中的二维特征提取方法进行人脸识别。该方法首先对人脸样本进行镜像变换,根据原始人脸样本和相应的镜像样本分别计算偶对称样本和奇对称样本,通过奇偶加权因子将偶对称样本与奇对称样本组成复数样本,然后在复数域中分别定义复图像类内散布矩阵和复图像类间散布矩阵,并求解一组最优复投影轴,将复人脸样本投影到这组最优复投影轴上来提取人脸特征,最后采用最近邻距离分类器来分类所提取的特征。该方法在NUST603人脸图像库中进行了实验,实验结果表明该方法获得了较好的识别效果。     

基于图像隶属度的主分量分析人脸识别算法

提出了基于图像隶属度的主分量人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间.计算训练样本和待测样本在人脸特征空间中的投影向量间的距离.引入图像隶属函数,作为识别分类器进行人脸识别.针对ORL人脸库的实验结果表明该方法具有良好的识别分离能力.     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。     

基于Zernike矩的三维目标多视点特性视图建模

目标的模型化是三维目标识别的一个重要环节。由于从多视点特征法建立的模型能够避免从二维图像中恢复目标的三维结构．在三维目标识别中应用比较广泛。使用镶嵌式多面体分割视觉空间以得到三维目标的多视点投影图像,采用较小的镶嵌单元尺寸以完备地描述目标各种姿态的信息。Zernike矩具有旋转不变性,并能够方便地由各阶矩重建图像。计算多面体各个单元的投影图像的Zernike矩．所需的矩的最高阶次由重建图像与原图像的差别确定,通过聚类方式合并那些图像的矩变化很小的投影对应的几个小单元．每个新单元可以提取一幅特性视图．实现较小数目的多视点特性视图的建模。实验证明了这种方法的可行性。     

一种应用于人脸识别的有监督NMF算法

为了提高非负矩阵分解(NMF)算法识别率,提出了一种有监督的NMF(SNMF)方法.该算法对NMF基图像进行判别分析,然后选择主要反应类内差异的基图像来构造子空间,最后在子空间上进行识别.通过UMIST人脸库和CMU PIE人脸库上的实验结果表明,该方法对光照、姿态和表情变化具有一定的鲁棒性,识别率高于NMF方法和其它子空间分析法.     

遥感图像扫描聚类分割算法

针对传统聚类分割算法对噪声和异常值敏感的问题,利用RGB特征空间对图像主体的表达能力及图像空间的邻域相关性,基于扫描聚类原理提出一种对噪声和异常值具有较强鲁棒性的遥感图像分割算法。算法以椭球形建模不同目标在RGB特征空间分布,以三个主成分方向逼近椭球三轴方向,通过逐渐调整椭球中心、主成分方向以及三轴长度使椭球对目标主体在RGB特征空间分布达到最优拟合效果,进而实现RGB特征空间不同目标主体的识别。RGB特征空间能够有效区分不同类型目标,但无法判定远离聚类主体像素的隶属性。为了充分利用图像空间相邻像素隶属于同一目标的可能性较大这一性质,利用相邻像素标号填补主体分割结果中的空洞区域,得到对噪声具有较强鲁棒性的完整分割结果。对合成遥感图像和真实遥感图像的分割实验表明,提出算法不但能够有效识别目标主体,还能极大程度地提高算法对噪声和异常值的鲁棒性。      

基于动态轮廓线的面积测量新方法

提出了一种适用于具有光滑且不规则形状边缘的物体表面积计算的测量方法。使用一种新颖的形心自标定技术,利用图像目标形心和双频激光器测量出像素的尺寸当量,从而准确测量出真实物体的表面积。实验表明该方法的平均计算误差达到了±0.5%。和传统的面积测量方法相比,这种方法具有很强的鲁棒性,特别适用于目标图像背景中存在各种噪声和目标内部具有复杂边缘的面积计算。     

序列图像中动目标标示的多分类器自适应融合识别

序列图像中动日标标示图像的识别具有非常重要的意义。但当序列图像受到严重干扰时,单个分类器对动目标标示图像识别率较低,若多分类器的融合采用线性模型且其融合系数不随输入图像变化时又易限制多分类器融合性能。该文利用实时估计各分类器对当前输入样本的判决后验置信度来自适应调整融合系数,能充分利用每个分类器当前的识别能力,从而获得更好的效果。该方法用于视频流中车牌识别系统,实验显示即使由于光照平均,或雾或雨而使图像部分缺损、扭曲、粘连等时,该方法均能使识别取得令人满意的结果。可见这种方法有很好的应用前景。     

Preferential Image Segmentation Using Trees of Shapes

A novel preferential image segmentation method is proposed that performs image segmentation and object recognition using mathematical morphologies. The method preferentially segments objects that have intensities and boundaries similar to those of objects in a database of prior images. A tree of shapes is utilized to represent the content distributions in images, and curve matching is applied to compare the boundaries. The algorithm is invariant to contrast change and similarity transformations of translation, rotation and scale. A performance evaluation of the proposed method using a large image dataset is provided. Experimental results show that the proposed approach is promising for applications such as object segmentation and video tracking with cluttered backgrounds.      

基于Gabor小波与HOG特征的目标检测方法

针对传统的HOG目标识别方法,提出一种通过Gabor滤波融合后的进行HOG特征提取的目标检测方法。为了提高HOG特征提取信息的有效性,首先用Gabor对目标图像做了预处理,其预处理过程是针对图像Gabor特征的在尺度和方向上进行融合,形成一幅Gabor图像。为了有效提取全局的Gabor图像纹理、轮廓信息,将该图像分为大小相同且重叠的块,分别对每个块进行统计,最后用RealAdaboost级联方法对目标和非目标样本进行学习,并对测试序列进行分类。结果表明,基于梯度的Gabor预处理技术能提高目标特征提取性能。与传统的HOG目标识别的方法比较,该方法在目标图像受到干扰的情况(遮挡、重叠等)下,监测效果明显优越。     

一种基于稠密SIFT特征对齐的稀疏表达人脸识别算法

该文针对人脸图像受到非刚性变化的影响,如旋转、姿态以及表情变化等,提出一种基于稠密尺度不变特征转换(SIFT)特征对齐(Dense SIFT Feature Alignment, DSFA)的稀疏表达人脸识别算法。整个算法包含两个步骤:首先利用DSFA方法对齐训练和测试样本;然后设计一种改进的稀疏表达模型进行人脸识别。为加快DSFA步骤的执行速度,还设计了一种由粗到精的层次化对齐机制。实验结果表明:在ORL,AR和LFW 3个典型数据集上,该文方法都获得了最高的识别精度。该文方法比传统稀疏表达方法在识别精度上平均提高了4.3%,同时提高了大约6倍的识别效率。     

基于步态的身份识别

步态就是个体的行走方式，它作为一种适用于非接触式远距离身份识别的生物特征近来倍受关注。文章提出了一种简单有效的利用行人的步态特征识别身份的算法。对于每个序列而言，行人的重心偏移量首先被用来去除序列中的冗余图像帧；然后，从图像中提取二值化人体轮廓的宽度信息，通过对其进行特征空间变换和规范空间变换来获得可分类的低维步态特征；标准的模式分类技术用于最终的识别。     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

集成成像系统实现三维物体旋转不变分类识别

提出一种基于集成成像系统和综合判别函数(SDF)实现三维物体旋转不变分类识别的新方法。方法利用集成成像系统获取旋转三维物体的单元像阵列图像,应用图像中各个单元像记录的三维物体信息之间的高关联特性,结合SDF,实现了三维物体的旋转不变分类识别。与已有方法相比,本文方法减小了识别过程的数据量,降低运算复杂度,提高了识别效率,且不受物体旋转角度的限制。针对多类旋转三维物体,利用本文方法实现了旋转不变分类识别,验证了方法的有效性。     

Recognition of blurred images by the method of moments

The article is devoted to the feature-based recognition of blurred images acquired by a linear shift-invariant imaging system against an image database. The proposed approach consists of describing images by features that are invariant with respect to blur and recognizing images in the feature space. The PSF identification and image restoration are not required. A set of symmetric blur invariants based on image moments is introduced. A numerical experiment is presented to illustrate the utilization of the invariants for blurred image recognition. Robustness of the features is also briefly discussed.