基于小波变换和余弦变换的Fisher脸识别

结合几种现有的人脸识别特征提取算法,先对人脸图像进行小波分解去噪;然后通过离散余弦变换对低频分量作进一步特征提取和压缩,保留人脸图像中对光照、姿态、表情变化不敏感的识别信息;接着利用PCA和LDA相结合得到最终的识别特征,最后采用欧式距离和最近邻分类器识别人脸。实验采用ORL标准人脸库验证了这种组合的有效性。     

基于小波变换和离散余弦变换的fisher脸识别

本文结合几种现有的人脸识别特征提取算法,先对人脸图像进行小波分解去噪;然后通过离散余弦变换对低频分量作进一步特征提取和压缩,保留人脸图像中对光照、姿态、表情变化不敏感的识别信息;接着利用PCA和LDA相结合得到最终的识别特征;最后采用欧式距离和最近邻分类器识别人脸。实验采用ORL标准人脸库验证了这种组合的有效性。     

基于离散小波变换和ICA支持向量机的人脸识别

为了实现对具有不同光照、姿势和噪声的人脸进行识别并提高识别精度,设计了一种基于离散小波变换和最小二乘支持向量机的人脸识别方法。首先,采用二维离散小波变换对人脸图像进行压缩和降噪,以提取低频特征信息分量,然后采用快速独立成分分析法ICA对经过离散小波变换后的人脸低频分量进行特征提取,以进一步减少人脸特征向量维数。在获取图像特征向量的基础上,采用径向基函数作为核函数,将训练样本数据输入最小二乘支持向量机进行训练以获得最终的分类模型。在ORL数据库下采用MATLAB仿真工具进行仿真,实验结果表明,该方法能有效地实现对人脸识别,与其他方法相比具有较高的识别精度。     

基于Curvelet变换的人脸识别技术研究

提出了一种基于二代Curvelet变换的人脸识别算法,先对人脸图像预处理及Curvelet变换系数的特征提取;然后结合PCA L、DA进行降维处理;再对降维后的系数进行分类,进而对人脸进行识别。为研究表情及光照对识别率的影响,分别采用了ORL与Yale人脸数据库,将该算法与小波变换的算法进行对比。实验结果表明,该算法得到更高的识别率。     

基于BP神经网络的人脸识别系统研究

本文设计了一种基于BP神经网络的人脸识别系统,并对其进行了性能分析.该系统首先利用离散小波变换获取包含人脸图像大部分原始信息的低频分量,对图像数据进行降维;再由PCA算法对人脸图像进行主成分特征提取,进一步降低图像数据的处理量;最后使用经过训练后的BP神经网络对待测人脸进行分类识别.详细介绍了离散小波变换、PCA特征提取以及BP神经网络分类设计.通过系统仿真实验与分析发现:人脸特征的提取是该系统的关键;同时,由于人脸灰度信息的统计特征与有监督训练BP神经网络分类器,使该系统只在固定类别,并且光照均匀的人脸识别应用场景中具有较高的识别准确率.因此,很难在复杂环境中应用.     

基于离散余弦变换的人脸识别方法

人脸图像的庞大信息量使其不适合于直接识别。提出用离散余弦变换处理人脸原始图像,得到降维的特征矢量,并结合前馈神经网络对人脸进行分类识别。通过对ORL人脸库多幅人脸图像的仿真实验表明,系统的识别率较高,且训练时间大大降低,是一种高效的识别方法。     

一种2DDCT与压缩感知结合的人脸识别

针对压缩感知(Compressed Sensing,CS)方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,计算复杂等缺点,提出二维离散余弦变换(2DDCT)和压缩感知(Compressed Sensing,CS)相结合的人脸识别方法。新方法首先利用2DDCT将图像变换到频域,压缩人脸图像以去掉人眼不敏感的中频分量与高频分量,这样有效降低了所需特征的维数,减少了计算量;然后通过感知算法进行特征提取得到人脸识别特征,最后运用最近邻分类器完成人脸的识别。在ORL、Yale及Feret人脸数据库的实验结果证明了该算法的有效性与稳健性,特别是在YaleB人脸数据库运用该方法得到了很好的试验结果。     

基于Gabor小波变换和两次DCT的人脸表情识别

提出了一种基于Gabor小波变换和两次离散余弦变换(DCT)相结合的人脸表情特征提取方法,在保留有效的纹理信息基础上降低了表情特征的维数.首先对人脸表情图像进行第一次DCT压缩图像,然后对处理过的图像执行Gabor变换,提取表情特征,进而对得到的不同尺度和方向的特征图像进行第二次DCT,得到包含大量表情信息的低维特征向量,最后用BP神经网络对特征向量分类.实验结果显示该方法识别率较高.     

基于概率神经网络优化DWT-2DLDA的高噪声人脸识别

针对人脸识别中的原始图像存在噪声而影响识别性能的问题,提出了基于概率神经网络优化二维子空间分析的人脸识别方法。首先,使用离散小波变化对图像进行预处理;然后,利用二维线性判别分析进行特征提取;最后,利用概率神经网络完成人脸分类。在ORL和FEI量大通用人脸数据库及自己搜集的数据库上的实验结果表明,在添加噪声的情况下,识别率也可高达98.9%,相比几种较新的识别方法,本文方法取得更好的识别性能。     

基于迹变换和旋转增量调制特征的模糊人脸识别

为提高各种不同特殊场景下的模糊人脸识别精确性和鲁棒性,本文提出一种基于迹变换和旋转增量调制编码的特征提取方法.该方法将通信语音编码技术与图像变换技术相结合,首先通过迹线旋转扫描整幅图像,并对迹线上的采样信息进行增量调制编码,从而获得多角度的全局有序结构特征,然后用支持向量机对样本图像的这些特征进行训练以分类并识别图像.实验结果表明,在各种不同模糊级的低质量人脸数据库上,本文方法对不同光照变化、不同拍摄角度、不同遮挡等不同场景的人脸图像均能取得较好的识别效果,与一些传统方法相比识别性能大幅提升,相对于VGGNet和Sphereface两种先进方法在三组不同模糊度测试图像集的平均识别率分别提高2.18％和2.20％,具有更高的识别精度和更好的鲁棒性.     

Local appearance based face recognition method using block based steerable pyramid transform

In this paper, an efficient local appearance feature extraction method based on Steerable Pyramid (S-P) wavelet transform is proposed for face recognition. Local information is extracted by computing the statistics of each sub-block obtained by dividing S-P sub-bands. The obtained local features of each sub-band are combined at the feature and decision level to enhance face recognition performance. The purpose of this paper is to explore the usefulness of S-P as feature extraction method for face recognition. The proposed approach is compared with some related feature extraction methods such as principal component analysis (PCA), as well as linear discriminant analysis LDA and boosted LDA. Different multi-resolution transforms, wavelet (DWT), gabor, curvelet and contourlet, are also compared against the block-based S-P method. Experimental results on ORL, Yale, Essex and FERET face databases convince us that the proposed method provides a better representation of the class information, and obtains much higher recognition accuracies in real-world situations including changes in pose, expression and illumination.     

基于Gabor小波的人脸表情特征提取研究

为了使计算机能更好的识别人脸表情,对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理,包括对确定的人脸表情区域进行尺寸和灰度归一化,然后利用二维Gabor小波变换提取脸部表情特征,使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中,利用Fisher准则提取那些有利于分类的特征,最后用SVM分类器进行分类。实验结果表明,上述提出的方法比传统的方法识别速度更快,能达到实时性的要求,并且具有很好的鲁棒性,识别率高。     

基于Radon变换的多尺度虹膜特征提取算法

系统分析了基于虹膜特征的身份识别系统.针对典型预处理特点,设计了基于Radon变换的新特征提取算法.该算法在保持旋转、平移和尺度缩放不变性的同时,利用标准化方差加权的绝对距离,使识别准确度达到了93%.这种算法对于其它不规则图像的分析也具有启发意义.     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发，提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能，引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。     

基于HOG低秩恢复与协同表征的人脸识别方法

在获取到的人脸图像不完备以及人脸图像在有遮挡、光照、表情的变化或受到噪声污染时,识别率就会变得十分低,针对这一问题,本文提出了一种基于HOG低秩恢复与协同表征的人脸识别算法HLRR_CRC.首先采用低秩恢复算法得到训练样本和测试样本的干净人脸图像,然后对测试样本中干净的人脸图像和训练样本中干净的人脸图像分别进行HOG特征提取,得到HOG特征向量,以此特征向量为基础,得到测试样本特征矢量的协同表示,最后,通过规则化残差进行分类.在ORL、Extended Yale B和AR数据库上进行测试,实验结果表明,本文算法对光照、噪声较鲁棒,相比于当前的人脸识别算法,本文算法在恶劣光照和噪声下的识别率平均提高29.6％.     

基于特征提取与认证的彩色图像人脸检测

在深入的对频谱脸法和Fisherface方法进行研究后,综合这两种方法的优点,提出了一种基于频谱脸和Fisher-face的人脸识别新方法。频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用人脸面部构造产生的灰度特性提取眼睛,利用嘴唇的色度特征分割出嘴巴,进而根据眼睛和嘴巴构成三角形模板的特性,精确定位人脸在图像中的位置。实验结果表明,这种结合肤色和面部特征的算法,能够对人脸进行较快速、准确的定位,而且结果比较稳定可靠。