基于三维的人脸定位系统的研究

三维入脸识别过程及系统功能 国外三维人脸识别的典型方法主要是利用深度图像自身的几何特征,利用深度图像处理技术,分析面貌曲面的曲率等几何特征,对面貌曲面进行凹凸区域的分割、正侧面轮廓边缘的提取.最早对三维图像面貌识别的研究有Lapreste提出的基于轮廓线的方法,通过对人脸面貌曲率的分析,提取轮廓线上的特征点,利用轮廓线作为特征进行面貌的识别.     

太赫兹安检系统人体图像边缘物体识别

提出一种自动识别人体边缘物体的算法,用于太赫兹人体安检系统的人体边缘物体成像的识别。原始图像经过二值化、滤波除噪、填充、形态学腐蚀膨胀等预处理算法后,利用顺时针搜寻轮廓追踪算法标记图像轮廓坐标,对轮廓上各坐标点使用圆形模板占空比检测以及非极小、非极大值抑制算法筛选出所有的凸点和凹点,并根据相邻凸点和凹点组合特征及其横向距离约束实现边缘物体的识别。500幅测试图像实验结果表明:该算法对边缘物体可实现快速识别,误判率在2%以下;通过调整算法参数,可良好匹配安检系统的识别精度,从而达到匹配于系统的分辨极限;具有抗噪声能力强,识别速度快,识别精度高等优点。     

基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型

文中旨在研究基于轮廓图像空频域特征的舞蹈翻腾姿态识别模型。该模型先将待识别舞蹈视频图像实施腐蚀、膨胀、中心归一化等预处理,利用处理后图像提取舞蹈翻腾姿态能量图,通过离散余弦变换提取舞蹈翻腾姿态能量图频域特征,利用Contourlet变换提取舞蹈翻腾姿态能量图空域轮廓特征,采用特征级融合方法融合以上特征获取舞蹈轮廓图像的空频域特征向量集,再将待识别舞蹈视频序列候选姿态利用Baum-Welch算法训练为隐马尔可夫模型,利用舞蹈轮廓图像的空频域特征向量集将隐马尔可夫模型量化至观察序列,通过前向后向算法获取观察序列姿态概率,观察序列概率值最大的隐马尔可夫模型对应姿态即为所需识别舞蹈翻腾姿态。实验结果表明,该模型可较好地提取具有空频域特征的舞蹈轮廓图像,有效识别舞蹈视频中舞蹈翻腾姿态,且识别100帧有阴影舞蹈视频图像中舞蹈翻腾姿态识别准确率高于96%。     

基于轮廓波的纹理图像特征提取方法

文利用轮廓波分解的方向性和能量变化特性,提出了一种适用于纹理图像的特征提取方法。该方法首先通过方向可控滤波器（Steerable Filter）获得纹理图像的角度信息,然后进行轮廓波分解提取纹理在不同分解方向上的特征向量,最后将纹理的角度和方向分解的能量信息一起作为纹理的特征。由于轮廓波的方向和分解层次数目可以灵活地调节,因此特征值数量也是调节的,以达到最好的识别分类效果。本文利用简单的距离分类器对所提出的算法进行了验证,以Brodatz纹理库中的旋转纹理图像为标准,纹理分类的结果达到了满意的效果。      

基于图像识别的武术动作分解方法研究

提出以图像识别为基础分解识别人体武术动作的方法。首先,通过形态学梯度操作使大部分噪声背景可以消除,进而取得人体轮廓边缘,将视频中每帧图像轮廓边缘提取出来并在同一幅图像中实现累积,利用累积边缘图像计算出以网格为基础的HOG,获取图像动作特征向量;其次,运用改良动态时间规整理论结合动作时间序列下各关节角度变化的特征,即可识别出各类武术动作间关节变化序列的相似性,再设计分类器并向其输入图像中人体动作时变特征数据,从而实现基于图像识别的武术动作分解过程。实验结果表明,利用图像识别可有效分解武术动作。     

基于轮廓线曲率特征的人脸分类及识别

文中提出一种人脸分类及识别方法。在对人脸图像进行预处理之后,提取出人脸的轮廓,再细化,去除边缘噪声,得到人脸的轮廓线。对此轮廓线逐点计算曲率得到曲率线。将不同的曲率线之间的互相关函数定义为曲率线之间的相似性,并由此对人脸进行分类和识别。由于曲率几何特征明显,具有位移和旋转不变性,所提出的方法有较好的鲁棒性,并且得到了良好的分类效果。     

基于非参数统计的云层背景描述与红外弱小目标检测

针对复杂云层背景下的红外弱小目标检测问题,提出了一种新的基于非参数统计的云层边缘纹理描述方法,并利用该方法构造出针对云层边缘的陷波滤波器.由于云层对阳光的漫反射特性,它的边缘区域成像时呈现出稳定的逐级过渡的纹理特征,而利用非参数统计中的秩分析方法可以较好地描述这种过渡纹理.首先,定义理想云层边缘纹理的秩统计量.然后,获取分析图像与理想云层边缘纹理秩统计量的相关曲面.最后,对秩相关曲面进行变换,构造出针对云层边缘区域的陷波滤波图像.将陷波滤波图像与高通滤波图像相乘,实现对残留云层边缘的抑制.实验结果表明,在没有对背景噪声的统计分布做任何假设的情况下,利用该方法能够对背景中的强云边缘进行有效抑制.     

参数自适应的耦合卡通-纹理分解及边缘检测方法

在耦合卡通-纹理分解及边缘检测模型的基础上,提出了根据原图像在不同位置的图像特征自适应选取参数的算法,即根据对原图像预分析的结果,分别在边缘、纹理、分片光滑区域选取不同的参数值,从而达到充分提取纹理、保证卡通图像光滑性同时保护边缘的目的。数值实验结果表明,本文方法提高了图像分解的质量及边缘检测的准确性,减少了边缘提取的奇异点。     

利用模糊特征改进Snakes模型的图像分割

利用模糊特征自适应地控制曲线法向力场改进参数主动轮廓模型,改进后的模型可以对弱边缘、无边缘区域和纹理图像进行分割。曲线法向力场加速了曲线收敛到目标区域边界,改进了抓取范围和提取凹区域的能力。对弱边缘图像、医学图像和纹理的分割实验表明,新方法具有良好的性能。     

基于Zernike矩及支持向量机的猪的姿态识别

为监控猪的行为,提出了基于Zernike矩及支持向量机的猪的行走姿态识别方法。首先对原始图像进行预处理,提取出原始图像中猪的轮廓图像。然后,根据标准矩对上述图像进行归一化,再对归一化后的二值轮廓图提取Zernike矩特征。在此基础上,利用支持向量机理论设计了多种姿态分类器,实现对猪的正常行走、低头行走、抬头行走、躺卧等四种姿态进行识别。实验结果表明,此方法对猪的姿态分类识别的准确度达到了95%以上。该项研究对猪的姿态识别方面具有显著价值。     

复杂光照条件下的多姿状鲁棒性人脸识别方法

为改善复杂光照条件下的多姿状鲁棒性人脸识别的效果,提出了小波变换与LBP的多姿状鲁棒性人脸识别方法。通过二维离散小波变换对人脸图像进行二级小波分解提取到低频特征信息分量,并以重构初始图像的方式实现降噪滤波处理,滤除低频光照分量后完成复杂光照补偿;继续分解复杂光照补偿后的图像,采用LBP算子对子图像的鲁棒性部分纹理特征进行描述后,提取出人脸图像各子图像的直方图特征并连接,得到人脸LBP纹理特征,通过统计法运算该特征距离,并通过K近邻分类器实现人脸特征分类识别。以Yale-B与AR人脸库为测试对象,结果表明,所研究方法对复杂光照鲁棒性较强,识别人脸的准确率与效率较高,整体识别效果较好。     

基于2D姿势估计的高动态舞蹈动作识别方法

针对舞蹈视频图像中动作复杂多变、连贯性强、遮挡问题严重等问题,文中结合先进的舞蹈动作识别技术发展方向及其应用场景,同时考虑到彩色图像处理中计算机处理负载过重的问题,设计了一种基于2D姿势估计的高动态舞蹈动作识别方法。该方法主要分为模板建立与姿势估计两个部分,主要涉及的处理操作有图像预处理、模板特征提取和模板匹配这三种。验证测试结果表明,训练集图像经过灰度化与阈值化后,即可获得图像中前景舞者的图形,再利用Kinect人体模型提取动作特征信息。由于考虑到拍摄角度等原因导致的特征差异,将描述同一动作的多张训练图的特征信息保存在同一信息矩阵中,可进一步提高动作识别的准确性。     

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。     

On an algorithm for Vision-based hand gesture recognition

A vision-based static hand gesture recognition method which consists of preprocessing, feature extraction, feature selection and classification stages is presented in this work. The preprocessing stage involves image enhancement, segmentation, rotation and filtering. This work proposes an image rotation technique that makes segmented image rotation invariant and explores a combined feature set, using localized contour sequences and block-based features for better representation of static hand gesture. Genetic algorithm is used here to select optimized feature subset from the combined feature set. This work also proposes an improved version of radial basis function (RBF) neural network to classify hand gesture images using selected combined features. In the proposed RBF neural network, the centers are automatically selected using k-means algorithm and estimated weight matrix is recursively updated, utilizing least-mean-square algorithm for better recognition of hand gesture images. The comparative performances are tested on two indigenously developed databases of 24 American sign language hand alphabet.     

基于小波域和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波分解纹理图像,然后使用局部二值模式提取纹理特征.利用最大熵准则对纹理特征图像进行选择,活动轮廓模型用于最后的分割.实验结果表明提出的方法对于合成纹理和自然场景数据集,达到了较高的分割精度.     

基于色彩和纹理特征融合的模糊人脸识别方法

基于纹理特征的方法被广泛应用于人脸识别。然而纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法的识别精度会急剧下降。为了克服纹理特征的在模糊人脸识别中的不足,提出了一种基于色彩特征和纹理特征融合的识别方法。首先参照人类的对立色感知机制提取人脸的色彩特征;然后,将该色彩特征和纹理特征分别用于识别分类;最后,将二者的识别相似度进行融合,得到最终的识别结果。该色彩特征描述了图像的低频信息,其对图像模糊不敏感,并且与描述图像高频信息的纹理特征具有良好的互补性。在FERET 和AR 人脸库上的实验表明,融合色彩特征和纹理特征有效地提高了模糊人脸的识别精度。     

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。     

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex, Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。     

基于颜色纹理特征的SVD图像检索方法

网络等媒体中包含的图片越来越丰富,从众多的图像中查找到自己感兴趣的内容是图像处理一个重要目标.图像的颜色和纹理能从视觉上表现图像特征,因此提出了图像颜色和纹理特征融合,并用奇异值分解方法降低特征向量维度的图像检索方法.首先,提取图像LTrP(Local Tetra Patterns)纹理特征向量和HSV颜色特征向量;对图像分块,用奇异值分解方法降低图像块特征向量维度和噪声,连接图像块向量得到图像的特征向量;用欧式距离对图像进行相似性检测.实验结果表明,该方法平均检索精度明显高于其他同类检索方法.     

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.