一种新的HOG特征人脸图像识别算法研究

针对人脸在非均匀光照下识别率的降低,提出了拉普拉斯滤波和离散余弦变换(DCT)融合梯度方向直方图(HOG)人脸识别算法。首先通过拉普拉斯滤波对人脸图像进行处理,突出其纹理特征,其次进行离散余弦变换(DCT),有效滤除高频分量,然后利用离散余弦逆变换(IDCT)重建人脸图像,降低其维数,最后通过梯度方向直方图(HOG)算子提取人脸图像固有特征,并利用最近邻方法进行分类识别。实验结果表明,该算法在不同特征维数下的Yale B人脸数据库中识别率高达95％以及课题组自建的维吾尔族人脸数据库中其识别率高达98.5％,优于其他传统算法?具有很强的鲁棒性和实时性。     

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。     

基于改进双向扩散滤波的红外背景抑制算法

针对复杂背景下红外弱小目标图像背景抑制难题,提出了一种基于曲面拟合的双向扩散滤波红外背景抑制新算法。采用高斯Facet模型拟合邻域图像曲面,采用综合方向导数梯度(IDDG)算子描述拟合图像的灰度特征,进而对双向扩散滤波进行改进,并将其与IDDG算子相结合,发展出了具有解析形式的改进的双向扩散滤波算法,给出了该算法关键参数的自适应选取方法。与传统的背景抑制算法相比,本文算法对图像灰度特征的描述更准确,并能据此在前向扩散和后向扩散之间自适应地切换,从而实现了在抑制背景杂波的同时增强目标能量,且能够克服传统算法处理椒盐噪声方面的缺陷。理论分析与仿真实验表明,本文算法对包含强纹理结构的复杂背景杂波具有良好的抑制作用和稳健的适应作用,对于信噪比为0.8的图像,可获得21.6的信噪比增益。     

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LBP特征匹配算法的红外人脸图像表情识别技术

红外人脸图像表识别过程中易受到光照不均匀、角度多变、亮度差异大等问题的影响，导致红外人脸图像表情识别效率较差，为解决上述问题，提出基于LBP特征匹配算法的红外人脸图像表情识别方法。首先通过局部优化保留摄影法对红外人脸图像实行降维处理，获取优化后的图像，然后采用多角度分水岭法分割图像，保留图像的细节信息。并采用LBP算子提取预处理后的图像纹理特征，将提取的纹理特征输入支持向量机中，计算出特征的类内比重，完成红外人脸图像表情的识别。实验结果表明，所提方法的平均识别准确率为92%,识别100张人脸图像表情耗时129 s识别效率高、识别效果好、稳定性强。     

基于PCA特征提取和距离哈希K近邻分类的人脸表情识别

使用PCA降维,提取人脸表情特征,并结合基于距离的哈希K近邻分类算法进行人脸表情识别。首先使用类Haar特征和AdaBoost算法进行人脸检测,并对人脸图像进行预处理;接着使用PCA提取人脸表情特征,并将特征加入到哈希表;最后使用K近邻分类算法进行人脸表情的识别。将特征库重构为哈希表后,很大地提高了识别效率。     

基于锥光全息法的非接触式测量中的方向滤波方法研究

针对锥光全息式非接触测量系统测得的具有良好的方向性特征的图像上存在大量散噪声的情况,对各种方向滤波方法进行了分析,提出了一种改进的平均曲率非线性扩散滤波方法.该方法利用图像平面的曲率进行扩散滤波,可以更有效地保持图像边缘,同时引入的线性变化因子大大加快了图像的滤波处理速度.实验证明,此算法能够很好地滤除噪声干扰,并满足锥光全息系统的测量实时性要求.     

基于AOS非线性扩散的SAR图像去噪研究

针对合成孔径雷达(SAR)图像的斑点噪声,介绍了一种基于非线性各向异性扩散的去噪方法,该方法经过加性算子分离(AOS)方案离散可以保证其扩散迭代过程中滤波结果的绝对稳定,并且利用其在消除噪声的同时锐化边界的特点,将之引入SAR图像的斑点噪声抑制问题当中.通过对一幅SAR图像的滤波处理,以及若干衡量滤波算法效果的评价指标,将其与传统的自适应局域统计滤波方法进行分析比较,并得出相关结论,从而证实了该研究提出的AOS非线性扩散滤波法(AOS ND法)抑制SAR图像相干斑的可行性和有效性.     

融合CDI和LBP的人脸特征提取与识别算法

针对光照、姿态和表情对人脸识别率造成严重影响的问题,提出了结合笛卡儿微分不变量(CDI,cartesian differential invariant)和LBP(local binary patterns)的人脸特征抽取与识别算法。首先,利用高斯微分算子抽取人脸图像的微分结构,组合这些微分结构得到一个不可约简的笛卡儿CDI集。其次,对CDI集中每个分量分别计算其LBP特征,并将所有分量的LBP特征连接起来以得到人脸图像的特征。最后,运用所抽取出的人脸局部描述特征和支持向量机(SVM)分类器完成人脸图像分类与识别。试验分析表明,基于CDI的LBP特征对人脸位置、姿态、光照和表情的变化具有较高的不变性。该算法在ORL和Yale人脸库中分别取得了98.5%和98.89%的识别率。     

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。     

一种改进的偏微分扩散方程的医学超声图像去噪方法

研究了偏微分扩散方程在医学超声图像去噪中的应用。首先对各向异性扩散模型的进行分析,为了更好地去除噪声并保留图像的边缘等重要信息,提出了构造新的各向异性加权系数和优化的迭代次数的改进方法,并通过实验证明可达到更好的去噪效果。     

基于俯仰角修正的HOG特征快速行人检测算法

传统的HOG特征对正视或侧视行人有较好的识别率,但是对俯视行人的识别率仍有所欠缺。对检测图像的HOG特征根据不同的俯仰角进行了转换,同时优化了SVM分类器训练过程,提出了一种改进的快速行人检测算法。测试结果表明,该算法优于基于传统HOG特征的检测方法,有效提高了不同俯仰角视频中行人检测的准确性。     

非线性扩散方程在SAR图像噪声抑制中的应用

将光学图像加性噪声抑制的非线性扩散方程引入到SAR图像相干斑抑制中，通过分析SAR图像的相干斑噪声模型在功率图像域以及功率图像的对数域上的表现特性，说明了基于加性噪声模型的非线性扩散方程在SAR图像噪声抑制中的应用可能性，并由此设计了基于非线性扩散方程的SAR图像噪声抑制算法。计算结果表明，与现有的SAR噪声抑制方法相比，非线性扩散方程方法具有更强的对背景区域的噪声抑制能力，且能更好地保持目标特征。     

Anisotropic diffusion for noise removal of band pass signals

A noise removal method for band pass signals based on the anisotropic diffusion algorithm originally put forward by Perona and Malik is proposed in this paper. The anisotropic smoothing algorithm proposed here is for band pass signals modulated with a constant carrier frequency. A partial differential equation to smooth band pass noisy signals is derived. The propagator of this differential equation is also analytically calculated in this paper. An appropriate linear operator is then considered here for such band pass signals to form an anisotropic diffusion algorithm. The algorithm proposed here demonstrates better performance for band pass noisy signals containing discontinuities in comparison with the traditional Perona-Malik (PM) algorithm and is robust in the presence of excessive noise with SNR less than unity.     

一种改进的各向异性扩散模型

各项异性扩散方程是一种经典的图像去噪方法,但该方法在去除噪声的过程中会造成一定程度的模糊边缘。对此文中提出了一种基于改进的各向异性扩散方程的图像去噪方法,通过在其能量泛函的目标函数中添加残差项,使能量泛函的极小解更加接近原始的函数,可取得比其更好的去噪效果。文中方法可看作是各项异性扩散方程和全变差模型的结合。实验表明,新提出的方程相对经典的方程有较好的边界处理效果和更高的信噪比。     

Speckle reducing anisotropic diffusion

This paper provides the derivation of speckle reducing anisotropic diffusion (SRAD), a diffusion method tailored to ultrasonic and radar imaging applications. SRAD is the edge-sensitive diffusion for speckled images, in the same way that conventional anisotropic diffusion is the edge-sensitive diffusion for images corrupted with additive noise. We first show that the Lee and Frost filters can be cast as partial differential equations, and then we derive SRAD by allowing edge-sensitive anisotropic diffusion within this context. Just as the Lee (1980, 1981, 1986) and Frost (1982) filters utilize the coefficient of variation in adaptive filtering, SRAD exploits the instantaneous coefficient of variation, which is shown to be a function of the local gradient magnitude and Laplacian operators. We validate the new algorithm using both synthetic and real linear scan ultrasonic imagery of the carotid artery. We also demonstrate the algorithm performance with real SAR data. The performance measures obtained by means of computer simulation of carotid artery images are compared with three existing speckle reduction schemes. In the presence of speckle noise, speckle reducing anisotropic diffusion excels over the traditional speckle removal filters and over the conventional anisotropic diffusion method in terms of mean preservation, variance reduction, and edge localization.     

基于加权Hu矩和HOG特征的自适应融合人体行为识别新方法

针对HOG在强噪条件下以及加权Hu矩在弱噪条件下识别性能较差的情况,通过最小二乘拟合估计加权系数与噪声参数之间的映射关系,自适应调整融合参数达到将加权Hu矩和HOG特征融合的目的。实验证明,基于加权Hu矩和HOG的特征识别对噪声的容忍度更好,适用范围更广,识别率更稳定。     

基于改进Inception V4的面部表情识别算法的研究

面部表情识别是地铁、火车站、机场等复杂环境中安检监控的重要任务,通过识别监控图像中行人的面部表情可以筛选出可疑分子。针对因监控图像模糊和面部表情拍摄不全而引起的识别准确率低等问题,提出一种改进的InceptionV4面部表情识别算法,改进InceptionV4的网络结构,使其更好地适应面部表情识别任务。基于深度学习中的Tensorflow平台对面部表情类数据进行训练,在面部表情验证集上进行测试,在输入图像为299×299时,识别准确率高达97.9%,改进后的算法在保证识别精度的同时,降低表情在类内差距较大、图像模糊和面部表情拍摄不全情况下的误识率,提高系统鲁棒性。