多光谱图像与全色图像融合

非下采样Contourlet 变换具有多尺度、多方向性、强大的稀疏表达能力,能够有效捕获图像中的纹理信息,文中提出了一种新的基于非下采样Contourlet变换和 HIS变换的遥感图像融合方法。对多光谱图像进行 H IS 变换,将得到的亮度分量和全色图像进行非下采样Contourlet变换,通过融合算法得到新的亮度分量,进行 HIS逆变换得到融合图像。实验结果表明,该方法在保留原图像的频谱信息的同时增强了融合图像的空间细节表现能力。     

基于小波变换和主分量分析的人脸识别

提出了基于小波变换和主分量分析的人脸识别算法.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,将人脸图像在特征空间的投影作为KNN分类器的输入,由KNN分类器对提取的特征进行识别.在ORL人脸数据库上的实验结果表明该方法具有良好的性能.     

基于低频边缘特征和能量的多聚焦图像融合方法

针对多聚焦图像融合问题,提出一种基于低频边缘特征和能量的多聚焦小波图像融合方法.首先对待融合图像进行小波多尺度分解,然后对高频细节分量图像按区域能量最大化原则进行融合,对低频近似分量图像采用能量结合边缘特征的融合方法.试验结果表明,与已有的低频域平均法相比,该方法所得的融合图像能反映更丰富的细节信息,具有更好的视觉效果.     

基于二维EMD的人脸图像去光照方法研究

去除光照影响是人脸图像增强和识别的关键技术.二维经验模态分解(2-D EMD)可根据图像特征自适应地将其分成多个尺度的分量,各分量重建可实现图像增强或去噪的功能.基于二维EMD的原理及特征,研究了2种新的人脸图像去光照算法,即基于原始图像的直接二维EMD重建和基于Lambert光照模型的对数二维EMD重建,并运用特征脸识别对去光照算法的效果进行了测试和比较分析.仿真结果表明,运用二维EMD重建可较好地去除人脸图像中的光照影响,而对数二维EMD重建算法相对具有更明显的稳健性和适用性.     

基于子空间投影的残缺人脸图像识别新算法

提出了改进的基于子空间投影的残缺人脸图像识别新算法,利用非负稀疏矩阵将原始人脸图像分解,从高维空间降到低维子空间,再利用Fisher线性判别式方法进一步降低子空间维数;然后利用欧式距离测量法,识别待测试人脸。实验证明,对残缺人脸图像的识别,新算法具有满意的识别率。     

基于改进纹理特征的现堪图像检索算法

针对灰度共生矩阵缺少图像纹理的整体空间分布特征与双树复小波变换对图像结构细节敏感的缺陷,提出一种融合图像空间分布与结构细节的纹理特征提取算法,应用于现堪图像检索。首先,利用灰度共生矩阵与双数复小波提取图像的纹理信息;然后,将图像均匀分块,分别计算各个块的角点疏密度和纹理细节特征并级联,以此组成图像的空间分布特征和结构细节特征;最后,对纹理信息融合图像的空间分布特征与结构细节特征,完成现堪图像的纹理特征提取。在现堪图库上的检索实验结果表明,该算法能更全面的描述图像的纹理内容,并且可有效提升现堪图像检索算法的检索准确率。     

基于正交图像生成人脸模型的合成分析方法

针对采用现有基于图像的人脸建模方法生成的三维人脸模型存在的人工性缺陷问题,提出了一种基于合成分析方法的个性化三维人脸建模方法.利用合成方法由两幅正交人脸图像生成一个初始三维人脸模型,比较基于颜色直方图方法合成的人脸图像纹理与输入图像纹理的差异,根据纹理差异来指导对人脸网格的局部自适应细分,不断调整合成的三维人脸模型,从而更好地保持了人脸的精细细节特征.实验结果表明,使用该细分反馈算法,可以减少模型的人工性缺陷,在整体上提高了合成人脸模型纹理的真实感.     

基于支持向量机和遗传算法的纹理识别

为了解决尺度变化和训练样本有限给纹理识别带来的困难,提出了一种基于支持向量机和遗传算法的纹理识别新方法。该方法用小波变换各子带图像共生矩阵参数、分析窗口大小、像素均值和像素标准差等参数作为纹理特征,用多类支持向量机作为分类器。用遗传算法对纹理特征集进行了优化;用输出纠错码将二类支持向量机扩展到多类,提高了分类器的泛化能力。用包含有25类单色自然纹理的图像库进行识别试验,结果表明,该方法的识别错误率小于10%,得到了比传统的贝叶斯等方法更高的识别率和更好的推广性。     

多尺度语义学习的人脸图像修复

针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题,以生成对抗网络为基础,提出一种多尺度语义学习的编解码人脸图像修复模型.首先,将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量,用不同尺寸的卷积核提取多尺度特征,通过提取合适的局部特征来提升修复结果的细节;其次,将提取的多尺度特征输入至语义学习模块,从通道和空间两个角度学习特征之间的语义关系,从而增强修复结果的全局一致性;最后,引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失,改善修复结果的纹理细节.在CelebA-HQ人脸数据集上进行实验,结果表明提出的模型在峰值信噪比、结构相似性、l₁三个性能指标上均有显著提升,修复的结果在视觉上局部细节和全局语义更合理.     

复杂矿石图像的特征提取与聚类

为使特征提取更适合复杂矿石图像识别,提出并实现一种结合RGB颜色特征及其纹理特征映射的图像内容识别新方法,并将聚类方法应用于图像识别系统中。首先将图像分块,基于不同的颜色空间提取子块的纹理特征,并应用主成份分析进行纹理特征映射。然后提取图像的RGB颜色特征,每个子块的特征向量由上述2种特征组成。最后基于每个子块的特征向量应用Kmeans聚类方法对图像内容进行识别。实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有较好的复杂矿石图像理解与识别的效果。     

基于多目标线性规划的人脸识别方法

将多目标线性规划（MCLP）模型用于人脸识别,提出了基于竞争二叉树策略的多目标线性规划人脸分类算法,并利用Cambridge ORL人脸数据库进行了验证实验;对基于MCLP的识别实验结果与基于SVM的识别实验结果进行了对比．实验结果表明,本方法具有较高的识别准确率和稳定性．     

基于低分辨率局部二值模式的人脸识别

为提高人脸识别的准确度,提出了一种基于低分辨率局部二值模式的人脸识别方法。该方法将原始人脸图像滤波下采样处理成低分辨率图像,将其划分成若干块矩形块图像,对每一块图像进行局部二值模式计算,统计出每一块LBP图谱的直方图,再连接在一起成为这幅图片的最终特征向量。经实验表明,该算法在ORL和YALE上均取得了更好的识别效果,且对光照、表情、姿势等的变化具备鲁棒性。     

融合小波变换和张量PCA的人脸识别算法

张量主成分分析(PCA)方法用于人脸识别能获得比PCA方法更高的识别率．小波变换具有良好的时频分析特性,同时还能起到降维的作用．综合利用这两个算法的优点,提出了一种新的人脸识别算法,对人脸图像先采用小波变换做预处理得到4个子带图像,然后对每个子带图像用张量PCA进行特征提取,实现人脸图像的高效识别．仿真结果表明,新算法的识别率比张量PCA方法提高了6％,识别时间为张量PCA方法的35.74％．     

基于OpenCV人眼定位的人脸检测方法

如何准确地定位人脸是人脸识别中非常关键而且重要的一步。笔者提出一种基于OpenCV人眼定位的人脸检测方法。利用从摄像头得到的视频图像中随机获取的单帧图像作为待处理人脸图像,通过人眼定位、图像旋转、分割以及缩放得到标准化后的人脸图像,再经过ART2神经网络的学习认知,计算其识别率。对比实验说明此方法能够应用于人脸识别,并具有较快的识别速度和良好的识别率,特别方便于实际应用。     

基于二维Fisher线性判别的人脸耳组合识别

针对人脸易受到年龄、表情等影响,提出了脸和耳相结合的组合识别方法。利用二维Fisher线性判别(2DFLD)方法分别进行了脸、耳图像层和特征层的组合识别。在北京科技大学人耳库和ORL人脸库上进行实验,结果表明,图像层组合和特征层组合的识别率分别为97.5%、95.0%,分别比人脸识别提高了12.5%和10.0%,比人耳识别提高了5.0%和2.5%;与同样应用于组合识别的主成分分析(PCA)、二维PCA(2DPCA)比较,也取得了较好识别效果。这说明,多生物特征组合识别是一种有效的识别方法。     

基于主元分析和BP神经网络的人脸识别研究

该文提出了一种主元分析和BP神经网络相结合的人脸识别方法。其中主元分析方法用于提取人脸图像的特征，而BP神经网络用于对提取的人脸特征进行识别。实验结果表明，在进行人脸识别时，该文提出的主元分析和BP神经网络相结合的方法同传统的主元分析方法相比取得了良好的效果。此方法具有较高的识别率、较强的自适应性以及对噪声的鲁棒性。     

基于Log-Gabor和ULBP改进算法的人脸识别

为进一步提升人脸识别系统的识别率,加强其对光照、表情、姿态变化的鲁棒性,针对人脸识别中的特征提取问题,提出一种基于Log-Gabor与均匀局部二值模式（Uniform Local Binary Pattern,ULBP）改进算法的人脸识别方法。该算法采用多尺度、多方向Log-Gabor滤波器对图像进行滤波来提取Log-Gabor特征,再通过旋转不变均匀模式的LBP进行运算编码,并利用局部空间直方图来描述人脸,最后通过加权的卡方距离对直方图匹配完成人脸识别。在Yale、GT人脸数据库上的测试结果表明,该方法具有更好识别性能,且对环境鲁棒性较好。     

基于肤色增强和分块PCA的人脸表情识别方法

人脸的表情识别在智能人机交互应用中具有重要意义. 本文提出了一种基于肤色增强和分块PCA的人脸检测及表情识别方法. 首先,使用同态滤波增强肤色图像的亮度范围及对比度,利用YCbCr色彩空间分量分离肤色背景区域,再通过轮廓分析确定人脸目标,最后对分割出的人脸进行均衡化处理,并引入分块主成分分析(PCA)算法进行表情识别. 结果表明,该方法在光线较弱以及背景较复杂的情况下均能有效地进行人脸检测与表情识别,相对于传统的LBP方法可提高识别率约为2.3%.     

基于压缩感知和图像分块的遮挡人脸识别

针对基于压缩感知的SRC算法对遮挡人脸识别效果不够理想的问题, 提出一种先将图像分块再进行识别的方法。将遮挡分散在尽可能少的分块中以降低遮挡对人脸识别的不利影响, 从而提高识别率。在AR人脸数据库上的实验结果表明, 使用该方法的遮挡人脸识别率可超过80%, 显著高于基本SRC算法40%~50%的识别率。       

一种边缘二进制码的表情识别方法

针对如何从图像中提取有效的表情特征来提高表情识别率的问题,提出了一种基于边缘二进制码的表情特征提取方法,用于表情识别.该方法首先对图像进行边缘检测,然后对边缘的局部结构进行二进制码描述作为表情特征,最后利用支持向量机进行表情分类.在JAFFE人脸表情数据库上,分别用该方法和传统的方法进行试验,结果表明,该方法可显著提高表情识别率.