复杂背景下的人耳检测方法

本文在借鉴人脸检测算法的基础上,对现有的人耳检测方法进行研究,针对人耳区域小、共性特征少、复杂背景下难以检测等特点,提出了一种分阶段优化的静态彩色复杂背景下的人耳检测方法.首先采用肤色分割将检测范围缩小至肤色区域;接着利用侧脸的先验知识再次筛选;然后对图像进行边缘提取,在边缘图像中利用人耳含有丰富边缘信息的特点进行区域搜索以确定人耳.在该方法中,彩色图像的肤色信息和灰度图像的多尺度边缘以及人耳自身特征被结合起来,对解决人耳共性特征在复杂背景下难以被提取的问题具有较好的效果.实验结果表明,该算法在复杂背景下是有效的.     

基于改进二维主成分分析及神经网络的人耳识别方法

针对人耳识别特征提取阶段二维主成分分析算法(2DPCA)所提取的人耳特征维数较大,从而造成实时性差、数据存储空间不足等问题提出了一种改进方法。该方法首先对人耳图片进行预处理,然后采用改进的两级2DPCA算法,进一步压缩提取的人耳特征维数,最后采用BP神经网络进行分类识别。实验表明,将改进的两级2DPCA算法同BP神经网络相结合,具有较好的实时性,同时节约了特征数据的存储空间,并保持了较好的识别率。     

基于改进小波矩特征的快速无损图像描述算法

为了更有效地利用小波矩不变量算法来快速无损地计算图像特征值, 提出了一种融合Mallat算法的无损采样的新型小波矩不变量算法. 在此基础之上, 结合傅里叶变换的原理及特点, 提出了基于频率幅值谱与小波矩不变量的特征提取方法. 并将改进的小波矩不变量算法与传统使用三次B样条矩的小波矩、Hu矩进行了比较. 实验表明, 改进的小波矩不变量在比传统小波矩不变量算法性能几乎没有损失的情况下, 大大加快了小波矩不变量的计算速度, 并且基于频率幅值谱的小波矩有更强的抗噪性.