一种改进型柔性形态学边缘检测算法

该文作了基于数学形态学的图像边缘检测算法的研究。利用形态学基本算法的图像处理特点,对常用的边缘检测算法以及传统的形态学边缘检测算法加以分析和比较,指出各自的特点以及不足。再结合几何算法,运用到二值灰度图像边缘检测中,基于边缘检测的经典算法与柔性滤波特性,提出了柔性形态学边缘检测算法及优化算法,完成图像的边缘检测及去噪处理。     

人脸识别中边缘检测器的改进

分析了现有的人脸识别边缘检测器存在的缺陷,提出了改进的边缘检测器：高斯微分算子快速算法使计算速度提高１０倍以上;图像二值化的“或与法”大大提高了二值图像的质量．实验证明该文的边缘检测器性能优良,是复杂图像二值化的好方法．     

基于小尺度的数学形态学遥感图像边缘检测方法

根据遥感灰度图像的特点,提出了一种基于小尺度的数学形态学的图像边缘检测方法,利用数学形态学在描述灰度图像方面的特点,通过对不同尺度下边缘特征提取的分析,采用非极大值运算方法提取边缘点,并与其他边缘检测法进行了比较,最后给出了遥感图像边缘提取的实验结果。     

基于改进LBP的人脸表情识别

局部二元模式即LBP(local binary patterns),是一种有效的纹理描述算子,能够很好地提取人脸表情特征信息.针对原始LBP算子仅考虑中心像素点与邻域像素点的灰度差异的问题,对其进行了改进,提出了多重中心化二值模式MLBP(multiple local binary patterns),并将改进后的MLBP算子进行人脸表情识别,通过改进前后在JAFFE人脸库的实验比较,该方法在识别率上取得了较好的效果.     

一种基于卷积神经网络的人脸表情自动识别方法

针对传统机器学习方法在人脸表情识别上存在特征提取繁琐、表情识别准确率不高的问题,提出一种基于深度学习的人脸表情自动识别方法.设计了一个卷积神经网络模型,以原始图像数据为输入,中间以卷积层和池化层交替作为隐层进行特征自动提取,最后将提取到的特征数据映射到全连接层,并采用Softmax函数作为分类器计算分类得分概率,实现人脸表情的自动识别分类.在公开的人脸表情数据集CK+上进行实验,结果表明本文方法能更准确地识别人脸表情.     

改进的ResNeXt50神经网络面部表情识别方法

为了减少现有基于通用架构的深度学习表情识别方法在卷积过程中丢失重要信息的现象,文中提出一种改进的ResNeXt50网络(命名为AC-SP-ResNeXt50),以ResNeXt50为基础架构,增加一个多尺度特征提取层,以不同尺寸的卷积核对原始图像进行特征提取,提取到更多纹理信息;同时以SoftPool作为网络的池化层,保留了更多特征信息;使用非对称卷积模块构成残差结构,强化了特征提取;文中通过消融实验和对比实验,验证文中方法在减少特征信息损失,提升面部表情识别率方面的有效性;通过识别随机选取的表情图像,评估了文中模型的泛化能力。实验结果表明：多尺度特征融合、SoftPool、非对称卷积对面部表情识别结果均有提升作用。文中方法在CK+数据集上的识别率可达到98.93%,在Jaffe数据集上可达到97.62%,与卷积神经网络与支持向量机相结合的方法(CNN+SVM)、注意力与空间注意力机制分离方法(CA-ST-DSC)、全局分支和局部分支结合的方法(GL-DCNN)、基于深度可分离卷积的识别方法(DSC-FER)等现有面部表情识别方法进行对比,文中方法在特征提取方面更具优势,识别结果更佳,...     

一种医学图像的边缘检测算法

针对医学CT图像特点,提出了一种医学图像边缘检测算法,该算法利用SUSAN边缘检测算法,对整幅图像中的所有象素,用圆形模板进行扫描.通过比较模板内每一象素与中心象素的灰度值,并与给定的阀值比较,判别该象素是否属于USAN区域,确定边缘点.实验结果表明:对于相同的一幅图像,该算法直接利用图像灰度相似性的比较,是使用3×3模板的Sobel算子的运缘检测算法的50%.对于相同的配置,运算速度可提高一倍以上.与其他算子相比,该算法运算量更小,运算速度更快,并具有较强的抗噪声能力,适于医学CT图像这种含噪低对比度灰度图像的边缘检测.     

一种新的堆积颗粒图像边缘检测方法

提出了一种应用混合神经网络进行颗粒图像边缘检测的方法,混合神经网络由用于对边缘侯选图像的二值输入模式进行聚类特征提取的自组织竞争子网络（ASCSNN）和用于获取颗粒图像边缘矢量信息的BP子网络（BPSNN）组成,边缘侯选图像是通过采用基于灰度极小值算法提取边缘倏选像素获得,神经网络以边缘倏选图像中的边缘侯选像素及其邻域像素的二值模式作为训练样本,对经过噪声污染的图像进行实验表明,该方法获得的边缘图像封闭性较好、边缘描述真实、抗能力较强、适用于颗粒图像的边缘检测。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

基于LBP层次特征的表情识别算法

提出了一种基于LBP层次特征提取的表情识别算法.将图像分成许多子块,并从子块中提取面部运动单元信息来组成基于面部运动单元的表情成分特征,对人脸图像的眼睛和口部作粗定位.采用局部二值模式(LBP)的层次特征提取法,对图像进行分块操作,求出每个子块的LBP直方图,然后将基于整体特征得到的LBP直方图与基于局部特征得到的LBP直方图连接起来,作为整幅图像的LBP直方图.将层次特征提取法所提取的LBP直方图作为嵌入式隐马尔可夫模型(EHMM)的初始向量,即形成观察序列.对JAFFE人脸库中的7种基本表情进行了测试,结果表明该方法能有效提高表情识别率.     

基于Adaboost-高斯过程分类的人脸表情识别

为了弥补Ababoost分类器分类精度不够、训练耗时的缺点,利用高斯过程分类器分类精度高、计算复杂度低的优势,提出一种改进的表情识别方法.该算法将高斯过程分类（GPC）和Adaboost的人脸表情识别算法相结合,在训练二分类Adaboost时利用高斯过程分类器训练弱分类器;把这些弱分类器组合成一个总分类器,将二分类Adaboost GPC扩展为多类分类算法.采用Gabor提取面部表情特征,由于Gabor特征提取后存在维度变高、冗余大的问题,引入二维主成分分析（2DPCA）对Gabor特征进行选择.基于Cohn-Kanade和JAFFE数据库的实验结果表明,该算法在识别正确率和速度方面的表现均较好.     

基于分块2DPCA的人脸表情识别

本文使用了分块二维主成份分析法（分块2DPCA）和模糊积分分类器进行了人脸表情识别与融合。由于分块2DPCA方法先对图像矩阵进行分块,对分块得到的子图像矩阵直接进行鉴别分析。其突出的优点是提高了特征提取的速度,在特征提取时可以完全避免使用矩阵的奇异值分解,方法简便。与2DPCA相比,可以实现使用低维的鉴别特征,而保持较高的正确识别率的目的。     

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。     

基于自适应词典学习和稀疏表示的人脸表情识别

提出了一种基于随机块特征和自适应词典学习的人脸表情识别方法。利用Haar like特征和人脸几何结构信息可靠定位眼睛和嘴巴;在眼睛和嘴巴附近抽取随机块,构建特征矢量;将特征矢量进行词典学习,得到表情词典;根据待测表情在表情词典上的稀疏分解对表情进行分类。在JAFFE和Cohn kanade表情库中进行了对比实验,结果表明该方法具有较好的识别性能,对噪声和遮挡具有较好的鲁棒性。     

基于数据融合的表情识别

本文为了解决表情识别中单一数据所包含人脸表情信息不全面的问题,融合了图像与标记点数据;针对传统模式识别方法中手动提取特征的复杂性,采用了神经网络框架,从而实现特征的自动提取。本文算法以人脸表情的图像与标记点数据为基础,以神经网络为框架,采用稀疏自动编码器对网络进行预训练,实现了网络的稀疏连接,另外,在网络权值更新过程中结合了结构化正则项（Structured Regularization）,限制了不同数据与隐层神经元的连接。实验表明：图像与标记点数据的融合更全面地表达了人脸表情信息;稀疏自动编码器和结构化正则项的运用能更有效的提取关键特征并使神经网络自动分析不同输入数据在表情识别中所起到的作用强弱。     

人脸表情识别技术研究概述

人脸表情识别是人机交互中十分复杂和重要的课题。本文叙述了人脸表情的分类、表情的产生原因,并根据人脸表情面部特点进行了分类,重点讲述了人脸表情识别研究内容,提出了人脸表情识别中需要解决的问题。     

人脸表情特征提取方法的研究进展

讨论了静态图像表情特征提取方法和序列图像表情特征提取方法,对近年来人脸表情特征提取方法进行了比较研究,得到了一些结论,并对未来可能的研究情况进行了展望.