基于改进Hausdorff距离的人脸匹配方法

提出了一种基于改进Hausdorff距离的人脸相似度匹配的方法,该方法首先将人脸划分为脸型、双眼、鼻、嘴等几个特征点集,分别计算各部分的改进Hausdorff距离,然后进行加权计算相似度。利用该方法,在ASM（主动形状模型）定位人脸的基础上进行了人脸检索。实验表明,利用人脸相似度计算方法对人脸特征库进行搜索,达到了较好的效果。同时结合ASM自动人脸检测,本方法可以全自动完成人脸匹配,应用于人脸识别及数字娱乐等领域。     

基于ASM和线段Hausdorff距离的人脸识别

主动形状模型（ASM）是人脸特征定位的有效方法。针对ASM的不足,从初始定位、建模方法和搜索策略等三个方面进行了改进,提出了基于模块化ASM(MASM)的定位方法。实验结果表明,改进后的方法在定位准确度上有了较大提高。此外,利用模块化ASM定位得到的人脸轮廓及各器官的形状特征,采用线段Hausdorff距离(LHD)作为相似性测度,在CVL人脸数据库上进行人脸识别,获得了较好的识别效果。     

改进的ASM方法在人脸定位中的应用

在传统ASM模型的基础上，采用以轮廓点为中心的矩形区域的DCT系数进行轮廓匹配，提出了一种改进算法。该方法充分利用了轮廓点附近的二维纹理信息，改善了ASM方法采用轮廓点附近一维灰度信息导致模型匹配精度不高的问题。DCT 具有良好的去相关性能和能量集中性能，仅采取3.52%的DCT系数却平均保留了图像95%的能量，并采用八方向搜索最佳轮廓点，提高了定位速度。实验证明该方法非常有效。     

基于ASM和K近邻算法的人脸脸型分类

针对人脸特征分类问题,提出一种基于主动形状模型(ASM)和K近邻算法的人脸脸型分类方法。将Hausdorff距离作为K近邻算法的距离函数,利用ASM算法提取待测图像的特征点,对点集进行归一化后计算人脸轮廓特征点与样本库中所有样本点集的Hausdorff距离,根据该距离值,通过K近邻算法实现待测图像的脸型分类。实验结果证明,该方法分类正确率高、速度快、易于实现。     

一种改进的Hausdorff距离目标跟踪算法

基于机器人视觉平台,对成像目标进行模板提取及边缘检测。针对目标在运动过程中的形变和部分遮挡问题,采用一种改进的Hausdorff距离进行相似度量。提出了一种边缘细化方法及自适应模板尺寸修正策略,减少了边缘特征点,大大降低Hausdorff距离的计算量。基于Hausdorff距离进行模板更新,避免固定模板误差累积问题。实验表明,实时跟踪效果良好,并有效解决了目标部分遮挡问题。     

一种基于改进的ASM的人脸特征点定位方法

主动形状模型(ASM)在对目标点的搜索过程中,只采用了训练图像中标定点两侧法线方向的profile邻域内像素点的灰度信息,且对这些点等同视之;搜索时也只限于目标图像标定点两侧法线方向上的若干个像素,范围过于简单。考虑到彩色人脸图像的普及及其携带的丰富的信息,首先在RGB空间分三通道分别进行处理,其次对profile邻域内像素点赋予不同的权重,建立加权的局部灰度模型,最后把搜索空间拓展到包括传统法线和与之相互平行的相邻的两条法线上的像素点集上。仿真实验表明,以上3方面的改进大大提高了ASM方法对人脸特征点的定位精度,精度提高16.5%,是一种可行的改进方法。     

基于Hausdorff距离的3维模型匹配的改进方法

通过单目灰度图像来实现已知3维模型移动对象的精确定位，是基于3维模型的交通视觉检测与目标跟踪系统的首要环节，也是机器视觉领域的一个重要问题。为了更好地进行图像匹配，提出了一种带权值的Hausdorff距离作为3维模型投影和图像中物体轮廓相似性的测度，以避免建立图像特征与模型之间的点一点对应，这样既可减少计算量，也可提高匹配精度。为了避免陷入局部最优，可将一种带记忆功能的模拟退火(SA)算法引入图像模型匹配，这样可提高匹配参数的搜索精度。实验证明，由于SA算法和改进的Hausdorff距离相结合能有效地对3维模型和图像进行匹配，从而可对具有平移、旋转的物体实现精确定位。     

基于Hausdorff距离的反舰导弹预定目标选择方法

超视距反舰导弹(Anti-ship missile,ASM)在选择预定目标时,目前普遍采用的瞄准点选择方法受自控终点散布和目标机动影响较大.为此提出了一种基于Hausdorff距离的预定目标选择方法,该方法不受自控终点散布和编队目标整体机动的影响.原理是将火控雷达探测到的编队和末制导雷达探测到的编队都用平面点集表示,然...     

基于改进主动表观模型算法的人脸特征定位

人脸特征点的精确定位一直是人脸图像处理的重要研究内容,特征点定位精确与否直接影响后续工作结果的好坏。在基于反向组合AAM（Active Appearance Models）人脸特征点定位算法的基础上,提出结合特征点局部纹理模型来对AAM初始形状参数做最优化以及对AAM匹配模板升级的改进。改进的算法采用特征点局部纹理模型和AAM全局纹理模型结合的方法来最优化AAM初始形状参数,并在此前提下对AAM匹配模板进行升级,使其更接近待匹配图像的信息。在精确的匹配模板和优化的初始形状参数下,匹配的最终精度会得到提升。实验和理论证明,改进后的算法比传统反向组合AAM算法以及现有改进的PAAM（Progressive AAM）算法以及简单的结合ASM和AAM的改进算法都有更好的特征点定位精度。     

基于改进的加权Hausdorff距离的图像匹配*

提出了一种改进的加权Hausdorff距离,并将其应用于字符图像的匹配.该方法根据字符图像的结构特征对字符不同区域设置不同的权重.实践表明该方法改善了图像匹配效果.     

改进的基于Gabor-LDA的人脸识别方法

鉴于Gabor特征对光照、表情等变化比较鲁棒,并已在人脸识别领域取得成功应用,提出了一种改进的Gabor-LDA算法.首先对人脸图像进行多方向、多尺度Gabor小渡滤波,然后对得到的特征向量使用改进的主成分分析方法(PCA)变换降维,采用自适应加权原理重建类内散布矩阵和类间散布矩阵,从而改进了最佳鉴别分析(LDA)判别函数,有效地解决了训练样本类均值与类中心的偏离问题.对Yale人脸库的数值试验表明,该算法比传统算法有更好的性能.     

一种基于Hausdorff距离的运动物体跟踪算法

针对视频处理中运动物体的检测和跟踪问题,提出了一种基于Hausdorff距离的目标跟踪算法。新算法提出首先采用多尺度分水岭变换获取运动物体模型,消除了传统基于分水岭变换算法存在的缺陷;然后使用部分Hausdorff距离实现后续帧中运动物体模型的匹配;最后再次使用多尺度分水岭算法完成运动物体模型的更新。实验表明,该算法可以有效地跟踪多个刚体或非刚体目标。     

一种改进的Hausdorff距离地图匹配方法

目前的地图匹配算法分为在线和离线匹配两类。针对离线地图匹配中Marchal算法精度较低的问题,提出了一种改进的Housdorff距离匹配算法,利用航线方向角与Housdorff距离对Marchal匹配算法进行了改进。通过仿真试验的定性定量分析,新算法可以较好地纠正矢量数据不完整时产生的错误结果,很大程度上提高了匹配的准确性,可以为导航系统以及规划部门提供保障服务。     

Laplace平滑变换及其在人脸识别中的应用

本文主要研究如何从最优化的角度出发,从图像中提取低频特征.首先,基于图像的局部梯度定义了一种图像频率,并基于这种定义,诱导出Laplace平滑变换(LST),将二维图像映射到一维的向量.然后,将LST与学习算法相结合,提出二步子空间学习算法.所提的基于LST的二步子空间方法,对于光照、表情、姿势具有鲁棒性.实验表明,在ORL,Yale和FERET人脸数据库上,基于LST的人脸识别算法,相对DCT,DWT和PCA等预处理算法,具有更小的识别误差.     

ASM及其改进的人脸面部特征定位算法

为了提高主动形状模型(ASM)算法的性能,提出一种改进的ASM算法.首先,精确定位出瞳孔的位置用作平均形状模型的初始化;其次,采用全局形状模型、面部显著特征区域成分形状模型以及人脸面部的相似性构形相结合的办法来共同约束特征点的定位结果;最后,特征点周围采用Log-Gabor小波系数进行描述,并建立局部纹理模型,提高了算法对光照和噪声的鲁棒性.实验结果表明,与传统的ASM算法相比,该算法特征点定位精确度有显著的提高.     

基于Adaboost和PCA的嵌入式人脸识别方法

针对传统的Adaboost算法和主成分分析(PCA)算法用于人脸识别时在环境与姿态等非约束性条件下识别率大大降低以及要求训练样本符合高斯分布的缺陷,提出了一种融合Adaboost和PCA的与或关联决策方法.一方面,在需要安防模式时开启或决策,拒绝近似全部负样本的请求,最大限度保证识别的正确率;另一方面,在需要访客模式时开启与决策,以减少正样本的丢失.在Samsung 2440嵌入式Linux平台上采用该方法进行人脸检测时,基于2种决策方法,分别满足各自阈值.实验结果表明:该方法在嵌入式平台运行稳定,适合推广于智能家居控制与楼宇自动化控制.     

一种改进的模块PCA人脸识别新方法

提出了一种改进的模块PCA方法,即基于独立特征抽取的模块PCA方法。算法先对图像进行分块,然后对每一子块独立地进行PCA处理,求出测试样本子块与训练样本对应子块间的距离;最后将这些距离相加得到测试样本与训练样本的距离,用最近距离分类器分类。在ORL人脸库和Yale人脸库上的实验结果表明,提出的方法在识别性能上明显优于普通模块PCA方法。