基于Gabor小波的人脸特征提取

对基于Gabor小波变换的人脸特征提取方法进行了研究。对于预处理后的图像通过Gabor小波滤波器对人脸特征进行提取,获得特征向量来作为神经网络的输入值,最后应用人工神经网络实现人脸检测来检测算法有效性。实验结果表明,这种方法具有较高的识别率。     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

利用形状特征实现人脸身份识别

为了克服传统人脸形状描述符所具有的不稳定、缺乏平移、旋转、尺度不变性等缺点,新方法通过对人脸图像进行小波变换,获得多尺度下的不变矩,得到图像的特征描述符,采用改进的线性判别分析法获取分类特征,最终实现人脸识别。实验在PIE人脸数据库上进行,结果证明新方法具有很好的检索效果,获得的描述符具有旋转、平移、尺度不变性等优点,能够很好地描述人脸的形状和空间分布信息。     

一种适用于小样本问题的基于边界的特征提取算法

特征提取技术是模式识别领域进行数据降维和强化判别信息的有效方法.线性判别分析是监督特征提取方法的典型代表,获得广泛应用,但受到小样本问题的制约.对此提出一种适用于小样本问题的基于边界的特征提取算法.算法利用高维数据小样本情况下线性可分概率增加以及其低维投影趋于正态分布的特点,定义了新的类别边界,不但考虑了由线性判别分析提出的类内、类间离散度,也兼顾各类别的方差差异性.通过极大化该边界获得最优投影向量,同时避免因类内离散度矩阵奇异导致的小样本问题.进一步将算法推广到多类问题.高光谱数据特征提取与分类实验表明,算法在小样本情况下对于两类和多类问题均具有良好的推广性能,优于多种线性判别分析的改进算法,并且在样本较多时也取得了满意结果.     

基于 Retinex 的人脸光补偿算法研究

本文研究了基于图像处理技术的光照补偿方法,针对直方图均衡化对,图像背景太亮或太暗有很好的处理效 果,但对细节处理效果很差的问题结合 Retinex 对于恢复图像细节效果强的优点,提出了基于小波变换的融合方法,将 图像分别由直方图均衡化处理和 Retinex 处理后的两幅图像进行融合,并通过 Yale B 人脸库进行相应的实验。实验结果 对比表明,采用融合方法可以弱化光照对图像的影响,同时对图像的细节处理效果明显,增强了图像的特征信息,提高 了图像的清晰度。     

基于小波分频和二次均衡的图像增强算法

传统的图像增强算法在增强图像的同时也增强了图像的噪声信号,导致信息熵下降.结合小波变换多尺度、多分辨率的特点和直方图均衡的优势,提出一种基于小波分频和二次均衡的高亮度图像增强算法.首先利用小波变换将图像分解为低频分量和高频分量,然后仅对低频分量作直方图均衡处理,再由均衡后的低频分量与各高频分量进行小波重构,最后对重构的图像再次进行直方图均衡处理.实验结果表明,该算法对于亮度较高的灰度图像有较好的增强效果.     

基于GPU的Gabor人脸图像特征提取算法的研究

论文针对传统Gabor小波计算在人脸图像特征提取中实时性较弱的问题,提出了一种基于GPU并行计算的Gabor小波特征提取方法.所提算法将Gabor小波与人脸图像的卷积运算在GPU(Graphic Processing Unit图形处理器)上并行实现,并采用CUDA (Com pute Unified Device Architecture)编程模型,利用多线程并行映射实现.与传统的Gabor小波人脸特征提取算法对比实验表明,文中方法的计算速度在CPU上速度提高了近12倍,为人脸特征实时提取提供了有效的技术保障.     

年龄变化条件下采用Gabor金字塔的人脸描述与识别

随着年龄的增长,人脸特征会发生不同程度的改变,这些改变主要包括形状特征变化和纹理特征变化,从而给人脸识别问题增加了难度。为了精确地描述年龄变化条件下人脸形状和纹理特征以提高人脸识别的精度,首先将Gabor小波运用在金字塔模型上,形成Gabor金字塔特征序列,利用均值网格对Gabor金字塔特征序列进行初步降维去噪; 然后将不同样本同一方向和尺度的Gabor金字塔特征进行重组; 最后构造40个并行分类器,利用直接分步线性判别分析(DF-LDA)算法进行分类识别。实验结果表明,Gabor金字塔特征序列能够提高年龄变化条件下人脸识别的精度。     

基于空间多尺度HOG特征的人脸表情识别方法

传统HOG特征是一种有效的图像边缘信息描述符,但它忽略了局部特征之间的空间排列信息,针对此缺点,提出空间多尺度HOG模型。逐层将图像细化分成一系列不同尺度的子区域;采用改进HOG算子分别计算各个子区域的梯度方向直方图,按层按顺序将其连接,得到整幅图像的“空间多尺度”HOG特征。在JAFFE数据库上的实验结果表明,该算法在识别效果和运行时间方面优于HOG、LBP、Gabor等传统特征描述子,通过多尺度梯度方向准确描述了面部肌肉褶皱变化所蕴含的表情信息,是一种更有效的表情特征描述子。     

多尺度人脸特征提取*

介绍了一种新的人脸特征提取的方法,首先在原始图像中找出人脸所在大致区域,然后对已经找出的人脸所在区域进行小波分解,并利用方块效应找出人眼及嘴部所在大致位置,最后提取眼、嘴的特征。试验结果表明,该方法对于人脸特征的提取具有较好的效果。     

结合ICA与全局优化策略的人脸特征提取

提出了特征及特征空间的类别鉴别能力的概念,并对PCA、ICA、LDA提取的特征空间的鉴别能力作了评价;然后采用ICA提取的特征作为初始解集,以特征空间的鉴别能力作为评价准则,用遗传算法来进行人脸特征选择;为了避免“过训练”现象,对遗传算法进行了改进。采用该特征提取方法,可以得到既高阶独立或近似独立又可以达到类内差异最小、类间差异最大的特征子空间。实验结果表明,该特征提取方法可以取得良好效果。     

基于二维投影特征提取的人脸识别算法

基于线性投影的方法是目前人脸识别领域中重要的主流方法之一,在近年中得到了广泛的关注,取得了显著的发展。其中,基于一维线性投影的方法包括特征脸方法和Fisher脸方法等;基于二维线性投影的方法包括二维主成分分析和二维线性判别分析,以及它们的一系列拓展算法等。在此基础上,给出了一种基于二维矩阵的特征提取新方法。通过在ORL标准人脸库的实验表明,该算法与现有的方法相比在识别率和识别效率方面都有一定程度的提高,取得了比较理想的效果。     

基于特征融合与决策树技术的表情识别方法

针对复杂状况下传统表情识别方法存在的问题,提出一种新的非特定人表情识别方法。该算法首先提取每张表情图像的HOG特征和Haar小波特征,然后将两种不同的特征串行融合得到整幅图像的特征,最后通过SVM多分类器完成各层人脸表情的分类识别。在JAFFE人脸表情库上的仿真实验中,该方法的分类准确率达到87.9%,平均时耗达到10.296 6s。对比实验结果表明,所提算法具有更高的识别率、更好的实时性和更强的鲁棒性。     

基于自适应特征融合的人脸识别

针对单一人脸特征在人脸识别中的局限性问题和二维主成分分析人脸特征缺少判别信息的问题,利用互补思想,提出了一种改进的二维主成分分析与二维线性鉴别分析加权融合的人脸识别算法。利用离散余弦变换对原始人脸图像进行压缩并重建,以滤除图像中人眼并不敏感的中高频部分,再利用二维主成分分析方法进行人脸特征的提取;运用二维线性鉴别分析方法提取原始人脸图像中具有鉴别性的人脸特征;最后,提出一种自适应的权值选取方法,将两种人脸特征进行加权融合以实现分类识别。在ORL和Yale人脸数据库上的实验结果证明了该方法的有效性。     

基于稀疏学习的低秩属性选择算法

针对回归模型在进行属性选择未考虑类标签之间关系从而导致回归效果不理想,提出了一种新的具有鲁棒性的低秩属性选择算法。具体为,在线性回归的模型框架下,通过低秩约束来考虑类标签间的相关性和通过稀疏学习理论中的[l2,p-]范数来考虑属性间的关联结构,以此去除不相关的冗余属性的影响;算法通过嵌入子空间学习方法（线性判别分析（LDA））来调整属性选择结果。经实验验证,提出的属性选择算法在六个公开数据集上的效果均优于四种对比算法。     

电子鼻信号特征提取与传感器优化的研究

采用PEN2型电子鼻系统对芝麻油的玉米油掺假进行定性鉴别和定量预测,运用主成分分析,逐步判别分析和Fisher线性判别函数变换对原始数据进行预处理,从而降低原始数据空间的维数,并用判别分析与人工神经网络对数据进行进一步分析,考察了不同的数据预处理方法的效果.判别分析结果表明,采用Fisher线性判别函数变换所得到的十个变量判别能力最强,误判率为0.61%,仅有1个样品出现误判.在BP神经网络的定量预测中,采用逐步判别分析所筛选出的十个变量作为网络输入,所得的预测结果最为理想,绝对误差个体值的95%置信区间最小,为(-4.71%,3.38%),均方误差为4.75,预测值与实际值之间有极显著的相关性,相关系数R=0.998 08.     

基于特征加权的人脸识别

现有的人脸识别方法通常未考虑不同特征或像素对识别结果的影响。实际上,人脸面部不同特征在人脸识别过程中的作用是不同的。研究了各个特征在识别中的作用,分别采用三种加权方法对人脸图像进行了预处理,并应用流行的人脸识别方法（联想记忆、主分量分析和Fisher线性判别分析）进行识别。最后用标准人脸库ORL进行了实验,实验结果表明特征加权方法对人脸识别是有效且通用的。     

改进的基于小波包变换的语音特征提取算法

针对语音信号的非平稳特性,传统的应用短时分析技术容易丢失信息的现状,提出了一种利用小波包变换的技术对语音信号的共振峰特征（FDWPT）进行提取的方法。对整个语音信号进行多分辨分析的小波包变换,这样可以得到每个频带的小波分解值,结合共振峰的频率特性,选取适当的小波包分解结点,对这些结点建立共振峰参数,使用矢量量化模型进行识别,从而提高了说话人识别的效果。     

一种新的核广义鉴别特征抽取方法

在基于核的广义鉴别特征模型的基础上,提出了一种新的核广义鉴别特征抽取方法。利用空间变换的有关理论,使得变换后的核总体散布矩阵满足非奇异性;同时通过核共轭特征抽取方法,抽取满足核共轭正交条件的特征向量,使抽取的特征满足统计不相关性。在ORL人脸库上的实验表明了所提方法的有效性,达到了比核鉴别分析等方法更好的识别效果。