图像灰度熵特征与SVM分类结合的人脸检测

提出了一种基于支持向量机并综合图像灰度值和灰度熵的人脸检测方法.在信息论的编码熵的基础上提出了灰度熵的概念,并把人脸图像的行像素灰度熵和列像素灰度熵作为人脸图像的部分特征.在人脸检测系统中,把人脸图像的灰度值和行像素灰度熵和列像素灰度熵作为特征用支持向量机进行训练,得到检测用分类模型,然后把分类模型应用于人脸检测.实验证明了这种方法的有效性.     

基于支持向量机的空白试卷识别方法

通常情况下,很难用试卷扫描图像的像素灰度值来直接区分空白试卷和非空白试卷.应用支持向量机方法可以有效地识别空白试卷.建立了两个二维线性可分的支持向量机,一个是以图像像素灰度值列向量的标准差的最大值和行向量的标准差的最大值为特征的支持向量机1,另外一个是以图像像素灰度值列向量的标准差的标准差和行向量的标准差的标准差为特征的支持向量机2.在实际应用中,大部分空白试卷应用支持向量机1来识别,对个别的位于支持向量机1的分类间隔(margin)内的试卷样本,支持向量机1有可能出现识别错误,在这种情况下,应用支持向量机2作进一步识别.此方法在HSK空白试卷识别中取得了很好的结果.     

基于支持向量机的彩色图像人脸检测方法

提出了一种利用肤色信息、基于样本学习的彩色图像人脸检测方法。该方法利用两层支持向量机进行人脸检测，用肤色和非肤色样本训练的第一层支持向量机对图像中每个像素进行分类，所有被判断为皮肤点的像素构成了肤色区域；用窗口对肤色区域进行遍历，用人脸和非人脸样本训练的第二层支持向量机判断窗口是否包含人脸模式，并对检测到的人脸区域进行必要的合并。实验结果显示，本文方法对彩色图像中正面人脸的检测率为87.6％。     

基于图像处理的人脸检测研究

针对人脸识别的预处理,采用图像处理技术解决了人脸检测问题。首先建立输入图像的肤色模型,然后进行开运算处理,以消除图像噪声利于后面的眼睛定位。再对二值图像做灰度投影实现人脸粗分割,定位双眼。最后对细化分割出来的人脸区域进行标准化操作,包括灰度的均衡处理和Mallat算法二维小波分解。灰度均衡把原始图像的直方图变换为均匀分布的形式,增加像素灰度值的范围。小波分解可以压缩图像,以降低算法的复杂度。每个步骤通过处理前后人脸图像的对比彰显所做步骤的意义。人脸检测的最终结果是获得64×64大小的人脸图像。此图像包含了人脸的有效信息,在此图像的基础上才能进行后续的提取特征、设计支持向量机,进而做人脸识别。     

复合不变矩和GLCM特征加权融合的人脸识别研究

为了提高人脸识别率,提出一种基于复合不变矩和灰度共生矩阵的特征提取方法 CHu-GLCM。首先将人脸图像分割成许多大小相等的子块,提取所有子块的不变矩特征,并按照一定的权重系数把所有子块的不变矩特征组合起来作为整幅人脸图像的复合不变矩特征,再提取人脸图像的灰度共生矩阵;然后利用支持向量机在决策层把人脸图像的复合不变矩特征和灰度共生矩阵进行加权融合;最后分别在ORL和YALE人脸库中进行实验检测。研究结果表明:在训练样本个数为5时,与传统的特征提取方法相比,给出的方法可以使人脸识别率至少提高4个百分点。     

结合离散熵和自组织神经网络(SOM)的边缘检测方法

提出了一种结合图像离散熵和自组织神经网络的边缘检测方法.首先,用离散熵选定阈值来分割图像的平滑区域和灰度变化剧烈的区域,用来减少计算量;其次将灰度图像转化为理想二值像素模式;定义了6个边缘类型和6个原型向量.将这些边缘向量作为神经网络的输入,通过SOM对其进行边缘分类从而获得边缘图像.最后将斑点边缘从边缘图像中去除即得到理想的边缘图像.实验结果表明,与其他的边缘检测方法相比获得了较为理想的边缘.     

基于局部像素特征分类的图像分割算法

图像分割是模式识别、计算机视觉等领域的重要研究内容,也是图像信息处理的难点和热点之一.以孪生支持向量机(TSVM)与极坐标复指数变换(PCET)理论为基础,提出了一种基于局部像素特征分类的图像分割算法.该算法首先对局部像素窗口进行PCET,并将PCET系数幅值作为图像的像素级特征;然后利用指数交叉熵阈值技术确定训练样本,并进一步训练出TSVM分类模型;最后利用已获得的TSVM分类模型对原图像像素进行分类处理,从而获得图像的最终分割结果.实验结果表明,该算法可以获得较好的图像分割结果.     

基于小波分析的人脸识别算法

提出一种利用小波分析提取人脸特征的方法。对人脸图像做小波分解,用网格划分其子图像,在各子块上提取统计特征,用其训练多分类支持向量机模型,最后用训练好的支持向量机进行人脸识别。选择ORL人脸库对该算法进行实验,与PCA算法的比较结果证明了该算法在识别性能方面的优越性。     

基于灰度信息和支持向量机的人眼检测方法

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示：没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果.     

基于Gabor小波和支持向量机的人脸识别

提出一种将Gabor小波和支持向量机相结合的人脸识别算法。运用AdaBoost算法在复杂背景图像中快速准确地检测出人脸部分,进而用Gabor小波提取归一化人脸图像的特征。最后采用支持向量机进行人脸的分类识别。在ORL人脸库和CAS-PEAL-R1人脸库中对算法进行了测试,结果表明该算法识别率较高。     

成排连铸坯端面中心坐标视觉自动提取方法

为了实现成排连铸坯端面机器人贴标时各连铸坯端面中心坐标的快速提取,提出了先提取连铸坯端面图像角点像面坐标,再计算各连铸坯端面中心像面坐标的研究方案。首先,提出了一种改进型SUSAN角点检测算法,解决了图像中相邻连铸坯端面图像边界间距离过小和连铸坯端面图像角为弧形角所造成的角点漏检问题;然后,提取角点的像面坐标,并确定各封闭区域所包含连铸坯端面个数;最后,采用一种倾斜连铸坯端面图像中心像面坐标的提取方法,计算各连铸坯端面中心像面坐标。应用以上方法进行成排连铸坯端面机器人贴标实验,实验结果表明,连铸坯端面水平和竖直方向贴标位置误差范围分别为-0.625～0.850 mm和-0.550～0.875 mm,完全满足企业对多根连铸坯端面自动贴标位置误差允许值1 mm的要求。所提视觉方法在理论和实际应用上都是可行的,不仅为连铸坯端面贴标机器人提供了准确的贴标位置,而且为矩形图像元素的中心坐标提取提供了一种可靠的方法,具有一定的应用价值。     

基于支持向量机的图像分割算法设计

信息的来源多种多样,其中图像是比较重要的一种。随着信息中越来越多地出现数字图像,如何对其进行处理成为国际上的研究热点。图像处理过程包含有图像编码、图像增强、图像压缩和图像分割等许多环节。近年来,学者们对图像分割问题给予了极大关注。介绍了支持向量机的概念,将图像分割看做像素分类,将支持向量机用于图像的分割,包括样本的选择、特征的提取,训练支持向量机,最终实现了基于支持向量机的图像分割算法。结果表明,支持向量机能够很好地将图像目标分割出来。     

一种基于地形信息熵的人脸检测方法

提出一种基于地形信息熵的灰度人脸检测算法,能够部分地消除当前困扰人脸检测过程中的光照和噪声等因素的影响,尤其对阴阳脸的检测有一定的效果.该算法将人脸图像看作一种特殊的地形,并提取有效的信息熵;利用区域融合和区域过滤等操作,获取"人眼对"的候选区域;根据"三庭五眼"人脸特征,最终确定人脸的位置.实验表明,该方法在某种程度上可以有效地消除光照和噪声的影响.     

一种基于标准混合高斯模型的快速人脸检测方法

针对室内移动机器人运动过程提出一种快速而稳定的人脸检测方法.由于室内存在多种物体,背景不断变化,且光照条件可能不断变化,提出采用人脸肤色的标准混合高斯模型与人眼特征相结合的人脸检测法,无需对原始图像进行尺度变换.检测过程首先将经过补光处理及光线增强的人脸库转换到YCbCr空间,求其非线性变换空间YC'bC'r,求出左右脸标准正态密度函数及混合高斯分布;然后根据人眼颜色特征,分别对人脸肤色候选区域进行人眼候选区域提取,利用人眼Gabor模板的不变Hu矩与人眼候选区域的相关性,找出人眼拟合矩形区域,再综合利用人眼与人脸的特征关系以及人脸候选区域的投影关系检测出人脸区域.大量实验表明,新方法速度快,适应性较好,并可扩展检测到侧面人脸.     

基于模糊-神经网络的肤色像素检测算法

 肤色像素检测技术是成人图像识别、人脸识别等与人体相关的图像识别系统的基础和重要组成部分。为了提高肤色像素检测的准确度,本文提出一种模糊理论与FP神经网络（Forward Propagation Neural Network）相结合的肤色像素检测算法。算法首先通过模糊理论和直觉模糊理论提取待识别像素的颜色特征,构成特征向量,其中包括像素对常见肤色像素颜色值的隶属度和犹豫度,为完整的表达肤色像素的特征,再加入粗糙度特征进行补充;然后训练出FP神经网络,对所提取的特征向量进行肤色像素与非肤色像素的分类。实验证明,该算法能够提高肤色像素检测的准确度,可以有效地应用在有关人体的识别系统中。     

基于梯度信息的灰度人脸检测

针对灰度图像提出了一种有效的人脸检测算法。首先对原始灰度图像利用Sobel边缘检测算子得到水平方向的梯度信息;在此基础上,结合人的眼睛灰度信息得到眼睛的初步候选区域,并根据眼睛的几何特征删除非眼睛区域;然后利用眼睛的几何特征以及人脸的“三停五眼”特性确定真正的眼睛和嘴的区域,在精确定位眼睛和嘴的几何位置后确定人脸区域;最后利用人脸的左右对称性来验证人脸。实验表明,该算法对于灰度图像的正面人脸定位以及人脸检测具有良好的效果。     

基于可变形部件模型的驾驶员人脸检测

交通监控中车辆驾驶室内环境较为复杂,如光线暗、遮挡、分辨率低等,现有的人脸检测方法效果不佳.提出了一种基于可变形部件模型的驾驶员人脸检测方法.通过提取聚合通道特征（局部二值模式和梯度方向直方图）,得到候选人脸目标.基于监控图像中车牌与驾驶员人脸的相对位置存在比较固定的模式,将车牌与驾驶员人脸看作是可变形部件模型中的两个部件,用于验证车牌和候选目标相对位置关系的合理性,从而确定驾驶员人脸的位置.实验结果表明提出的方法提高了检测准确率和综合性能指标,有效地滤除了人脸虚警,且召回率影响较小.      

基于亮度特征耦合信息量制约的图像复制一粘贴篡改检测算法

为了克服当前较多图像篡改检测算法主要通过比较特征点的距离来完成伪造内容的识别,忽略了特征点邻域所含的信息量,导致检测结果中存在较多的漏检和误检等问题,采用图像的亮度特征和信息量特征,设计了一种新的图像篡改检测算法。首先,引入Forstner算子,计算图像像素点的Robert梯度,从图像中精确获取特征点;然后,在图像特征的邻域中,通过均值模型来计算图像的亮度特征,将其与像素点的灰度差异特征相结合,以构造健壮的特征向量。最后,采用互相关函数来计算图像特征的关联度,采用信息熵来评估图像特征邻域所含信息量;并以图像特征间的关联度与信息量特征为依据,对图像特征进行匹配;最后,利用图像特征的特征向量,获取匹配点间的距离值,实现匹配点的归类,获取检测结果。实验结果表明：与当下篡改检测算法相比,在多种几何内容变化下,所提算法具备更高的检测准确度,所含的漏检和误检信息最少。     

基于形态学小波理论和SVM神经网络的人脸识别

主要研究了快速识别人脸的基本算法,它包括人脸检测和人脸识别两部分.人脸检测部分利用肤色电平的聚类特性和形态学处理检测出准人脸图像,再利用小波特征提取出特征进行人脸认证.人脸识别部分采用支持向量机(SVM)神经网络进行人脸识别.支持向量机神经网络对二类判别具有很强的识别能力.对于N类判别需连续使用N次.该方法识别速度快,且不受发型、头饰、眼镜等的影响.仿真证明了该方法的有效性.