一种基于产生式分数空间的单样本人脸识别方法

提出一种基于产生式分数空间的单样本人脸识别方法.首先设计了适用于人脸表示的概率产生式模型,并有效地结合了分部式方法的灵活性和稀疏成分分析的稳健性.然后基于该模型导出分数函数(特征映射),并构建了本质上是观测数据、隐变量和模型参数函数的概率相似度.最后,基于2个标准人脸数据库进行了仿真实验,验证了所提出方法的有效性.     

基于分布式压缩感知的伪装人脸识别

提出了一种基于分布式压缩感知(DCS)的算法,并应用于伪装人脸识别.该算法从一个人脸图像集中提取共同特征和独有特征,这些特征在表达原人脸集的不同类型的信息具有各自的物理意义,因此能提高人脸识别的性能,同时采用了主成分分析(PCA)法进行降维.在AR人脸数据库的实验结果显示,相比于稀疏表示算法(SRC),该算法能提高识别率和识别速度,即使在较少训练图像的情况下也能取得好的识别效果.     

一种基于贝叶斯压缩感知的图像修复方法

图像修复是利用图像中已知区域信息对破损区域进行信息填充,以弥补信息的损失.传统的修复方法依赖图像的结构来确定,使图像达到人眼主观可以接受的程度.基于贝叶斯压缩感知的图像修复方法首先对受损图像进行稀疏变换,利用贝叶斯压缩感知得到稀疏系数的后验分布函数,求得分布函数的均值和方差,将均值作为图像的稀疏系数的估计,方差作为噪声的估计.仿真结果验证了该方法可以提高图像的修复质量.     

基于虚拟样本扩张法的单样本人脸识别算法研究

随着人脸识别技术的不断发展,单样本人脸识别已成为当今的一个热点。针对单样本人脸识别问题,提出了一种基于虚拟样本扩展的人脸识别方法,为给定的单训练样本增加虚拟图像,以增强单训练样本的分类信息,并对原样本及其虚拟样本进行特征变换,划分得到更多的子图像,利用二维主成分分析(2DPCA)实现特征抽取,一定程度上减轻了人脸的表情、姿态、光照等因素对识别效果的影响,提高了识别率。提出的方法分别在ORL及FERET两大人脸数据库上得到了验证。     

一种基于压缩感知的时变稀疏信道估计方法

对于快时变且稀疏环境下的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)系统模型,现有的方法是基于基扩展模型(Basic Expansion Model,BEM)进行估计,并利用恒定幅值零自相关(Constant Amplitude Zero Auto Correlation,CAZAC)序列估计时延。本文利用信道响应中稀疏的观测矩阵,用压缩感知(Compress Sensing,CS)的正交匹配跟踪(Orthogonal Matching Pursuit,OMP)算法进行时延估计。仿真结果表明,两种方法都能对时延进行有效的筛选,但当多普勒频移增大、信噪比较低时,本文将OMP、BEM相结合的方法效果较优。     

基于自适应中值滤波的分块压缩感知人脸识别

本文将自适应中值滤波和分块思想融入到压缩感知的人脸识别算法中,提出基于自适应中值滤波的分块压缩感知人脸识别算法。实验分别采用原识别方法和改进的识别方法对噪声密度为0.1、0.2、0.3、0.4、0.5的椒盐噪声人脸图像进行识别,结果证明本文提出的人脸识别方法在噪声密度较大时体现出其优越性,识别率比基于压缩感知的人脸识别算法高出2%¹0%。     

一种改进的压缩感知图像融合方法

传统基于压缩感知的图像融合算法在通过压缩感知观测图像高频分量时会丢失分量的空间信息,仅能采用简单规则进行融合,导致融合图像纹理细节等信息效果较差。针对此,文中提出了一种结合图像高频特征的自适应融合规则。首先,对融合图像进行非下采样contourlet变换(NSCT),分解后得到的低频子带系数采用区域能量融合规则,较传统低频系数处理更好的保留源图像的背景信息;然后,由于高频子带系数具有较高稀疏性,因此通过压缩感知进行压缩后根据标准差特征自适应选择融合规则;最后,对重构系数进行非下采样contourlet逆变换。实验结果表明:与传统经典算法相比,新方法不仅精准提取到红外目标,同时充分保留可见光图像的细节信息,兼顾了待融合图像的背景信息和红外目标信息,有效提高了融合效果和主观感受。     

一种基于压缩感知图像编码算法研究

计算机图形学的发展有力的促进了医学影像处理技术的普及和应用.图形压缩和编码是阻碍医学影像处理的关键技术之一.本文针对图像分形编码过程中存在的方块效应和编码时间过长的问题,提出基于压缩感知和分形编码快速图像处理算法,该算法对低频子图实施分形编码,降低处理时间,接着对低频差值图像实施压缩感知编码,实验结果表明该算法能够有效的提升图像处理速度,并且提升了重构图形的质量.     

一种基于压缩感知和小波信息熵的滚动轴承特征提取方法

为降低滚动轴承在线监测和故障诊断过程中振动信号采集、传输、存储和处理负担,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的滚动轴承特征提取方法,用于滚动轴承故障诊断。应用部分哈达玛矩阵采集振动信号实现压缩,通过小波包分解提取滚动轴承状态特征,计算其小波信息熵作为故障诊断特征。在标准数据集上进行振动信号特征提取,并采用四种分类方法完成故障诊断实验,结果表明本文特征提取方法能够在较高的数据压缩率条件下,保持较高的故障诊断精度,适用于滚动轴承在线监测和故障诊断。     

基于主元分析和压缩感知的人脸识别算法

针对压缩感知理论中的核心问题,即如何通过有限的测量值以较高的重建率重构稀疏信号,提出了基于主元分析和压缩感知的人脸识别方法（PSL0）.该算法利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映人脸特征投影矩阵,作为压缩感知算法的超完备基,将每一幅待识别图像的特征向量作为测量值,用基于平滑l0范数快速稀疏表示（SL0）算法求解l0范数最小化问题,寻求图像在该超完备基上的稀疏表示,以得到一组最优稀疏系数重构各类图像,求取测试图像与各类重构图像的最小残差进行分类识别.实验结果表明,该算法在同类算法中获得了较高的人脸识别率及较好的重建效果.     

基于图像梯度和2DPCA的单样本人脸识别

提出了一种基于图像梯度的2DPCA的算法用于单样本人脸识别。采用图像梯度方法进行人脸识别具有光照不变性、能提取丰富的局部纹理信息等优点,但是这种方法只考虑了图像的局部信息,并没有充分利用全局信息。基于这种问题,文章考虑融合全局和局部信息进行单样本人脸识别。对于全局人脸信息的提取,采用2DPCA方法,相对与传统PCA方法,2DPCA能够在不破坏图像二维结构的基础上进行全局信息提取。由于上述两种方法在图像匹配时所采用的匹配算法不一致,文章根据两种匹配方式的特点进行改进和融合,提出了一种新的匹配方案。实验证明,基于图像梯度和2DPCA的算法在单样本人脸识别问题上识别率优于传统方法。     

基于样本融合的核稀疏人脸识别方法

针对基于小样本集人脸图像的识别能力低,计算复杂度高的问题,提出了一种基于样本融合的核稀疏表示方法(KSRMSF).该方法首先通过在原始样本集中添加镜像训练样本和对称训练样本,扩大了原始样本集的规模,接着使用基于高斯核函数的算法从扩充后的训练样本集中挑选若干个最近邻训练样本,利用这组最近邻样本的线性组合表示待识别的测试样本,根据L2范式的结果对测试样本进行分类,通过修改最近邻样本数获得更高的分类精度.实验结果表明该方法比同类识别算法有更好的识别效果.     

一种基于身份证图片库的人脸识别方法

在许多刑事案件侦察过程中,警方一般都可以获得犯罪嫌疑人的图像资料。但通过图像资料获得犯罪嫌疑人的自然情况是一个困难而重要的侦察步骤。因此,本文探讨了一种基于身份证图片库的计算机人脸自动识别方法。该方法主要分为图像锐化、边缘检测和图象识别三个过程。并且,在一些具体的案例中得到了应用,应用效果良好。     

一种基于压缩感知的大规模多入多出系统信道压缩反馈方法

大规模无线多入多出系统由于在无线收发端配置了多天线构成的天线阵列,信道数量大幅度增加,传统的信道反馈方法面临巨大挑战。鉴此,提出一种基于压缩感知的信道信息压缩反馈方案,以减少计算复杂度与降低反馈量。结合双向主成分分析理论推导在空间相关瑞利信道下的双向投影矩阵,可以有效地将信道信息矩阵稀疏化,并给出了一个合适的比特分配方案。与主成分分析压缩信道算法对比,本方法可明显提升信道反馈的归一化均方误差(NMSE)性能,降低计算复杂度。     

一种基于压缩感知理论的LCTF光谱超分辨方法

液晶可调谐滤光片（LCTF）因其在宽谱段上具有简单、高效的调谐滤光功能常作为微型光谱仪应用在多种测量领域.然而,滤光式光谱仪的光谱分辨能力受限于其系统的带宽,进行高分辨测量时的硬件成本和测量数据量都较大.将压缩感知理论引入LCTF的光谱测量中,通过将LCTF获取的测量数据与其对应的调谐波长处的透过率函数进行关联计算,得到光谱分辨率优于系统带宽的目标光谱曲线.分析表明,本文模型下的压缩感知测量矩阵具有良好的非相关性,同时对地物光谱进行的压缩感知重构结果表明,在仅进行32次测量的条件下,本文方法得到了珍珠石目标的128波段的光谱曲线,能分辨出传统方法不能分辨的光谱细节,且反射率的平均误差仅有0.75%,同时对噪声具有一定的抵抗性.      

一种基于局部特征的人脸识别方法

针对五官的局部特征，提出一种具体的识别方案。与传统弹性图匹配的方法相比，该方案提取的人脸局部的特征，大大降低了运算量，理论和实验都表明了该方案的可行性。在对人脸图像预处理之后，利用积分投影的方法，获取五官的位置，而后采用奇异值分解（SVD）去提取五官附近的局部特征，作为人脸的主要特征。比较了SVD和离散傅里叶变换（DFT）两种特征提取的方法，结果表明，通过SVD提取人脸的局部特征在减少计算量的基础上，能够很好保留人脸的特征，达到了较好的识别效果。     

一种基于压缩感知的高精度目标跟踪算法

为解决传统单目标跟踪方法精度低、稳定性差的问题,通过压缩感知的方法研究了扩展卡尔曼滤波,提出了一种基于压缩感知的扩展卡尔曼滤波算法。该算法基于压缩感知理论、采用阵列进行视场范围内的位置跟踪,即多传感器单目标跟踪。结果表明：在信噪比较低时该方法对目标跟踪的精度较高,并且对角度的估计使用的快拍数更少,降低了计算复杂度;并且所提算法在精确度和稳定性方面对目标的跟踪效果都要比传统算法好。     

一种基于压缩感知的无损图像认证算法

针对图像无损认证和篡改检测问题,提出了一种基于压缩感知的自嵌入水印算法.首先,将图像划分为若干分块;然后,利用压缩感知理论对各图像块进行观测,将得到的观测值作为图像内容特征,通过基于哈希的消息认证码算法生成图像摘要,并将摘要信息作为水印嵌入到图像小波域中,嵌入方式采用量化索引调制算法.在认证端提取水印并恢复图像,然后对图像进行压缩感知随机投影,将得到的摘要信息与提取的水印进行对比,实现图像认证和篡改检测.仿真实验结果表明,水印嵌入后图像的峰值信噪比可达到39 dB以上,说明该算法具有较好的不可感知性和隐蔽性.此外,该算法还具有较强的局部篡改定位性能,图像认证块大小可根据图像进行相应调整.若图像通过认证,则可以无损地恢复原始图像.     

单样本条件下基于图像增强和Fourier频谱的人脸识别

目前有许多处理正面视觉人脸的识别方法,当有充分数量的有代表性的样本时,能取得较好的识别效果。然而当处理单样本识别问题时,现有的许多方法的识别率将明显下降或甚至不适用。为了加强单训练样本的分类信息,训练样本与其基于受扰动的奇异值的重构图组合成新样本,Fourier频谱作为人脸识别特征,在ORL人脸库上的实验结果表明了该方法的有效性。     

一种多角度的人脸识别方法

针对传统人脸识别方法的识别率受角度变化影响大的缺点,提出了一种多角度的人脸识别方法.首先用多个不同角度的主动表观模型(AAM)估计人脸旋转角度;然后通过多角度模型合成正面人脸;最后采用线性判别分析法(LDA)获取最佳分类特征,并对其进行识别.实验结果表明:与主成分分析法(PCA)相比,该方法对不同角度的人脸具有更高的识别率.