基于分块加权LBP技术的人脸识别算法

人脸识别属于生理特征识别,是基于人的脸部特征信息进行身份识别的生物识别技术,是我国人工智能技术领域的首个成熟技术。LBP(Local Binary Patterns)算法,又称局部二值模式算法,是一种灰度范围内的纹理描述方式。传统LBP算子提取的特征信息只能体现局部的人脸信息,不能完整表达全部人脸信息。在基本LBP算法的基础上提出基于分块加权LBP技术的人脸识别算法,将人脸分为5×3子分块,根据人脸五官在人脸识别中的不同贡献度赋予不同的权重提取人脸信息特征。通过在ORL和YALE两种人脸数据库中训练不同样本数,比较传统LBP方法、5×3分块LBP方法和5×3分块加权LBP方法的人脸识别准确率,实验证明分块加权LBP技术在人脸识别中可以有效提高识别准确率。     

加权图的Perron向量

设G是一个简单图,Gy=(V,E,W,f)是图G加权图.主要讨论了极大加权图Sr(u-star)的中心u、v(非叶子)、ut(叶子)的Perron向量的分量之间关系,同时还考虑了具有两个star-centers(u-star与v-star)的极大加权图G的perron向量的分量以及它们和加权映射之间的关系.     

基于字典学习与稀疏表达分类的低质量字符识别

为解决低质量字符中的断笔、噪声和模糊问题,以及不同字体与字号的字符识别问题,提出了基于字典学习与稀疏表达分类的低质量字符识别方法.首先,收集不同字体和字号的字符样本构建字符超完备字典;然后,对测试字符进行稀疏表达建模,并根据求解的稀疏系数进行字符分类.为了使字典更具鉴别性,文中提出了基于因子分析的字典学习方法.实验结果表明,文中所提方法不仅可以同时识别不同字体和字号的字符,还具有对断笔、噪声和模糊的鲁棒性.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

基于分块K-SVD字典学习的彩色图像去噪

该文构建了分块K-奇异值分解(K-SVD)字典学习算法处理彩色图像去噪问题。首先对彩色图像直接添加噪声,将其通过色彩通道分成3张灰度图像,利用超完备离散余弦变换(DCT)字典、全局字典和自适应字典等字典学习算法,分别对灰度图像进行去噪重建。通过图像分割理论对图像分块,使得分块K-SVD算法更有效运行于字典学习中。实验结果表明,离散余弦变换字典适用于弱噪声下权重较小的情况,全局字典适用于弱噪声下权重接近于1的情况,自适应字典适用于弱噪声下权重较大的情况。     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

基于K近邻字典的协同表示高光谱图像分类方法

近年来基于协同表示的分类方法在高光谱图像分类领域取得很大的成功.但在重建测试样本时,由于用全部训练样本充当字典,导致一些差别较大的样本参与表示,不仅影响分类的精确度,还浪费分类时间.在实施空-谱联合后,用K近邻对重构字典做出二次选择,并参照最近正则子空间的做法提出基于K近邻字典的协同表示分类器.通过在两个基准HSI数据集上的实验证明,所提分类器既提高了分类精度,还节省了分类时间,特别对小样本类别的分类效果改善更明显.     

基于黎曼字典和ScSPM模型的场景分类

场景图片的局部信息包含2类:像素统计分布信息和像素动态变化信息.经典场景分类模型Sc SPM仅考虑了前者,利用协方差矩阵度量局部像素动态信息,作为Sc SPM模型的互补分类信息,以提高场景分类准确率.为解决协方差矩阵特征的聚类问题,使用基于黎曼度量的顺序聚类算法,然后利用提出的局部软分配算法编码协方差矩阵.标准场景库的实验证明了所提思路能够显著提升Sc SPM模型的分类精度.     

基于高斯加权和因子分析字典学习的人脸姿态估计

针对传统的非约束环境下人脸姿态估计方法无法在统一框架下很好地处理各种姿态相关和姿态无关因子等问题,设计了基于字典学习和稀疏表示的鲁棒性人脸姿态估计框架,提出一种新的基于鼻尖点高斯加权的人脸预处理方法.此外,为了提高字典的鉴别性,提出一种基于姿态相关和姿态不相关因子分析的鉴别字典学习算法.通过在公开的XJTU、Multi-PIE、CAS-PEAL-R1和AFLW人脸库实验,结果表明:该方法在具有光照、噪声和遮挡变化的人脸库上识别率均约达95%,基本可满足实际应用的要求.     

基于图像熵分块的压缩感知字典学习算法

针对传统字典学习算法预处理阶段未考虑图像内外部特征的问题,提出一种基于灰度梯度矩阵的图像熵字典学习算法.该算法通过灰度梯度矩阵计算图像块熵值,并对各图像块进行分类,每类数据组合成训练数据集,再利用基于系数矩阵的奇异值分解算法更新各类子字典.对测试图像的稀疏表示系数进行重建实验,仿真结果表明,该算法可高效训练出自适应稀疏字典,显著提高图像重建精度.      

基于噪声分类和字典选择的语音活动检测

为了解决已有语音活动检测方法在噪声条件下性能急剧下降的问题,提出了一种基于稀疏编码的语音活动检测方法.该方法在训练阶段为语音和每种可能的噪声训练字典;在识别阶段首先识别环境噪声类型,然后将语音字典和对应环境噪声字典拼接形成一个大字典用于稀疏分解,最后用语音字典上的稀疏表示实现语音和非语音的判断.该方法一方面引入了噪声类型识别,可以有针对性地选择噪声字典;另一方面引入噪声开集识别机制,能识别新的噪声类型并且为之训练模型.实验结果表明所提方法比传统方法具有更强的噪声鲁棒性.     

基于分块加权的局部保持投影的人脸识别

为增强对姿势、表情、光照等变化的鲁棒性,提出了一种加权的分块局部保持投影人脸识别算法.算法先对样本图像分块,对分块得到的子图像利用局部保持投影算法分别提取局部特征信息,并利用k近邻点的类标信息和样本影响力函数计算各分块子图像的权重.该算法能够有效地抽取图像的局部特征,对人脸表情和光照条件变化较大的图像表现尤为突出,在AT&T和Yale人脸库上的比较实验说明了该算法的有效性.     

基于分块加权的多特征图像检索算法

颜色是识别图像差异的一个重要特性,颜色特征提取过程简单,同时兼具旋转和平移不变性。但传统颜色特征只是对图像的全局信息进行统计,并没有考虑图像的空间分布特性,因此出现部分内容不同,但却有着相似颜色特征的图像。针对传统颜色直方图算法存在的检索缺陷,提出了一种新的颜色直方图分块加权提取算法。首先对图像作分块处理并根据各分块中显著点数的占比情况为其赋予权值,然后分别提取各个分块的颜色直方图特征,从而得到图像分块加权后的颜色特征;同时对图像提取Tamura纹理特征,将颜色和纹理两种特征融合在一起,并根据图像特征向量间的距离大小反映相似程度。实验结果表明:本文算法能够在提取特征向量时有效增加空间分布特性,实现了较好的检索效果。     

基于灵活LBP纹理字典构造及多特征描述的改进SCSR算法

针对超分辨率重构字典对结构区分度不够、在最优匹配原子搜索中耗时太长的问题,提出了一种多特征联合的分级字典(MFJD).首先,分别用边缘块梯度特征和纹理块局部二值模式(LBP)特征来构建两种分类字典,用于逼近不同类型结构;其次,采用树结构来聚类原子,实现同一字典下的快速原子匹配;最后,引入双边总变分(BTV)正则项来约束重构结果.实验表明:与经典稀疏编码超分辨率重构(SCSR)算法相比,MFJD多特征联合的分级字典使重构图像的PSNR值提高了0.2424 d B,使平均结构相似度(MSSIM)和特征相似度(FSIM)分别提高了0.0043和0.0056;由于结构分类字典维数降低,重构时间降至SCSR算法的22.77%.     

基于多尺度LBP和复合核的高光谱图像分类方法

为了更好地利用高光谱图像的纹理特征信息,提出了一个基于多尺度LBP和复合核的高光谱图像分类方法.利用LBP的两个最佳尺度来提取高光谱图像的纹理特征,将得到的空间纹理信息输入高斯核函数中,得到两个空间核,与直接提取光谱信息得到的光谱核结合在一起组成一个复合核,将这个复合核输入支持向量机(Support Vector Ma...     

基于分块DCT变换的HVS模型加权数字水印算法

用灰度图像作为水印,并结合应用于图像压缩的人眼礼堂模型HVS和基于块分割DCT变换,对原有的基于DCT变换的数字水印算法作了一些改进。实验结果表明,这种改进方法具有良好的鲁棒性和不可见性。     

文本分类的字典生成

为了提高系统处理开放语料的能力和解决一个概念可由多个不同的单词表达的问题，该文引入义类的概念，设计出一个具有模拟推理功能，同时具有对向量维数进行语义压缩的字典生成算法，构造了一个图结构的字典。利用该字典，可以提高文本分类系统的性能，改善系统的模拟推理能力以及系统的效率。     

基于LBP和PCA特征提取的人脸识别

为有效解决局部二元模式(LBP)在人脸识别特征提取时维数过高的问题,提出了一种结合LBP特征和主成分分析(PCA)的人脸识别方法.首先,对人脸图像进行分块,提取其LBP直方图特征,然后使用PCA方法对特征向量进行降维,最后将降维后的特征向量用于识别.在FERET人脸库上的实验结果表明:相对于原始LBP表达方法,结合LBP和PCA的人脸表达能有效降低计算复杂度,同时也较好地保持了原有识别精度.     

分块对角矩阵的加权广义逆

本文用统一的方法给出形如A={U00V}的分块对角矩阵的加权广义逆AM+N,和极小范数广义逆A(1,4N)的分块表达式。