基于学习的人脸图像超分辨率重构算法

提出了一种新的基于学习的人脸图像超分辨率重构算法,利用高分辨率图像和低分辨率图像的拓扑结构相似性,将现有的低分辨率人脸图像在低分辨率人脸图像字典中展开,在保持系数不变的同时将字典换为高分辨率人脸图像字典,最终得到待重构的高分辨率人脸图像.在系数估计时,使用主成分分析的方法,同时加入了最小全变分作为约束,算法充分利用了不同人脸图像之间的相似性和人脸图像本身的内部相关性.实验结果表明,结果既保持了对原有图像的忠实性,又比较适合人眼观察.     

基于四元稀疏正则的彩色图像超分辨率重建

为了更好地保持重建彩色图像各通道信息的相关性,有效提高彩色重建图像边缘、色彩等细节信息的恢复质量,提出一种基于四元稀疏正则模型的彩色图像超分辨率重建算法.该算法利用四元数表示彩色图像的三个通道信息,并且采用L1/2正则项代替L1正则项构建基于四元稀疏正则约束的彩色图像超分辨率字典学习及模型重建.同时在训练重建字典对中,为了更好地表征图像特征信息,采用去均值方法构造高低分辨率训练样本集;为了得到与低分辨率重建字典更匹配的高分辨率重建字典,采用字典分离训练方法分别生成高低分辨率重建字典.实验结果表明:与现有的算法相比较,本文算法在重建图像的主观和客观评价指标方面均有改善.     

基于局部特征和集成学习的鲁棒彩色人脸识别算法

为了充分利用人脸图像的局部信息、改善现有基于整体特征的彩色人脸识别算法的识别率,提出了一种基于局部特征和集成学习分类器的鲁棒彩色人脸识别算法.在特征提取阶段,使用自适应四元数pseudo-Zernike矩(AQPZMs)来描述图像子块的特征.对于具有较大熵的图像子块使用较高阶次的四元数pseudo-Zernike矩(QPZMs)提取特征,反之则使用较低阶次的QPZM s.在匹配识别阶段,使用集成学习分类器进行判别.针对不同彩色人脸图像库的测试结果表明,当人脸图像受到光照、表情等因素影响时,与采用QPZMs或者四元数二维主成分分析(Q2DPCA)进行整体特征提取的识别算法相比,所提算法的识别率更高.     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.     

四元数奇异值分解与彩色图像去噪

提出了一种基于四元数的彩色图像去噪算法.该算法对彩色图像进行四元数奇异值分解,得到表征彩色图像的不同分量的奇异值,同时适当地选择和丢弃分别表征图像和噪声的奇异值,可以有效地去除彩色图像的加性噪声.该算法的特点是采用一种新颖的基于彩色图像能量测度模型,自适应地确定去噪图像重构的奇异值数目,因此具有快速去噪和简单可行的优点.实验结果表明,提出的方法针对彩色图像去噪具有较好的效果.     

基于张量主成分分析的人脸图像压缩与重构

提出了基于张量主成分分析的人脸图像压缩与重构算法,该算法依据K-L变换的原理找到用于图像压缩的投影矩阵,进而对人脸图像进行压缩.同时,也可以通过投影矩阵对人脸图像进行数据重构.通过在FERET和BioID人脸数据库的相关实验表明,与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像,定量分析表明张量主成分分析算法的重构误差和峰值信噪比亦优于常规的主成分分析算法.     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

基于四元数的彩色人脸识别

为充分挖掘人脸模式样本之间的鉴别信息、强化不同样本之间的区分性,以利于增强识别系统鲁棒性、提高人脸正确识别率,提出一种新颖的基于四元数的彩色人脸识别算法．将定义于实数域的PcA方法以及Fisher鉴别分析法向四元数体作合理推广,得到定义于体上的广义主成分分析方法及广义线性鉴别分析法,将这2种方法用于彩色人脸识别,从而得到全新的识别算法．该算法巧妙地将彩色像素的R、G、B3个分量结合在一起,从数学上有机融合具有丰富鉴别信息的肤色成分以及反映人脸轮廓形状信息的灰度成分,较传统仅利用灰度信息的识别方法,具有更稳定的性能以及更高的正确识别率．提出的关于共轭四元数矩阵正交特征矢量集的获取方法,数学上有详细的推导证明,该方法在理论上合理,同时在自己建立的彩色人脸库上进行的实验表明,该方法可行且实用．     

一种彩色视频超分辨率重建算法

基于RGB三通道的超分辨率视频重建算法对彩色视频进行处理将导致算法的计算量过大,不利于其在彩色视频实时处理中的应用。针对这一缺点,本文基于核回归函数提出了一种高效的彩色视频超分辨率重建算法,该算法只需要对亮度分量进行超分辨率重构,在增大视频序列重构信息量的同时,大幅降低超分辨率重建算法的计算量,更适用于彩色视频的实时超分辨率重建场景中。     

基于非局部稀疏表示的立体图像的超分辨率重建

针对在立体图像的超分辨率重建过程中,需要分别对低分辨率的彩图和同场景的深度图进行超分辨率重建的问题,提出了一种基于联合稀疏表示的立体图像的超分辨率重建方法.该方法在非局部中心稀疏表示重建方法的基础上,利用彩色图像与同场景深度图像的耦合相关性,通过构造联合特征图像块来学习彩色和深度图像的联合字典;然后构造彩色和深度图像块的联合编码增量作为正则项,利用迭代优化算法求解模型,进而同时重建高分辨率的彩色和深度图像.为验证算法的有效性,在Middlebury数据集上对重建结果进行了主、客观评估,并与不同算法进行了比较.实验结果表明,在客观指标和主观视觉效果上,本文提出的算法可以同时获得令人满意的彩图和高质量的深度图.     

基于肤色模型和径向基函数网络的脸部检测

驾驶员疲劳状态检测一般采用对人眼的闭合度进行计算,若实现对人眼的闭合度计算首先是对人脸的正确快速检测,针对驾驶室的特定环境,本文研究一种基于肤色模型和径向基函数网络为基础的快速人脸检测算法,该算法首先对输入图像进行RGB和YCbCr颜色空间的转换,其次建立相关的肤色模型,实现人脸区域的粗定位,然后结合径向基函数网络对输入的图像进行训练,这样就可以根据训练的结果判断是否是肤色,从而实现人脸检测。仿真结果表明,所研究的算法较好的提高了强光下人脸的正确检测,为驾驶员疲劳驾驶的研究奠定前期基础。     

A color based face detection system using multiple templates

A color based system using multiple templates was developed and implemented for detecting human faces in color images. The algorithm consists of three image processing steps. The first step is human skin color statistics. Then it separates skin regions from non-skin regions. After that, it locates the frontal human face(s) within the skin regions. In the first step, 250 skin samples from persons of different ethnicities are used to determine the color distribution of human skin in chromatic color space in order to get a chroma chart showing likelihoods of skin colors. This chroma chart is used to generate, from the original color image, a gray scale image whose gray value at a pixel shows its likelihood of representing the skin. The algorithm uses an adaptive thresholding process to achieve the optimal threshold value for dividing the gray scale image into separate skin regions from non skin regions. Finally, multiple face templates matching is used to determine if a given skin region represents a frontal human face or not. Test of the system with more than 400 color images showed that the resulting detection rate was 83%, which is better than most color-based face detection systems. The average speed for face detection is 0.8 second/image (400 x 300 pixels) on a Pentium 3 (800MHz) PC.     

基于直观和量化方法的肤色检测色彩空间选择

肤色信息为图像检索、脸像分析和手势分析等多种应用提供了重要的信息.选择适当的色彩空间决定了肤色区域检测的结果.采用直方图可视化地描述了肤色在二维色度平面和三维色彩空间中的特定分布,提出并使用一个基于Fisher准则的评价函数对肤色/非肤色进行量化可分性分析,并且通过基于高斯模型的实验进一步验证了比较结果.结合直观分析和量化分析比较了各类通用色彩空间,从而获得了较适于进行肤色区域检测的色彩空间.     

一种用于彩色图像人脸检测的新算法

为了能够实现单幅彩色图像中的人脸检测,提出了一种用于彩色图像人脸检测的新算法。它首先根据肤色的鲁帮性进行建模,接着在图像中运用最小椭圆平方匹配算法定位出脸部候选区域,经过方向校正后,结合脸部的主要特征,对这些候选人脸区域进一步的判断,最终找出具有人脸特征的图像区域。实验结果显示该算法可以适用于不同光照条件下的人脸检测,即使在脸部特征没有被很好的检测出的情形下也可以较好的完成人脸检测。     

基于肤色统计矩和Adaboost算法的人脸检测研究

采用基于Adaboost的人脸检测算法检测出彩色图像中的人脸候选区域,在此基础上利用人脸肤色统计矩剔除非人脸区域,最终实现对人脸的准确检测.由于本算法检测速度快、准确率高可以应用于对实时性要求较高的智能监控领域.     

基于动态阈值图像分割法的人脸识别技术研究

提出一种基于动态阈值图像分割的人脸识别方法.在灰度级别下,基于图像分割中的Fisher准则,利用Fisher函数的类间均值最大、总类内方差最小的原则,自动获取待检测图像所对应的最佳分类阈值,并根据所得的动态阈值进行肤色分割,然后再根据阈值解码器,实现肤色似然图的二值化,得到肤色分割后的二值化图像,从而检测到包含有人脸的肤色区域.实验结果表明,该方法改善肤色分割性能,能够在负载复杂背景下实现肤色区域的精确分割,提高人脸检测的速度和精度.     

光强倒数色度空间的彩色人脸光照预处理

为了解决彩色人脸识别中色彩信息易受光照影响的问题,提出一种基于光强倒数色度空间（IICS）的彩色人脸图像预处理方法。本方法首先将图像均匀地分割成子块;将每个图像块变换为 IICS 空间中的一个二维数据集,并根据数据集的线性分布特性估计图像块的光照颜色;然后对全部图像块的光照估计进行颜色直方图统计,根据直方图对分块估计的结果进行合并;最后,利用估计得到的光照和对角模型将图像光照校正到标准白光下,用于人脸识别。在 AR 和 FERET 人脸库上的实验表明,通过引入本光照预处理,有效增强了彩色人脸识别方法对光照变化的鲁棒性,提高了识别精度。     

一种用于彩色图像处理的自适应阈值分割方法

提出的三维空间局部兴奋全局抑制振荡网络是一种自适应阈值分割方法 ,它首先将图像中不同颜色的目标有效地分割出来 ,然后标记目标中重要的细节部分 .在此基础上 ,还针对某些彩色图像中含有纹理性质目标的情况 ,对这种方法进行了改进 ,将此用于彩色岩芯切片图像的分割取得了较好的效果     

基于YCb＇Cr＇肤色特征和Otsu算法的人眼定位优化方法

为了解决光照和人脸姿态对人眼定位的影响,提出一种基于肤色特征和最大类间方差法（Otsu）相结合的人眼定位优化方法.该方法首先在检测出人脸的基础上,在YCb＇ Cr’色彩空间里做肤色检测,运用肤色分割原理缩小人眼检测的搜索区域;接着,对图像进行Otsu阈值分割,提取二值图像的眼睛区域;最后,在眉眼区域利用二值积分投影分别定位左右眼睛.该方法减小了光照对图像的影响,并且简单快速.在标准的VidTIMIT人脸库和自采图库上进行了实验仿真,结果表明,此算法在光照和人脸姿态变化的情况下都具有很好的鲁棒性.     

基于肤色分割、数学形态学和几何方法的人脸检测

许多学者对人脸检测进行了研究,但是始终没有得到一个满意的结果．Ing-sgeeb Hsieh使用HIS颜色空间进行人脸检测,得到“亮度小于40的区域不是东方人脸”的结论．这种方法的局限性在于亮度会随光照改变且只适合于检测东方人脸．Rein-Lien Hsu使用嘴唇和眼睛的Cr和Cb规范值来辨别人脸,但是由于很多人戴眼镜,