基于小波变换特征提取和神经网络分类的人脸识别

为提高人脸图像识别率,提出一种将小波分析与神经网络相结合的人脸识别方法。用二维离散小波变换函数对人脸图像进行二维离散小波变换,提取其低频系数作为人脸特征值,用三层神经网络进行分类、识别。实验证明,和单纯的小波方法及神经网络方法进行人脸识别相比,这种方法收敛步数少、用时短、具有较高的识别率。     

基于先验概率与不同小波基的人脸识别研究

由于小波分解在空域和频域上都能提供良好的局部信息,尤其是在小波分解后可以减少图像的分辨率,进而相应地减少计算复杂度,因此小波变换经常用于图像处理和图像分析中。通过实验得出了基于各种小波基的人脸识别的识别率和识别速度,并根据各种小波基的识别率和识别速度这一先验概率,将各种小波基在识别时进行融合,提出了一种新的人脸识别方法。     

深度学习在图像识别中的应用

深度学习通过建立深层神经网络来模拟人脑进行分析、学习和解释数据,被广泛用于图像识别领域.首先,简述了深度学习在图像识别中的研究现状;其次,介绍了卷积神经网络、深度置信网络、循环神经网络和生成对抗网络等几种常用于图像识别领域的深度学习网络模型;然后,从人脸识别、动作识别、跌倒检测等方面,论述了深度学习在图像识别领域的典型应用;最后,探讨了该领域的研究难点及发展前景.深度学习可以从不同的图像中自动提取相似的特征并进行分类,识别率高,鲁棒性强,推动了人工智能背景下图像识别的发展.无监督学习、对抗网络等将成为深度学习领域的热点.     

基于小波变换的模糊目标识别

针对图像处理问题中的模糊性问题,在不确定因素分类与影响分析的基础上实施去模糊处理,并与其他图像的降噪处理作比较.利用仿真实验系统地分析模型与算法的有效性;然后,利用小波变换对图像进行分解,提取小波系数和图像的能量特征,给出匹配与识别方法,通过实验与现有主要的目标识别方法作比较.结果表明,该识别法的识别精度高、速度快,比现有的目标识别方法的识别率平均提高了5.16%.     

基于小波变换的Bayesian人脸识别方法

从小波变换良好的多尺度特征表达能力和Bayesian方法良好的识别能力出发,提出了一种基于小波的Bayesian人脸识别方法.首先对人脸图像进行小波分解,其次对得到的每幅低频子图进行Bayesian人脸识别,最后利用Yale人脸图像库进行了试验.实验表明,与传统的方法相比较,该方法提高了识别率,降低了运算量.     

基于计算机视觉的织物疵点自动检测

用小波变换结合BP神经网络对织物疵点进行检测和分类.采用平纹坯布作为试样,对油渍、缺经、缺纬疵点进行识别.摄相机摄取256×256图像,将拾取图像进行小波分解,然后把小波分解后的图像灰度值作为特征参数输入到BP神经网络进行检测识别.实验结果表明,用这种方法识别织物疵点,识别率可达到98%.     

基于特征层和二代曲波变换的多模生物特征融合识别方法

针对单模生物特征识别方法在实际应用中存在识别正确率较低的问题,提出了一种基于特征层和二代曲波变换的单样本多模生物特征融合识别方法,其采用了2种生物特征:掌纹特征和人脸特征.将所有归一化后的学习样本图像和测试图像通过组合的快速离散曲波变换和小波变换进行分解.系数经组合和规范化处理后,在特征层实现融合,融合后的特征参数送入K-最近邻分类器进行分类,从而获得最终识别结果.在香港理工大学掌纹数据库和Ljubljana大学人脸数据库上的实验结果表明,所提方法在每个类别仅使用1个学习样本的情况下,其生物特征图像的最佳平均识别正确率达到92.40%,比单模人脸、单模掌纹识别方法的识别率分别提高了35.38%和8.92%.     

基于小波变换和立体视觉的发动机内窥研究

提出一种基于小波变换及立体视觉技术相结合的发动机内窥检测系统。系统由平行光轴双CCD内窥镜及内窥图像处理系统两部分组成,内窥图像处理子系统接收平行光轴双CCD内窥镜采集到的航空发动机内表面图像,对可能存在的损伤缺陷进行识别,并计算出损伤长度、面积、深度等数据。内窥图像处理子系统中,针对发动机内窥图像特点,采用Gauss小波变换方法对图像进行特征提取、立体匹配：利用双目立体视觉技术,三维重建出损伤区域的原貌。本检测系统可以弥补传统检测系统的缺陷,提高检测精度,缩短检测时间,从而保障航空发动机的安全运行。实验结果表明,系统准确有效。     

基于小波变换和独立成分分析的人脸识别

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足,提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析,提取人脸图像特征,最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.     

采用二代曲波变换和反向传播神经网络的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二代曲波变换的人脸识别方法.首先将所有样本图像和测试图像通过基于"打包"的快速离散曲波变换进行分解,获得不同尺度、不同角度的曲波变换系数,再利用曲波变换分解系数中包含了人脸重要特征信息的低频系数,作为特征参数送入反向传播(BP)神经网络中进行学习训练,最后将训练好的BP神经网络用于人脸识别.经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别正确率达到95%,比Daub(2)小波基的小波变换方法的识别正确率提高了2.5%.