深度卷积神经网络的判别性人脸识别算法

针对Softmax(柔性最大值)损失对特征只有可分性的不足,提出一种基于深度卷积神经网络的判别性人脸识别算法.该算法首先根据Softmax损失特征分布,在特征和权重向量间施加一个类内余弦相似性损失,使类内更加紧凑,类间尽可能分离;然后在Softmax损失基础上通过归一化特征来更好地模拟低质量人脸图像,并通过归一化权重来减轻类别不平衡,使与测试时的余弦相似性度量一致;最后联合归一化的Softmax损失和类内余弦相似性损失在预训练模型上进行微调.该算法在人脸识别基准测试集LFW(户外人脸标记)和YTF(You Tube人脸数据库)上分别取得了98.72%和93.38%的识别率,实验结果表明:在大规模人脸身份识别中,该算法提高了特征的判别性,增强了模型的泛化能力,能有效提高人脸识别率.     

基于非下采样contourlet变换的纹理图像检索算法

提出一种应用非下采样contourlet变换(nonsubsampled contourlet transform,NSCT)进行图像检索的算法,以获取一种兼顾纹理图像概貌和细节信息的特征,从而提高图像检索的性能.该算法利用NSCT对图像进行多尺度、多方向分解,获得子带系数矩阵;对低频子带系数提取能量和方差作为全局纹理特征,并对高频子带系数分别提取尺度间和尺度内纹理信息;通过非高斯双变量模型拟合子带系数,利用信息熵描述尺度间特征;尺度内特征通过对同一层子带图像按主方向排序,获得直方图图像,计算其加权信息熵作为特征向量.对Brodatz标准纹理库的检索实验结果表明,与同类算法相比,该文方法具有更高的检索性能.     

结合对比学习与空间上下文的人脸活体检测

人脸活体检测是面部识别应用的先决条件.现有方法利用多种特征提升检测精度,针对特征优化的研究较少,一些能起有效区分作用的特征未被提取,提出结合空间上下文特征与对比学习的人脸活体检测(SAC),分两个阶段:① 对比学习得到高级语义特征,扩大活脸和攻击脸之间的特征差距.此外,提出两种定义样本的策略以增强特征的可辨性.② 上下文判别器:自我注意学习输入的极端贡献性空间上下文.两阶段用跳跃连接保持特征表示一致性,分别用特征相似度和交叉熵损失训练.在公开数据集SiW、CAISA FASD和Replay Attack上测试,SAC在SiW的3种测试协议下均取得了与先进算法可比较的结果,在CAISA FASD和Replay Attack的跨数据集测试结果分别提升4％、11％,表明SAC能够有效准确判别欺骗人脸.     

局部特征与全局信息联合的自适应图像增强算法

针对传统基于修正直方图的图像增强算法不能兼顾局部特征和全局信息的问题,提出一种局部特征与全局信息联合的自适应图像增强算法. 该算法将增强分为局部增强和全局增强两部分,局部增强利用像素的邻域信息和局部与全局对比度的比例信息作为幂次变换的伽马值,对图像进行伽马校正,提高图像的亮度和局部对比度;全局增强利用区域相似直方图统计抑制噪声,避免过度增强. 实验结果表明,本文算法在客观性能上优于其它传统图像增强算法,并且可以有效提高复杂光照下人脸图像的检测率.      

改进PCA-LDA的人脸识别算法研究

针对主成分分析(PCA)未充分利用样本类别信息及线性鉴别(LDA)在小样本时识别率低的问题,提出了一种基于PCA和LDA相融合的人脸识别算法。该算法首先将输入人脸图像进行几何位置规范化和灰度分布均衡化预处理;然后利用PCA算法将人脸训练图像投影到低秩特征子空间,利用LDA算法计算类间离散度大、类内离散度小的特征子空间,从而获得PCA-LDA的人脸融合特征空间;最后将训练样本、测试样本投影至融合的特征空间,并利用最近邻准则实现对测试样本的识别。实验结果表明,该算法能够有效融合PCA和LDA的优势,提高系统识别的鲁棒性和效率。     

一种融合LBP纹理特征的多姿态人脸跟踪方法

提出一种改进的Camshift算法,它融合目标人脸的局部二值模式(LBP)纹理特征的T分量,以及肤色的HSV色彩空间的H分量的统计直方图来生成概率分布图像,实现纹理与肤色特征的有效融合;然后,利用Kalman滤波器来预测目标人脸的运动信息,快速地跟踪到目标人脸.实验表明,在复杂的跟踪条件下,这种算法比原始的仅采用颜色直方图信息的Meanshift和Camshift算法,在跟踪速度和精度上有显著的提高.     

基于小波变换的多字典人脸识别方法

传统基于稀疏表示的人脸识别方法因未充分利用样本包含的信息,而存在较低的鲁棒性和识别率等问题.提出基于小波变换的多字典人脸识别方法.提取人脸图像的多尺度纹理特征,构建多字典,每个字典分别对应样本的原始图像和不同尺度的纹理信息.为提高人脸识别的准确性,在训练阶段利用相同的系数表示将不同字典相关联,深入挖掘了人脸图像与其不同尺度纹理间的共性,探索人脸不同特征的内在联系.较仅聚焦于样本单一特征的传统方法,克服了忽视样本不同特征间联系的不足,更深刻地挖掘训练样本人脸特征且突出了不同类训练样本的个性特征.在多个人脸数据库上的实验结果表明,识别性能有明显的提升.     

多颜色空间中三正交平面的WLDLBP活体人脸检测算法

基于动态纹理分析是活体人脸检测中一个重要的研究方法,然而这些算法主要从灰度视频进行研究,丢失了颜色纹理特征重要信息,导致检测识别率偏低.为了利用颜色特征信息来提高检测准确率,本文提出一种多颜色空间中三正交平面的动态局部纹理特征算法WLDLBPTOP,并分析了视频帧数不同对活体人脸检测的准确率的影响.算法在公开数据库CASIA-FASD和REPLAY-ATTACK中进行验证,实验结果表明,本文所提算法在CASIA-FASD中获得EER(Equal Error Rate)为2.69%;在REPLAY-ATTACK中,当验证集EER为2.10%时,在测试集中的HTER(Half Total Error Rate)为3.24%,比现有动态纹理特征算法拥有更高的识别率.     

基于哈尔小波分解和等价局部2值模式的人脸防欺骗算法

针对人脸识别技术在身份认证中极易受到假冒用户欺骗的问题,提出1种基于哈尔(Haar)小波分解和等价局部2值模式(Uniform Local Binary Pattern,ULBP)的算法,致力于检测假冒的照片人脸.算法对人脸图像进行4级Haar小波分解,计算1-4级的高频子图系数矩阵的均值、方差作为特征,并提取ULBP特征谱的统计直方图,形成最终的75维特征向量,训练支持向量机(SVM)以判定人脸是否来自活体.在公开的NUAA、REPLAY-ATTACK数据库上实验,最高准确率分别为99.96%和96.26%,最高受试者工作特征曲线下方面积(Area Under Curve,AUC)为1.实验结果表明算法准确度高,计算复杂度小,对不同介质的假人脸图像都能有效检测,能够用来保障人脸识别系统的可靠性.     

改进的线性判别回归分类人脸识别算法

对线性回归分类算法进行了改进。考虑了线性回归分类算法中没有考虑的类间信息,通过选择类模式的投影方向判别不同类的模式,不同类的模式互相远离,相同类的模式尽可能靠近来估计投影矩阵;再利用投影矩阵将训练图像及测试图像投影到各类的特征子空间;最后,计算出测试图像与训练图像间的距离,利用K-近邻分类器完成人脸的识别。在FERET人脸数据库上进行实验验证。实验结果表明,相比其他回归分类算法,本算法取得了更好的识别效果。     

综合颜色和纹理特征的粒子滤波人脸跟踪算法

提出了一种综合颜色和纹理特征的粒子滤波人脸跟踪算法.该方法利用粒子滤波能有效处理非线性非高斯过程和融合目标人脸多种测量信息的特性,针对人脸特征对环境变化的不同鲁棒性,综合加权颜色直方图和旋转复合小波进行人脸特征描述,将颜色和纹理特征融合到粒子滤波跟踪框架中.实验结果表明了该算法的鲁棒性、精确性和灵活性,与基于单一特征的粒子滤波跟踪方法相比,该算法稳健而有效,且对现实场景下人脸的跟踪效果准确.     

分形技术在彩色纹理分割中的应用

应用分形技术,对彩色图象的纹理分割问题进行了探讨．为了有效地描述彩色纹理特征,我们利用图象中的色彩信息,通过象素的色彩曲面之间的体积值和单种色彩分量值进行分析,获得相应的分形特征,继而运用中值滤波技术和非监督聚类算法对特征图象进行分割．实验结果表明,利用分形技术进行彩色纹理分割是非常有效的．     

基于LTCP特征的计算机生成图像鉴别算法

针对目前计算机生成图像鉴别算法在对图像纹理特征进行鉴别时精度较差的问题, 提出一种基于长期控制计划(LTCP)特征的计算机生成图像鉴别算法. 首先将彩色图像变换到颜色模型中, 对图像进行下采样, 获得较高尺度的纹理信息; 然后采用基于LTCP特征和共生矩阵的计算机生成图像盲鉴别算法, 对不同尺度的纹理图像LTCP特征及相邻像素一致性共生矩阵特征进行采集; 最后通过判别分类器对LTCP特征及相邻像素一致性共生矩阵特征实施分类预测, 根据分类预测结果实现计算机生成图像的鉴别. 实验结果证明, 该算法在计算机上生成的图像特征维度较低, 鉴别率和精度较高, 能实现计算机生成图像的准确鉴别.     

基于颜色共生矩阵的纹理检索算法MCM

描述了一种基于颜色共生矩阵的纹理检索算法MCM,主要包括颜色共生矩阵纹理特征提取算法以及纹理特征的相似性度量函数,给出了利用MCM算法检索图像库的实例.通过MCM算法提取的特征除了反映图像的纹理关系外,还综合了其颜色构成特征,部分建立了与人的视觉感知之间的对应关系.实验表明,MCM算法优于一般的灰度共生矩阵纹理检索算法,并且具有较好的检索效果.     

利用颜色和纹理特征的图像检索技术研究

提出了融合颜色和纹理特征的图像检索算法.在颜色特征的提取中,提出了一种矩形重叠式分块策略对图像进行分块.在对纹理特征提取中,提出了利用共生矩阵对图像的整体区域有着较好的处理效果以及Gabor小波变换对图像中的局部区域的频率和方向信息的优异性能.利用归一化理论,融合3种不同特征.并通过实验证明该方法能够提高图像的检索性能.     

基于潜在特征重构和注意力机制的人脸图像修复

本研究针对现有图像修复方法不能有效地分离结构和纹理信息,修复结果往往会出现边界模糊、结构扭曲等伪影问题,提出了基于潜在特征重构和注意力机制的人脸图像修复方法。人脸图像修复方法分为两阶段,第一阶段,通过结构重建器网络提取样式向量,按照StyleGAN所述的原理分为粗尺度特征、中尺度特征和精细特征三组,插入到预先训练好的StyleGAN生成器中,产生初步的修复结果;第二阶段通过构建纹理生成网络并使用上下文注意力机制,注意力分数由注意力计算模块计算,注意力转移模块根据较高级别特征图和注意力分数来填充较低级别特征图中的对应缺失区域,以细化上一阶段初步的人脸修复结果。在CelebA-HQ数据集上的训练并进行测试,本文的方法在定量和定性分析两个方面均优于现有方法。因此,基于潜在特征重构和注意力机制的人脸图像修复方法能够有效地修复缺损人脸图像,大大减少了边界过度平滑和存在纹理伪影的问题。     

基于多特征自适应融合的目标跟踪

针对传统的基于单一特征的跟踪方法在复杂场景和光照变化下易导致跟踪失败的缺点,提出了一个基于多特征自适应融合的目标跟踪算法。首先选取具有互补性的目标颜色和纹理特征构造目标的多特征模型;然后根据特征子模型对目标与背景的可分性,对目标特征子模型的权值进行自适应调节;最后利用颜色和纹理特征对所提的算法进行了验证。试验表明同基于单个特征的核函数目标跟踪方法相比具有更好的鲁棒性。     

结合彩色边缘与LBP纹理的图像检索算法

基于图像颜色、纹理和形状单一特征的特征提取和匹配的方法很多,各有优缺点,因此,本文提出了将图像中心区域的uniform模式的LBP纹理与环形分块彩色边缘相结合的图像检索算法。常用的形状检索算法只能对连续封闭曲线才有好的检索效果,而对自然彩色图像检索效果较差,而本文将图像分成几个环形分块,对每一环形分块内的图像提取彩色边缘并形成颜色直方图用于图像形状描述。纹理采用uniform模式的LBP描述,最后采用加权法融合形状特征和纹理特征。根据实验比较,该算法能较大提高大多数类别图像检索的查准率。     

自动权值的马尔科夫彩色图像纹理分割方法

为准确获得目标图像,提出一种自动权值的马尔科夫彩色图像纹理分割方法。在HSV颜色空间中以颜色直方图作为颜色特征．设计Gabor滤波器提取图像纹理特征,对马尔科夫算法进行研究．设计自动权值算法。实验证明．该方法能有效降低算法复杂度,减少了分割过程中人为设置参数的主观性．较好地屏蔽图像噪声影响,可以很好地提取出目标图像。     

基于SVD和局部特征区域的鲁棒水印算法

为了实现数字多媒体产品的版权保护,提出一种基于图像局部特征区域的鲁棒水印方案。图像局部特征区域是利用Harris算子检测到的特征点构造得到的固定尺寸的纹理区域,具有很好的视觉掩蔽特性,同时图像特征点经过几何攻击后仍然可以保持,保证了水印隐藏位置检测的正确性。算法在每个局部特征区域利用奇异值分解操作得到的分量矩阵的特点实现水印信息的隐藏。实验结果表明,本算法能够在保证水印不可见性地同时,很好地抵抗如JPEG压缩、旋转等攻击。