非局部二值模式人脸表示与识别方法

人脸表示/特征提取是人脸识别技术中最重要的步骤,局部二值模式(LBP)在人脸识别问题中受到了越来越多的关注和研究.为了克服原始LBP算子存在的固有缺陷,本文在其基础上提出了非局部二值模式NLBP算子.相对于原始LBP算子,新的NLBP算子能够实现多尺度分析能力,突出了人脸的关键特征,并能增强人脸表示与识别的鲁棒性.实验验证了新NLBP算子的有效性.     

基于多尺度小波算子的图象边缘检测

分析了传统的图像边缘检测算法及其存在的问题，论述了基于多尺度的小波分析进行边缘检测的算法，并以实例说明基于小波分析得图像边缘检测算子效果更优。     

基于DT-CWT和SVM的人脸图像集成分类方法

利用二元树复小波变换对人脸图像进行5尺度小波分解,并提取每一尺度下6个方向高频子图小波系数模的均值和标准方差组成60维的特征向量表征人脸,然后采用支持向量机的一对一分类算法对ORL人脸图像库进行分类实验,结果表明二元树复小波变换和支持向量机的集成方法能有效提高人脸图像的分类精度.     

Gabor小波和局部二值模式结合的一种人脸识别算法

针对传统的Gabor小波存在提取特征维数高、识别时间长的缺点,对Gabor小波的使用方法进行了改进.首先利用Gabor小波的幅值直接与人脸图像作乘积得到Gabor图像,接着使用局部二值模式得到纹理图像,然后提取出纹理图像的直方图信息,并作为人脸图像的特征,最后使用支持向量机作为分类器,在未经过预处理的ORL人脸数据库中取得95.0%的识别率.平均每张人脸图像识别时间为0.14 s,表明该算法能符合实际应用的要求.     

多尺度分布式平滑估计方法

利用多尺度分析的思想,将基于模型的动态系统分析与基于统计特性的多尺度信号变换方法相结合,建立起基于小波变换的多尺度分布式平滑估计新算法,并给出了算法的计算机仿真结果。     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出了一种自动的年龄估计方法。通过年龄函数建立人脸特征和年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像,然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征,最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1a。     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出一种自动的年龄估计方法。通过年龄函数建立人脸特征与年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像;然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征;最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1 a。     

边缘检测梯度法的小波实现

图像的边缘表现为图像上的不连续性，边缘检测就是检测图像上的不连续点或陡变点。本文根据Mallat多尺度边缘检测原理，提出了一种图像的边缘检测的新算法。与Mallat的多尺度边缘检测算法相比，这个算法具有计算量小的优点。文中给出了应用这个算法对图像进行边缘提取的实例。     

基于小波变换的人脸图象特征的边缘提取算法

人脸图象识别是模式识别、计算机视觉和人工智能领域的一个热点,而人脸图象的特征提取又是人脸图象识别的关键步骤.小波变换以其多分辨率分析和多通道分解的独特分析方法在图象处理领域中有着广泛的应用.文章利用二进小波变换多尺度的特性,结合一些常规的边缘提取算法,在人脸图象特征的边缘提取方面取得了令人满意的结果,实验表明是一种有效的人脸图象特征边缘提取算法.     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征,利用小波变换系数模局部极大值来提取图像的边缘特征.实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声.     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于小波变换的多尺度图像边缘检测算法

针对边缘检测算子的抑噪能力和定位精度之间矛盾,提出了一种基于B样条小波变换的边缘检测方法.首先对图像进行小波多尺度分解,在每种尺度下分别提取图像边缘;而后利用边缘信息的多尺度特性,融合多尺度边缘得到了单像素宽边缘.通过计算机仿真对该方法进行验证,实验结果表明该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,效果优于传统的边缘检测算法.     

步态与人脸融合的身份识别方法

为了保持步态识别的优势,克服单一生物特征识别的不足,提高远距离的身份识别率,提出了一种步态与侧面人脸在特征层上融合识别方法.首先利用二向图像矩阵主成分分析,对步态能量图和侧面人脸图分别进行特征提取与降维处理,得到初始特征矩阵,并将得到的初始特征矩阵进行矢量化、特征组合,获得组合特征向量.然后利用多重判别分析法对组合特征向量进行特征融合,获得步态与人脸的融合特征向量,最后采用最近邻法进行身份识别.利用CASIA Dataset B步态数据库对上述方法进行了验证.结果表明,该方法提高了身份识别的正确率,验证了该方法的有效性,为多生物特征识别提供了一种新的方法.     

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。     

对改进的信号多尺度估计算法的仿真实验

对一种改进的信号多尺度估计计算法（即ＩＭＳＥ算法）作了计算机仿真实验，并与ＭＳＥ算法作了统计对比，仿真实验与统计结构均表明，ＩＭＳＥ算法对于提高信号处理精度、降低信号估计误差更有效。     

基于多标签核判别分析的人脸身份与性别识别方法

为解决多标签线性判别分析(MLDA)方法在非线性维数约简方面的局限性,提出了一种多标签核判别分析(MKDA)方法,并将其用于人脸的身份与性别识别中.该方法的基本思想是通过非线性映射将训练样本从输入空间映射到高维核特征空间中,并在该特征空间中进行基于MLDA的数据降维.在身份和性别识别中,首先采用MKDA方法对人脸图像特征向量进行降维,获取判别特征矢量集;其次,为每幅人脸图像赋予一个表征身份和性别的多标签类别矢量;最后,采用减秩回归模型(RRR)描述判别特征矢量与多标签类别矢量之间的回归关系,并利用该模型进行未知人脸的身份和性别识别.AR人脸数据库上的实验结果表明:在人脸身份和性别识别中,MKDA方法的识别率高于传统核判别分析(KDA)方法.     

基于小波树和二维主元分析的人脸识别

为提高人脸识别率,结合小波树和子空间分析中的二维主元分析,提出基于小波树和二维主元分析的人脸识别算法(WTMPCA).该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量和三个细节分量;分层次重组小波近似分量,得到新样本集;最后在此样本集上使用二维主元分析进行人脸识别.ORL和CAS-PEAL-R1人脸库的实验结果表明,与基于图像矩阵的二维主元分析(2D-PCA)相比较,WTMPCA方法的人脸识别率为96%,对光照条件、脸部表情变化有良好的鲁棒性.     

基于二进小波变换的图像边缘检测算法研究

图像边缘是图像最基本的特征,是分析理解图像的基础.图像边缘信息的改变意味着图像基本内容或结构的变化.本文研究了利用二进小波变换的方法进行图像边缘特征提取,并通过图像边缘相关算子的理论区分边缘特征点和噪声,然后将不同尺度下的图像边缘特征点,根据小波变换模值跨尺度传递特性,进行多尺度下的图像边缘融合.实验结果表明,该方法克服了传统梯度运算对噪声的放大影响,同时也克服了单尺度下噪声抑制与边缘细节提取精度之间的矛盾.     

四元数值函数的小波变换

定义了L^2(R^n,H）中的小波变换，给出了相应的重构公式，同时，得到了四元数值函数的连续小波X光变换的Parseval恒等式。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。