非均匀光照下人脸眼睛的定位方法

考虑非均匀光照下人脸眼睛的检测问题，提出了一种利用高频信息模板匹配方法从复杂图像中定位人脸眼睛的方法。选取80幅光线较好的人脸图像，对它们做光线规范化，提取Gabor高频特征，构造模板。利用统计模式识别的原理，在眼睛的大致区域进行模板匹配，突出眉毛与眼睛这一整体的大致位置，然后进行二值投影，最终确定人眼的准确位置。大量实验表明，该算法具有很高的精度和很强的鲁棒性。     

基于Gabor变换的人眼开闭状态识别技术研究

为解决驾驶员疲劳检测问题, 提出了一种快速人眼开闭状态识别方法。该方法通过肤色模型识别人脸区域, 预处理后进行Gabor变换; 通过选取合适的尺度和方向提取出眼部明显的灰度特征, 对变换后的图像进行水平积分投影, 眼部有明显的尖峰, 进而通过峰平比识别人眼的开闭状态, 突破了传统积分投影方法只能进行人眼定位的局限。实验表明, 该算法具有较高的准确性, 并对光照变化有较好的鲁棒性。     

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.     

一种基于圆差异算子的眼睛垂直定位方法

提出了一种新的眼睛垂直定位方法,先利用圆差异算子对原始图像作变换,并对变换后的图像作垂直方向的积分投影,搜索投影曲线上最大的三个极值点,得到眼睛的可能位置,再对每个极值点的所在区域作水平方向积分投影,利用水平投影曲线的波峰数条件过滤眼睛以外的其他点,最后利用人脸的结构特点确定出眼睛点的垂直位置．通过在Yale照片库上的实验说明该方法具有很高的定位准确性．     

一种改进的基于灰度投影的人眼定位算法

利用灰度投影对人脸图像进行检测和眼睛定位是一种常用方法,但是直接采用该算法进行眼睛定位,容易将鼻子或嘴的水平位置误判为眼睛水平位置,从而导致检测准确率降低。本文在计算图像水平方向灰度投影时,加入像素点的位置方差特征,这样可以准确地找出眼睛的水平位置,从而精确的定位眼睛坐标。算法在FERET人脸数据库上测试,准确率达92.4%。     

基于Contourlet变换的连铸坯表面缺陷识别

根据连铸坯表面图像的特点,提出了一种基于Contourlet变换的连铸坯表面缺陷识别方法.通过Contourlet变换将样本图像分解成不同尺度和方向的子带,提取子带的Contourlet系数特征,并结合样本图像的纹理特征,得到一个高维的特征向量.利用监督核保局投影算法对高维特征向量进行降维,将降维后的低维特征向量输入支持向量机,对连铸坯表面图像进行分类识别.对现场采集到的裂纹、氧化铁皮、光照不均和渣痕四类样本图像进行实验,本文提出的识别方法对样本图像的识别率可达94.35%,优于基于Gabor小波的识别方法.     

基于Gabor变换的雷达图像滤波及无监督分割

提出了一种基于Gabor小波变换的多尺度、多方向的SAR图像去除斑点噪声及纹理分割算法．根据SAR图像的特点设计一组Gabor滤波器，对SAR图像进行二维Gabor变换，得到一组滤波后多分辨率、多方向的图像．通过对滤波后的图像分别进行非线性变换，再用非相干均值平滑滤出斑点噪声，并计算每个像素在选定窗口内的能量，以此检测出纹理特征，用均方误差聚类方法得到分割的图像．给出对SAR图像进行纹理分割的满意实验结果，对照试验表明，该方法优于空间灰度共现矩阵方法．     

一种新的基于Gabor特征的零空间人脸识别算法

为了克服人脸识别中的小样本集(small sample size,3S)问题,本文首先利用人脸图像距离模型揭示了线性鉴别分析的物理过程,指出了零空间鉴别分析相对于主元空间鉴别分析可以提取出更有利于人脸识别的鉴别信息.在此基础上,提出了一种有效的基于Gabor特征的零空间人脸识别算法,该算法采用一种新的基于邻域保持的鉴别嵌入准则(neighbor-preserving based discriminant embedding,NDE),并利用Gabor小波变换减轻人脸图像中光照和表情变化等因素的影响.在ORL,FERET和AR等人脸数据库上的实验结果表明本文算法具有较优的人脸识别性能.     

基于多方向Gabor特征图稀疏表示的鲁棒人脸识别方法

为提高对光照、表情、姿态等可变因素的鲁棒性,提出一种基于多方向Gabor特征图稀疏表示的人脸识别方法.对人脸图像进行多方向多尺度Gabor变换,然后将同一方向不同尺度的Gabor特征进行融合得到多方向特征图,再对每个方向的融合特征图提取Gist特征并赋予自适应权重,接着将所有方向特征图的自适应加权Gist特征串联构成人脸图像特征向量,最后利用稀疏表示分类方法实现人脸识别.实验结果表明,本文算法在Yale、ORL和Extended Yale B人脸数据库上的平均识别率分别达到99.8%、99.7%和100.0%.      

基于Gabor小波能量子带分块的稀疏表示人脸识别

基于稀疏表示分类的人脸识别通常提取特征脸、随机脸和费歇尔脸这些整体特征,忽略了局部特征在克服光照和表情变化方面的优越性。针对以上问题,本文提出了基于Gabor小波能量子带分块的稀疏表示人脸识别算法。首先将人脸图像进行不同尺度和方向下的Gabor小波变换,对得到的每个能量子带进行分块,然后将各子块能量信息融合组成子带的特征向量,再将各能量子带特征向量融合组成增强的Gabor特征向量,最后将该特征应用于稀疏表示人脸识别。实验结果表明,该算法对于光照和表情变化具较好的的鲁棒性。