面向识别的人脸三维信息估计

三维人脸识别相较当前流行的二维人脸识别具有识别精度高、防伪强度高的优势,代表了人脸识别的发展方向。因三维人脸的采集成本高昂,目前三维人脸识别无法像二维人脸识别方法那样直接借助海量人脸数据建立、优化识别算法。如何准确、高效地获取三维人脸的增广训练数据是推动三维人脸识别应用发展中最为迫切的问题。当前学术界的大量文献主要聚焦在如何得到更好的三维人脸重建可视化效果,而没有对后续的识别任务多加考虑,以至于用这些重建图像训练的三维人脸识别算法难以达到令人满意的效果。针对这一问题,提出一种面向识别的人脸三维信息估计方法。与一般方法不同,该方法直接在信息估计与后续识别之间建立互动桥梁：在人脸三维信息估计的训练过程中直接借助相应的识别网络来督促提高三维人脸信息的估计效果。为此,先构造一种三维人脸信息表示——深度-表面法向量图(DN图),然后通过真实三维数据集训练一个人脸CycleGAN模型,该模型用以学习一种从二维人脸到DN图的保留身份信息的映射并用U-Net网络的形式对其进行表示。在5个数据集上与其他方法进行了比较实验,其中在ND-2006数据集中的提升尤为显著,提高31.8%。此外,进行了数据增广下...     

多模态人脸识别系统研究

为了进一步提升多模态人脸识别系统的性能,引入了一种新的数据来源：三维灰度人脸模态。在多模态人脸识别系统中,不仅包含了被广泛采用的二维灰度人脸模态和三维深度人脸模态,同时还包括了三维灰度人脸模态,其来源是通过将二维灰度人脸数据与三维深度人脸数据按照三维点云中点对点的对应关系进行的映射。     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系,以及状态个数和高斯概率混合成分的个数对识别率的影响,定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上,同其他四种相关方法进行了比较,实验结果表明,该方法识别率较高,工程上易于应用.     

基于SVM/LDA的SAR图像目标鉴别方法

提出一种基于主成分分析和支持向量机与线性判别分析结合算法的合成孔径雷达(synthetic aperture radar,SAR)图像目标鉴别方法. 利用主成分分析算法对SAR图像向量进行降维并提取其全局特征,对降维后的全局特征采用最小类内散度支持向量机算法进行变换,并对变换结果训练生成最佳分类器,进行分类完成目标鉴别. 实验结果表明该方法可以获得较高的分类正确率.     

人脸自动识别技术综述

人脸自动识别技术目前仍是生物特征识别中的研究热点之一．人脸识别过程主要包括人脸检测与定位、人脸特征识别、特征分类等．主要对人脸检测和人脸特征提取与识别的研究历史、现状进行了综述,系统地对主流人脸识别算法进行了分类,总结了现阶段人脸识别研究的困难,并对未来人脸识别的发展方向进行了展望．     

一种基于谱聚类算法的高光谱遥感图像分类方法

结合K-means算法和谱聚类方法的优点,提出一种新的高光谱图像聚类方法。该方法在对高光谱图像数据进行特征降维的基础上,采用K-means算法对图像进行粗聚类处理,然后采用谱聚类方法对粗聚类结果进行较高精度的聚类。与K-means聚类算法相比,该方法有效提高了高光谱图像聚类的分类精度。对模拟数据和真实的高光谱数据的对比实验表明,相对于K-means和谱聚类方法,该方法具有良好的聚类性能。     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入(SELSE)算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.     

一种基于完全线性变换法则的差分方程解析解算法

利用传统方法很难在计算机上实现差分方程的解析解求解,本文提出了一种获得差分方程解析解的线性算法,该算法的基础是完全线形变化法。其核心操作为降维处理,对高阶差分方程进行逐次降阶运算,直至获得其解析解表达式。本质上,该算法属于Z变换法的一种矩阵法变形。算法的线性特征使得其容易移植到计算机上实现差分方程的解析解运算,而非传统的数值迭代解。     

基于全局和局部流形结构的高光谱图像特征提取算法

针对目前高光谱图像基于流形学习的无监督特征提取算法中只能够单独描述高维数据空间局部或者全局的几何结构,并且没有一种算法能够同时保持高维数据全局和局部的几何结构的问题,提出了一种基于全局和局部流形结构的无监督特征提取算法(GLMS)对高光谱图像进行特征提取.算法基于流形学习基本理论,需要建立两种保持流形结构的近邻图,分别用来描述数据的全局和局部的流形结构,通过求解广义特征值问题获得重构权值矩阵进而得到低维嵌入空间的最优投影,以达到降维的目的.在AVIRIS高光谱图像以及Indian Pine和Salina数据集上进行仿真对比实验,结果表明,提出的算法在分类精度和计算效率上有较好的提高.     

基于级联卷积网络的面部关键点定位算法

目前,人的面部关键点定位算法在限定环境下已达到很高的识别率,但在非限定环境下,仍易受到环境光线不均、测试角度范围广、检测目标姿态多样及遮挡模糊等因素的影响。提出一种级联卷积网络以提高关键点定位的精度与鲁棒性。在进行人脸检测时,该算法在Light-VGGNet的基础上提出一种DPM-CNN网络结构,引入五官可变形部件,将人脸检测与五官定位同时进行,提高人脸检测精度并降低人脸检测对面部关键点定位的影响。在进行内部关键点定位时,采用由粗到细的算法思想,将两层不同的网络级联实现对内外关键点的定位。利用FDDB数据集进行测试,无论在人脸检测,还是面部关键点定位上,所提出的卷积网络结构准确度和检测速度均高于其他算法,在非限定环境下表现出很好的鲁棒性。     

基于SVM分类器的集装箱箱号识别法

为准确、高效地识别集装箱箱号,提出基于支持向量机(Support Vector Machine,SVM)分类器的集装箱箱号识别法.在对大量箱号图片进行实验并统计各种特征识别率的基础上,经过预处理、箱号定位、字符分割,得到36×22像素大小的二值化图像;提取箱号字符的边界和质心特征、改进的灰度直方图特征以及边缘方向直方图...     

基于模板匹配和特征匹配的集装箱箱号识别算法

为实现对集装箱箱号的正确识别,提出一种基于模板匹配和特征匹配的识别算法。对采集到的集装箱图像进行预处理,得到改善后的集装箱二值化图像;采用数学形态学操作使字符域连通,计算字符连通域的宽高比得到集装箱箱号区域;利用投影检测方法实现对箱号字符的分割;运用模板匹配算法与特征匹配算法相结合的分类方法对集装箱箱号字符进行识别。该算法用MATLAB进行编程,完成对集装箱箱号的自动定位、分割和识别。提出的方法可正确识别出集装箱箱号,识别率达到93%,识别时间为130～150 ms,可提高码头的工作效率。     

船舶市场趋势预测的三阶段模型

为提高船舶市场趋势预测的精度,针对以往在神经网络应用时仅单纯改进隐层环节算法的局限性,综合模糊聚类方法、数据修正和插值算法,对输入环节的数据进行降维和增量处理,构建船舶市场趋势预测的三阶段模型.首先,利用模糊聚类方法对历史数据进行分类,降低数据非线性;然后,通过数据修正和插值算法,在不改变数据规律的情况下增加每类数据的数据量;最后,利用处理完毕的数据训练神经网络.实例结果证明,三阶段模型在船舶市场趋势预测方面是有效的.     

基于CFS-GA特征选择算法的中文网页自动分类

为在中文网页分类时降低特征向量的维度、提高分类的精度,采用一种基于关联的特征选择(Correlation-based Feature Selection,CFS)与遗传算法(Genetic Algorithm,GA)相结合的方法进行特征选择.在该算法中,特征子集被当作GA中的一个染色体进行二进制编码;利用CFS启发值作为GA的适应度函数对个体进行评价;CFS值越大的个体遗传到下一代的概率越大.结合GA的全局搜索特性,该算法可保证所得特征子集是全局最优的.利用weka平台,对搜狗实验室提供的中文网页数据集进行实验.结果表明,该算法能有效降低特征空间的维度、提高分类精度。     

基于压缩感知的SAR图像压缩算法

研究基于压缩感知的合成孔径雷达(SAR)图像压缩算法.根据压缩感知理论,在信号降维方面,提出一种更优化的观测矩阵构造方法;在信号重构方面,提出一种基于微分熵和迭代加权最小二乘的改进重构算法.通过对SAR图像进行压缩和性能比较,得出结论:本文提出的改进算法优于传统的压缩感知算法.     

长春百年城市土地利用空间结构演变的信息熵与分形机制研究

在RS与GIS的支持下,综合集成SPOT5、大比例尺地形图及城市规划图等空间数据对长春市1900、1930、1954、1976、1990及2004年城市用地进行分类,引入信息熵、分形指数及空间插值模型研究长春百年城市土地利用空间结构演变过程中的信息熵与分形特征,进一步研究其演变过程的作用机制。研究结果表明：长春市百年城市土地利用结构的信息熵逐渐升高（除1990年）,各类城市用地复杂程度逐渐提高,向着均衡化的方向发展。城市土地利用信息熵空间变异函数符合指数模型,块金方差（Nugget）与基台值(Sill)的比例有逐渐增加的趋势,表明信息熵空间自相关减弱,城市土地利用均质性空间差异变大。长春百年城市土地利用分形特征表明商业用地在城市中心集聚,而工业用地向城市边缘分散,1954年后城市土地利用表现出很强的分形性,表明城市发展过程的自组织特征。社会制度、城市交通、城市地价及城市规划是影响城市土地利用演变过程中信息熵与分形变化的主要作用机制。     

说话人识别中基于音素分类的数据选择方法

在说话人识别中,有效语音数据的选择是一个重要的预处理环节.常用的数据选择方法根据能量信息的强弱对有效数据进行提取,但在实际情况中能量的高低与语音数据并无必然联系.本文在对传统方法进行分析比较的同时引入语言学知识,提出基于辅音信息的有效数据选择方法.该方法通过对活动语音检测结果中音素识别结果进行分析,保留所有元音,对辅音进行筛选,去除无益于说话人识别的干扰辅音音素,从而实现对有效语 音数据的选取.实验表明,应用该方法得到的说话人识别结果,明显优于传统的基于能量的数据选择算法,如基于G.723.1标准的活动语音检测算法和近期提出的基于交叉熵顺序统计滤波的端点检测算法.     

二次曲线拟合算法的统计性能分析与改进

传统的二次曲线拟合使用标准特征值分析算法。通过统计分析技术 ,可知该技术在拟合数字二次曲线时 ,存在估计偏差大、均方误差大的缺点。其产生原因是数据噪声的有色性和自相关函数矩阵的条件数过大 ,因此白化数据噪声和正则化变换是提高曲线拟合的有效措施。这从理论上有力地支持了Hartley提出的正则化算法。通过理论分析和计算机仿真实验 ,表明了降维EVD技术固有地同时具备噪声预白化功能和数据正则化功能 ,因此它能给出均方误差相当小的无偏估计。由于它无须进行预白化变换或正则化变换 ,并把最优化过程的维数从 6降为 2 ,所以它还具有计算快速、实现简单方便的优点。