基于LDP和LTP模型的人脸识别技术探究

表面的纹理特征常被用于目标的识别。这种特征被广泛的应用于各个领域,比如基于纹理特征的人脸识别系统、监视、身份识别等。局部二值模式纹理特征方法(LBP)是最成功的基于纹理特征的人脸识别方法。由于LBP的巨大成功,出现了许多LBP的变异方法,比如多层LBP、中心对称LBP、主LBP等。本文的主要目的在于研究各种LBP的变异方法在人脸识别中的有用性。同时本文还评估了各种实际问题,比如光照变化、旋转、人脸图像表示的变化等在不同LBP人脸识别方法中的影响。基于实际人脸图像数据库的验证表明局部纹理模式(LTP)和局部衍生模式(LDP)具有更好的识别性能。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

基于支持向量机的局部二值模式加权算法在人脸识别中的应用

针对人脸特征的提取问题,提出了在SVM的基础上结合局部二值模式(LBP)加权算法。首先首先描述了人脸图像的LBP和深度LBP特征,通过加权形成人脸特征向量,通过这些向量采用支持向量机进行分类,依托人脸数据库进行仿真。实验结果表明,本文算法提高了人脸平均识别率以及识别效率,具有一定的推广价值。     

基于Gabor和支持向量机的遮挡人脸识别

提出一种针对部分遮挡的人脸图像进行分类识别的新算法。采用Gabor小波变换对人脸图像进行特征提取,从而得到图像的Gabor特征矩阵。并利用支持向量机的方法实现遮挡人脸的分类识别。经仿真实验证明该算法有效。     

基于SIFT的人脸表情识别

SIFT算法[8]通常用于目标跟踪与检测领域,但近年来同LBP,GABOR等算法一起作为纹理特征提取算法应用于人脸表情特征提取。本文采用SIFT算法对JAFFE表情库中的图像进行特征提取,利用PCA进行降维,采用SVM进行分类,最后得出SIFT算法的识别率并和其它特征提取算法如LBP,GABOR进行比较。     

基于Gabor和CS-LBP的人脸识别研究

由于使用Gabor小波描述的人脸易忽略人脸的局部特征,且存在一定的冗余度,本文研究了一种基于Gabor滤波和中心对称局部二值模式(CS-LBP)的人脸识别方法。该方法结合了Gabor提取人脸图像在空域和频域局部信息的优势和CS-LBP提取细节纹理特征的优势,可以提取出更好的用于识别的特征。在Yale人脸数据库上的测试结果显示,此方法得到的识别率更高,鲁棒性更好。     

基于Gabor和Log-Gabor的面部表情识别

Gabor滤波器在面部表情识别领域已经广泛应用,并取得了良好的分类结果。Log-gabor是对Gabor滤波器的改进,应该将其应用在面部表情识别当中。对JAFFE表情库中的图像进行特征提取,并采用基于稀疏表示分类方法进行分类,比较分别使用Gabor和log-Gabor滤波器得出的识别率。     

基于局部LBP特征的人脸识别

将人脸图像划分为互不相交的矩形块,提取各分块的LBP特征,并将各块LBP特征按序组合表征人脸图像。利用支持向量机(Support Vector Machine,SVM)算法对训练分类器,进行人脸识别。在YALE人脸库上进行的实验表明,基于局部LBP特征的支持向量机分类器的准确率能够达到93.33%。     

一种基于指纹人脸的多生物特征身份认证方法

本文分别介绍了一种基于指纹人脸识别的多生物特征身份认证方法,并针对传统的指纹人脸方法提出相应的改进算法。对指纹识别,本文提出采用局部归一化方法结合Gaussian滤波器来计算指纹方向,再对局部脊线补偿法(Loca lRidge Compensation)进行快速运算,能够更加快速准确地进行指纹识别。人脸识别通过定位人脸位置并且进一步提取人脸特征来进行匹配,使用LBP(Local binary patterns)算子对人脸样本进行局部特征提取,对LBP处理后的人脸图像使用主成分分析(PCA)进行降维,并采取了极限学习机(Extreme learning machine,ELM)分类器进行匹配,将指纹、人脸的识别结果在决策层进行融合,最后做出判断,从而得到准确稳定的身份认证系统。     

基于Gabor和CS-LBP的人脸系统研究

本系统采用改进过的Gabor算法以及CS-LBP算法相结合的方法,作为人脸身份认证的识别方式,该方法利用改进Gabor算法在局部频率信息提取上的优势,结合CSLBP算法减少计算复杂度,在提高识别率的同时减少识别时间,实现一个便捷可靠的身份认证系统。     

基于LDP的人脸识别算法设计与实现

人脸识别在身份验证领域得到了越来越多的应用。本文设计了一种基于LDP特征的人脸识别方案,首先将人脸图像与8个方向的Kirsch模板作卷积,对卷积结果进行二进制编码,得到LDP编码图像,并对编码图像分块提取直方图构建特征向量,采用最近邻分类器和卡方距离,在ORL标准人脸库上进行实验,实验结果表明,选择合适的参数,本文的算法在ORL标准人脸库上的识别准确率最高可达97.85%。     

痕量多组分可燃气体爆炸风险的图谱特征变化趋势识别

当可燃气体浓度含量达到一定程度时,遇到火源就会引起爆炸造成经济损失。通过对可燃气体爆炸风险的特征变化能预测在浓度达到极值前,进行危险判断。提出基于对痕量多组分可燃气体浓度变化图谱特征提取改进算法,对可燃气体浓度图谱特征进行处理,获得归一化后的图谱灰度图像信息;利用局部而知模式提取Gabor图谱纹理特征;最后通过迭代计算采集后的特征。利用卷积运算对不同气体的特征进行分类,利用分类后的结果实现痕量多组分可燃气体浓度的图谱识别。实验证明运用气体图谱特征改进算法对可燃气体浓度特征提取后,通过卷积运算对痕量多组分气体浓度特征识别,能预测出可燃气爆炸的风险趋势变化。     

加权分块局部保留投影的人脸识别

局部保护投影(LPP)算法属于无监督的算法,仅仅考虑到人脸图像的全局特征,针对LPP算法的局限性,提出了一种加权分块局部保留投影的人脸识别方法。首选把所有人脸图像训练样本分割成相等且不重叠的子图像,并将位置相同的子图像聚集起来,然后对每个子图像集分别应用LPP算法,接着结合信息熵权函数计算各子图像集相应的权重。实验证明该算法的识别率相对于传统的LPP算法具有一定的提高,能够较好地克服光照、表情和姿态变化的影响。     

一种基于二维经验模式分解的人脸识别方法

针对小波变换在人脸识别中存在识别正确率较低的问题,提出了一种基于二维经验模式分解的人脸识别方法。首先利用二维经验模式分解对人脸图像进行分解,再提取各分解子图像的能量作为人脸特征向量,并采用支持向量机进行训练和识别。经剑桥大学ORL人脸库的图像识别实验表明,所提方法的识别率高于小波方法,正确率达到98.6%。     

基于部分遮挡的人脸表情识别方法

针对部分遮挡的人脸表情识别,提出了一种基于部分遮挡判断的人脸表情识别方法：首先对包含表情信息的静态图像进行Gabor小波变换,提取表情特征矢量,然后用最大相关分类器对特征矢量分类。实验表明,该方法对局部遮挡的人脸表情识别有较强的鲁棒性。     

基于小波变换的钞票识别

提出一种基于Gabor小波特征提取的钞票识别算法。基于钞票印刷图像的纹理特性,从钞票图像中选取采样点,利用Gabor小波提取采样点的领域特性作为特征。选用统计模型作为分类器,用提取到的特征作为输入。取第五套人民币作为实验集进行了实验,实验结果表明方法的有效性,能正确识别实验集的全部样本。     

基于偏移场矫正的图像断面边缘识别优化算法

对图像的断面进行偏移场矫正,增强对正确目标边缘的识别能力。由于图像中存在的灰度不均匀断面特征和线性偏移场,对图像断面的边缘有效识别困难,传统方法采用轮廓线提取方法进行断面边缘识别,受到边缘轮廓线的线性偏移限制,识别效果不好。提出一种基于偏移场矫正的图像断面边缘识别优化算法。通过核函数引入局部灰度信息建立了偏移场矫正模型,将去噪后的断面信号进行灰度均衡预处理,对于相邻区域传递的消息进行收敛性判断,增强了演化曲线对正确目标边缘的识别能力。研究得出,采用该算法进行图像边缘识别,具有更低的差错率。算法将在远程图像识别和地理遥感特征提取探测等领域具有较好的应用价值。     

基于稀疏差分和典型相关分析融合的人脸图像识别

为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

基于人脸人耳多特征的融合识别

正本文针对人脸识别技术,提出了基于LBP和PCA的生物多模态融合的观点。在生物识别领域中,具有较高的识别准确性,同时降低了采样的复杂度,顺应了生物特征应用领域的趋势。由于单一的人脸或人耳可以提取到的特征信息较少,识别时易出差错导致识别率较低。本文为了提高人物的识别率,保证身份验证时的准确性,提出了基于人脸人耳特征融合的识别技术。通过PCA算法降     

基于数字图像处理的人眼定位算法的研究

一般的人脸识别系统主要包括图像与处理、人脸定位、特征提取、样本学习和识别过程四部分,其中人脸定位和特征提取的好坏直接影响到识别效果,文章研究的是特征提取方法中人眼定位算法,该算法利用Vusya1 C++编写程序,在人脸粗定位的基础上进行,缩小了搜索范围,实现人眼定位.