IFMPCA方法在人脸识别中的应用

为了弥补传统PCA方法在人脸识别时易受光照、表情和姿态影响的缺陷,提出了一种基于独立特征提取的MPCA方法(ModularPCABasedonIndependentFeature,IFMPCA)。首先,选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,使各个子模块更接近高斯分布;然后,通过求出子模块图像的散布矩阵和最优投影矩阵得到最优独立特征矩阵;最后,利用最小距离分类器进行样本的分类。在Yale人脸数据库上的实验结果表明,IFMPCA算法在人脸正确识别率方面优于传统PCA算法。     

二维PCA人脸特征提取算法及其改进

基于DiagPCA（对角主成分分析）及平均脸的方法对二维主成分分析（2DPCA）方法进行了改进,既考虑到构造2DPCA训练样本人脸间散布矩阵时使特征最大化,减少了同类人脸之间的特征差异,又利用图像矩阵对角化将图像的行、列关系联系起来,并利用ORL人脸数据库进行实验。结果显示,该方法可提高人脸识别率,且降低了特征提取的时间。     

基于2DPCA和改进的LDA算法的人脸识别技术

为提高人脸识别的准确率,缩短图像特征提取的时间,提出了一种将二维主成分分析（简称2DPCA）与改进的线性鉴别分析（简称LDA）相结合的人脸识别方法。该法首先以图像矩阵为分析对象,直接利用原始图像矩阵构造图像的协方差矩阵。以进行特征提取和2DPCA分析;再采用改进的线性鉴别分析。得到最佳的分类特征,从理论上有效解决了传统的线性鉴别分析在人脸识别中存在的“边缘类”问题：最后．在ORL人脸库上检验了该识别方法的性能。实验结果表明,该方法抽取的鉴别特征有较强的鉴别能力。     

一种基于外观的人脸描述和识别的方法--二维主成分分析法

二雏主成分分析(2DPCA)是一种图像表示的新技术，与PCA相比，2DPCA的基础是二雏图像矩阵。而不是一维向量，因此，在特征提取之前图像矩阵不需要预先转变为一维向量，实验结果表明，使用2DPCA的识别率均高于PCA，而且2DPCA在图像特征提取方面比PCA更有效。     

基于独立特征提取的MPCA方法在人脸识别中的应用

为了弥补传统MPCA（Modular Pfindpl Component Analysis）方法在人脸识别中忽略子图像之间差异的缺陷,本文提出了一种基于独立特征提取的MPCA方法（Modular PCA Basedon Independent Feature,IFMPCA）．首先选取人脸训练样本中具有相似光照、表情和姿态的图像进行分块,然后将训练样本的子图像和测试样本的子图像进行最优投影,得到子特征矩阵．最后,求得样本间的距离,利用最小距离分类器进行样本的分类．在Yale人脸数据库上的实验结果表明：IFMPCA算法在人脸正确识别率方面优于传统PCA算法．     

基于多通道Gabor滤波和2DPCA的虹膜识别算法

为提高虹膜识别系统的识别率和识别时效性,设计了基于多通道Gabor滤波和二维主分量分析(2DPCA)的虹膜识别算法。利用多通道Gabor滤波器对采集的虹膜进行特征提取。由于得到的特征向量矩阵的维数通常较大,会影响特征匹配和虹膜识别的运算速度,因而需要对特征矩阵进行降维处理。2DPCA算法能有效地克服传统虹膜识别系统中的"维数危机"问题,在保留虹膜特征主分量的基础上,降低虹膜匹配运算量,提高虹膜系统的识别效率。虹膜识别采用差异度匹配法,通过阈值比较得到识别结果,对容量不等的各类虹膜图库均具有良好的适应性。实验中对容量为50的虹膜图库进行了算法测试,系统的最低识别率达到了88%,识别时间仅为传统非降维识别方法的一半。理论分析和实验结果表明,该算法对虹膜纹理的特征提取精度高,识别率高,识别速度快。     

基于2DPCA特征降维的CNN说话人识别

针对使用话语级特征参数矩阵作为卷积神经网络输入而导致收敛速度慢及识别率低的问题,提出一种基于二维主成分分析(2DPCA)特征降维的卷积神经网络(CNN)说话人识别方法.首先将每段语音分帧成多个帧级语音并提取同等大小的帧级特征组成特征矩阵,然后利用2DPCA对特征矩阵进行降维处理,再将得到的主成分特征向量组合成新的特征矩...     

基于D-LLE算法和图像分块的人脸识别方法

人脸识别是当前计算机视觉领域的一个研究热点,在日常生活中的应用也非常广泛.近年来,流形被认为是视觉感知的基础,利用流形学习算法可以寻找图像的内在特征.文章提出一种基于差异性值监督LLE(D-LLE)算法和图像分块的人脸识别方法,首先对提取的人脸图像进行分块,然后利用D-LLE算法进行人脸子图像集特征提取,最后使用最近邻分类器进行人脸图像识别.通过与现有人脸识别方法进行仿真结果比较,该方法能够取得较好的识别效果.     

基于能量加权的子带杂交法在掌纹识别中的应用

在掌纹采集过程中,由于受光照噪声的影响,以及手掌的弓形常常给掌纹采集带来噪声.基于此,提出小波变换子带杂交的一种新颖掌纹识别算法.该算法综合考虑小波同层各子带及相邻层子带分解系数的噪声特点,采用基于掌纹图像空间能量加权,再由二维主元分析(Two-dimensional Principle component Analysis,2DPCA)算法降维、去相关,最终由最小距离分类器完成掌纹识别.基于香港理工大学公布的PolyU掌纹数据库的实验,此算法正确识别率达到100%.同2DPCA算法相比,提出的算法不仅正确识别率较高,识别效率也较高.     

基于第二代Bandelet基的SAR图像压缩感知及其重建

针对合成孔径雷达(SAR)图像具有丰富的高频细节纹理信息特点,提出了一种SAR图像压缩感知和重建的算法.该算法利用随机高斯矩阵对SAR图像直接进行降维线性观测,实现SAR图像的压缩.同时将第二代Bandelet用于SAR图像的稀疏表示,以保持SAR图像的高频细节纹理信息,从而保证了利用sl0算法重建SAR图像的质量.仿真结果表明,与传统的小波变换相比较,本文所提出算法具备更为出色的图像还原质量.