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。     

基于支持向量机和决策融合的人脸检测

针对灰度图像中的人脸检测问题,提出了一种基于多种支持向量机的决策融合检测方法。该方法首先用传统的二类支持向量机(C—SVM)和单类支持向量机(One-Class SVM)分别对图像进行检测,然后决策融合两种分类器的检测结果。在MIT CUM人脸库上的实验结果表明,该方法具有良好的检测效果和较低的虚警率。     

基于改进的LBP特征和随机森林相结合的人脸关键点检测方法研究

提出了一种人脸关键点检测方法,该方法用了少量的正面图像,不用归一化人脸图像,而传统的人脸关键点检测方法需要对图像进行严格预处理。随机森林是一种分类器融合算法,可以很好地解决多类分类问题,虽然LBP特征简单,但其可以包含大量的纹理信息。利用改进的LBP特征与随机森林相结合,构成一种对人脸关键点检测的方法。通过高斯平滑图像的LBP特征的提取,对每个点生成特征,计算出有用的特征作为正例,并且与反例集合变为训练集。通过随机森林分类器进行分类,误差率较低,仅在10％左右。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于“频谱脸”和SVM的人脸识别方法

针对传统PCA的人脸识别方法在向量化人脸过程中丢失结构特征的问题,提出了一种基于频谱脸和支持向量机的人脸识别方法。首先选取人脸图像经小波分解后的低频分量作为人脸特征的描述,然后用SVM和最近邻法构建复合分类器进行分类,在ORL数据集上的实验结果表明,本文方法取得了比传统方法更好的识别性能。     

图像识别在考生身份认证系统中的应用

针对传统考生身份认证方法的缺陷,提出一种基于人脸识别的考生身份认证系统。首先利用图像采集系统采集考生人脸图像,然后对人脸图像进行特征提取和特征选择,并将人脸特征输入到人脸特征库进行匹配,最后采用支持向量机算法对人脸进行分类识别。实验结果表明,该系统提高了考生身份识别的正确率,减少了识别时间,能够很好满足实际考试的要求。     

一种鲁棒性强的光照人脸预处理算法

为解决变光照下人脸识别率低问题,提出一种鲁棒性强的光照人脸处理算法(ISSR)。首先对亮度图像进行粗估计,然后通过非线性运算在反射图像中对粗估计的亮度图像进行补偿,最后采用支持向量机建立人脸识别分类器,并采用Yale、CMU-PIE和AR人脸库进行仿真测试。结果表明,相对于其它光照处理算法,ISSR算法增强了人脸图像的质量,提高不同光照条件下的人脸图像识别正确率,鲁棒性更强。     

基于ＥＭ ＰＣＡ和级联分类器的人脸检测

为了提高人脸检测的速度及鲁棒性,提出了一种基于级联分类器和期望最大、主成分分析（ＥＭ ＰＣＡ）的人脸检测方法．该方法在训练阶段利用不同分辨率的训练样本来训练２个ｆｉｓｈｅｒ线性分类器,再利用ＥＭ ＰＣＡ提取特征来训练非线性支持向量机（ＳＶＭ）;在检测阶段,首先通过２个ｆｉｓｈｅｒ线性分类器快速过滤掉大量的背景区域,再利用非线性支持向量机对余下的候选区域进行进一步验证,以确认是否为人脸．实验结果证明了该方法的有效性和正确性．     

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。     

基于子图分割与多类支持向量机的人脸识别方法

由于姿态、光照、表情、遮挡等变化引起的面部特征变化仅出现在整个图像的局部区域中,使用整体图像进行特征提取和识别的传统人脸识别方法效果不佳。为解决上述问题,提出了一种融合子图分割和多类支持向量机的人脸识别方法。首先,将人脸图像分割成多个不重叠的子图像;然后采用广义二维Fisher线性判别分析对每个子图像和整体图像进行局部和全局特征提取,并使用SVM做为图像分类器;最后,通过融合各个SVM分类器的决策给出人脸识别结果。在ORL人脸数据库上对所提出的SD-MSVM方法进行了灵敏度、特异度和K折交叉验证测试,实验结果表明,新的SD-MSVM方法各项指标均优于传统的全局特征提取方法。     

基于主元分析构造强分类器的人脸检测算法

本文研究了基于特征脸的人脸检测算法,针对其分类能力差的特点,基于主元分析提取特征向量空间构造弱分类器,结合AdaBoost算法构造强分类器,提出了一种人脸检测算法。利用MIT+CMU人脸数据库测试该算法的性能,结果表明本算法在运行时间与检测正确率方面明显优于基于神经网路的算法和支持向量机算法。     

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.     

SVM和C4.5决策树在肝包虫CT图像分类中的研究

探讨C4. 5决策树、支持向量机分类器在新疆地方性肝包虫CT图像分类中的应用。使用sym4小波变换方法对预处理的图像进行特征提取,运用统计学方法筛选出最优的特征子集,并构建C4. 5决策树分类模型和支持向量机分类模型,进一步对模型的准确性、召回率等进行评估。结果显示,3种CT图像两两分类和综合分类时,C4. 5决策树分类模型的分类精度都明显高于支持向量机分类模型,C4. 5决策树分类模型的分类精度均达到87%以上,分类效果较好。实验结果表明,将C4. 5决策树分类器应用于肝包虫CT图像的分型中,为肝包虫病影像学诊断提供了一定的依据,也为后续新疆地方性肝包虫病计算机辅助诊断系统的研发奠定了基础。     

综合视觉特征度量与SVM的遥感图像检索方法

基于支持向量机(SVM)的相关反馈算法在反馈过程中只利用SVM的分类器,反馈结果排序会出现一定错误,提出一种改进的相关反馈策略,将图像的视觉特征度量函数和SVM分类器函数进行线性加权,作为相关反馈中的相似性度量准则.实验表明,改进策略能够优化遥感图像检索排序结果,提高检索的精度.     

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%。     

一种基于不变矩的图像分类算法

在图像分类和识别技术中,针对图像特征的提取这一重要问题,文章实现了用三种不变矩对图像目标提取特征并进行分类的方法,该方法分别提取目标的区域中心矩、区域中心不变矩和径向矩作为特征矢量,并与区域协特征方差算子进行图像分类比较分析。将特征用支持向量机的方法进行分类器的训练,再对目标进行分类。实验结果表明,区域径向矩算子运用在车辆目标分类中具有较好的效果。     

分析SVM在变压器保护方面的应用

可靠、快速地鉴别内部故障和励磁涌流条件,仍然是一个具有挑战性的问题。本文我们将讨论支持向量机(SVM)对变压器差动保护方面的应用。为了取得不同令人满意的分类强度我们将充分考虑各种输入向量和训练参数。最后,分析不同版本的SVM分类器,测试基于支持向量机电力变压器保护的装置的EMTP-ATP生成的信号。已经设计完成的支持向量机分类器和标准的差动保护用传统二次谐波稳定的方法在性能上进行了比较。而且,我们对提出的支持向量机在潜在的硬件实现上进行了分析。     

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。