基于小波包和Hopfield神经网络人脸识别

人脸具有极其复杂的情绪表达方式,边缘检测是一种经典的将复杂特征进行精确简化的方式。小波包具有良好的特性,它不但能对信号的低频部分进行分解,而且能对高频部分进行细致的刻画,为精确的边缘检测提供了良好的前提。本文将边缘检测的完整简洁的人脸表达和Hopfield神经网络的记忆性完美结合起来．实验取得了令人满意的效果。     

基于DSP技术的边缘检测实现

提出了基于提升小波变换的边缘检测方法,并通过DSP硬件平台实现.此算法没有采用传统的提升算法中的下采样方法,而是利用algorithme a trous算法.虽然计算量有所增加,但简化了边缘检测的算法,易于编程实现和实际应用;基于DSP硬件平台的实现克服了传统方法的缺点,很好地满足了实时性的要求.实验表明,该方法具有运算速度快、易于编程实现、效果好等优点,是一种适于实际应用的方法.     

基于DSP技术的边缘检测实现

提出了基于提升小波变换的边缘检测方法,并通过DSP硬件平台实现。此算法没有采用传统的提升算法中的下采样方法,而是利用algorithmeàtrous算法。虽然计算量有所增加,但简化了边缘检测的算法,易于编程实现和实际应用;基于DSP硬件平台的实现克服了传统方法的缺点,很好地满足了实时性的要求。实验表明,该方法具有运算速度快、易于编程实现、效果好等优点,是一种适于实际应用的方法。     

多尺度小波在边缘检测中的应用

本文根据小波变换原理,利用B样条函数近似构造高斯小波函数作为检测算子,提出了一种简单有效的多尺度边缘检测方法。实验结果表明,该方法用于图像边缘检测效果较好。     

小波变换在图像边缘检测中的应用

提出将小波变换应用于图像边缘检测的具体算法原理,将其应用于图像边缘检测具有定位精度高、去噪效果好的优点,仿真结果表明了此方法的正确性和有效性。     

边缘检测算子在武夷岩茶图像处理中的比较

图像处理是计算机视觉的重要组成部分,而图像边缘是图像非常重要的特征之一。结合武夷岩茶弯曲度大的特点,采用5种经典算子,即Roberts算子、Sobel算子、Prewitt算子、LoG算子和Canny算子来检测茶叶图像边缘,并通过实验结果来比较这5种算子的区别。     

GDI+下JPEG图像边缘检测

本文比较了GDI+下三种提取JPEG图像像素值的方法,然后用Robot算子提取图像的边缘,最后用GDI+方式将它保存到图像文件。     

基于TMS320DM642的活动图像边缘检测实现

基于TMS320DM642,采用Sobel边缘检测算法,对活动图像内的物体边缘加以检测.结果表明,该方法可快速、准确地对活动图像中任意一帧内物体的边缘进行检测.     

几种分形方法在图像边缘检测中的应用研究

介绍并比较了几种基于分形理论的边缘检测技术,包括基于分形编码的图像边缘检测、基于离散分数布朗随机模型的图像边缘检测、基于多重分形方法的图像边缘检测、利用人造目标和自然背景的不同分形特征提取目标边缘。具有不同分形特征的图像采用不同的的算法都可以取得较理想的效果,但实际上无论哪一种算法在解决一定问题的同时也存在不同类型的缺陷。因而,寻求更理想的分形方法应用在图像边缘检测中将仍然是图像处理与分析中研究的主要问题之一。     

小波包变换在图像边缘检测中的应用

简要介绍小波包变换的基本原理,给出基于小波包变换的图像边缘检测方法.用MATLAB仿真实验结果表明该算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确.     

基于卷积神经网络的人脸检测算法研究

近年来,随着深度学习的迅猛发展,人脸检测算法准确度已有很大提升。模型越复杂,检测速度越慢,设计一种准确度与速度兼顾的人脸检测模型尤为必要。基于FaceBoxes人脸检测算法框架,提出一种基于深层卷积主干网络的改进方法,并在人脸检测基准数据集中进行测试实验。其在FDDB数据集上的实验结果显示,检测正确率达95%,比传统方法提高1.67%。该算法在保证实时性的同时提升了检测准确率,可应用于追求更高准确率的人脸检测系统。     

一种新的BP神经网络人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化.主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求.在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量.     

基于Halcon的光纤端面尺寸检测方法

针对传统光纤端面尺寸检测几何尺寸误差大、效率低的弊端,采用一种基于Halcon的光纤端面尺寸检测方法,利用数字图像处理算法,采用中值滤波的方法对图像进行预处理,消除图像噪声,并对图像进行二值化及形态学处理,选用Canny算子作为边缘检测算子确定像素级边缘,该方法边缘检测性能较好,且具有较强的抗噪声能力|再从选取的边缘中选出类圆度高的部分边缘进行共圆轮廓合并、拟合,通过拟合的椭圆和圆得到光纤半径、不圆度、同心度等几何参数。实验结果表明,纤芯和包层半径可以精确到万分之一,不圆度和同心度可以精确到小数点后8位,测量精度较高且不受操作水平影响。     

基于统计的人脸识别方法综述

人脸识别是一个具有很高理论和应用价值的研究课题。人脸识别方法大致分为基于统计的人脸识别方法、基于几何特征的人脸识别方法和基于模型的人脸识别方法。本文主要研究了基于统计的人脸识别方法。     

人脸检测和表情识别在课堂教学评价中的应用

传统的课堂教学评价往往效率低下,并带有较强的主观性。针对传统课堂评价中存在的不足,结合深度学习技术,在CNN模型基础上建立起适合课堂场景的人脸检测和表情识别模型,得到比较准确的人脸特征,接着使用朴素贝叶斯分类器对得到的人脸特征进行分类和评价,然后研究面部特征与课堂质量之间的关系,最后建立起基于人脸检测和表情识别的课堂评价规则。实验数据表明,本研究可以作为课堂教学评价的重要参考指标。     

一种改进的MTCNN人脸检测算法

人脸检测主要运用于机场、火车站等人口密集场所。目前常用的人脸检测算法有MTCNN、YOLOV3、faster-RCNN、SSD等,但已有算法难以兼顾检测速度和检测准确性。 通过改进多任务级联卷积神经网络（MTCNN）人脸检测算法,将MTCNN、YOLOV3、faster-RCNN等3个模型进行整合,减少内存与显存之间的数据搬运;然后动态修改Minsize值,减少图像金字塔中图片生成数量,并根据图像相似度对输入图片进行不同处理以提高效率。改进后的MTCNN算法比传统MTCNN算法识别速度提高将近40%,且正确率达到97%,可更好满足现代社会对于人脸检测的应用需求。     

基于DSP的人脸识别系统的设计与实现

为了提高身份识别系统的实时性、可靠性和便捷性,设计了基于DSP的人脸识别系统。基于肤色的人脸检测算法和基于小波变换的主成分分析的人脸识别算法构成了所设计系统的软件算法;DSP(DM642)微处理器、CCD传感器摄像头和显示屏等构成了该系统的硬件平台。测试结果表明,设计的人脸识别系统具有识别速度快和成功率高等优点。     

视频图像中的人脸快速检测算法研究

利用对称差分、肤色模型和几何特征相结合可以快速实现视频图像中的人脸检测,具体做法是:先利用图像对称差分方法得到运动区域,再用肤色检测方法在运动区域中得到人脸候选区域,最后通过检测眼睛位置,利用人脸几何特征精确定位人脸.此方法提高了检测速度,降低了误检率,可以应用在视频监控等实时系统中.     

提取数字图像边缘的算法比较

本文简要地介绍了几种经典算子的原理,设计了相关实验来提取图像边缘,并使用Marlab对图像进行边缘检测,分析这几种经典算子的优劣,找出适合进行图像边缘检测的最佳算子.