用于人脸识别的特征融合

针对人脸识别中人脸图像的特征提取问题,提出了一种将全局特征与局部特征相融合的人脸识别方法.全局特征的提取采用主成分分析算法.主动外观模型定位58个特征点,在其中17个特征点处进行Gabor小波变换则可提取局部特征.归一化的全局匹配度(局部匹配度)可由测试图像和训练图像的全局特征(局部特征)得到.对归一化的全局匹配度和局部匹配度进行融合后,融合匹配度最大的训练图像所属的类即为识别结果.实验利用2个人脸图像数据库(AR和SJTU-IP-PR)测试该方法的识别率,结果表明该方法要优于PCA和EBGM,并且在一定的表情、光照和姿态变化的条件下是有效、稳健的.     

基于LVQ神经网络的建筑物提取

传统的遥感影像目标检测方法大多利用人工提取特征,难以用于背景复杂的高分辨率遥感影像。以高分辨率遥感影像建筑物图像为研究对象,设计了一种基于LVQ神经网络的建筑物提取方法。对图像提取其颜色、纹理与形状特征,构成图像特征矢量并将其特征归一化,利用LVQ神经网络识别并提取出建筑物。通过与其它典型神经网络识别方法进行实验比较,结果表明该算法相对于单层感知器识别率提高了10.0%,比BP神经网络识别率提高了22.5%,能取得更理想的提取效果。     

AAM和PCA-SVM在人脸表情识别中的应用

介绍了AAM基本理论,提出基于AAM＋PCA＋SVM的人脸表情识别方法.首先获取人脸样本的纹理模型和形状模型,然后利用主成分分析（PCA）建立AAM模型,将该统计模型的AAM应用到人脸特征点定位,对人脸表情进行特征提取,将PCA训练用于识别的支持向量机过程中,并进行分类.实验表明该方法降低了算法的时间复杂度,定位准确率高,同时不影响人脸表情的识别率.     

特征融合在植物叶片识别中的应用研究

利用模式识别领域的特征融合方法进行植物叶片识别,植物叶片对植物种类分辨与认知具有重大作用,其纹理、形状是分辨植物种类的一个极佳指标。以植物叶片为研究对象,提取叶片的LBP纹理特征、HOG纹理特征以及形状特征,设计多特征融合模型,基于ECOC-SVM多分类器对UCI数据集32种640张植物叶片图像进行训练、分类。实验结果表明,基于多特征融合模型训练的ECOC-SVM对数据集中的叶片有很好的描述能力,识别率达92%,识别效果较好。     

基于多特征融合和深度学习的图像分类算法

图像特征提取方法以及分类器的选择是影响图像分类精确度的关键因素.传统算法利用单一的图像特征和浅层结构对图像进行分类,算法实现简单但结果精确度不高.针对这一情况,提出基于多特征融合和深度学习的图像分类算法.算法利用颜色矩、LBP和梯度直方图等算法提取图像的颜色、纹理以及形状特征,继而通过融合算法将这些不同属性的特征进行融合,作为深度学习网络的输入层.实验结果表明,相对于单特征浅层分类,算法在保证时效性的同时,图像分类精确度得到了提高,分类效果更加可靠.     

基于纹理和形状特征相结合的图像检索技术

图像检索是指从大型数据库提取所需的图像,可能是基于文本或基于内容的检索。在这里,基于内容的图像检索（CBIR）是一个长期的研究课题。Gabor滤波器用于提取图像的纹理特征,形态闭运算结合Gabor滤波器提供了更好的检索精度。通过应用Gabor滤波器计算出纹理特征的平均值和标准偏差,形成特征向量;使用傅立叶描述符和质心距离提取形状特征,利用纹理和形状特征相结合的方法来提高检索性能。     

基于LLE特征降维及改进SVM的肝脏图像识别

为了提高肝脏CT图像正常和异常的识别率,提出了一种基于LLE特征降维及改进SVM的肝脏图像识别方法。在对采集的CT图提取感兴趣区域的颜色特征、形状特征和纹理特征,利用标准差变换和极差转换把这些特征规格化到0与1之间后,采用LLE算法对特征数据进行降维融合,并使用改进的SVM对待识别图像进行分类。实验结果表明,对多类特征进行降维融合比仅用单类特征能更好地表达感兴趣区域的内容信息,LLE算法较其他流形学习算法表现出更强的鲁棒性,改进的混合核函数SVM较单一核函数SVM识别率要高。该方法可以为医生辅助诊断提供参考。     

基于特征脸加权组合的人脸识别

将基于主成分分析的特征脸人脸识别方法进行改进,以提高人脸识别率.首先利用主成分分析法提取人脸图像的特征脸,然后经图像重构得到二阶特征脸,最后将两种特征脸组合,构造组合特征,用三阶近邻法进行识别.在ORL人脸数据库上的试验结果表明,组合特征脸法用于人脸识别有较高的可行性和较好的稳定性,且在识别率上优于特征脸方法,准确率达到93.8%.     

基于加权KNN与随机森林的表情识别方法

针对传统KNN算法计算量大、识别率低的问题，提出一种加权K最近邻法(KNN)结合随机森林(RF)的表情识别方法。首先通过监督下降方法(SDM)提取人脸特征点，然后计算样本间的平均距离，并借此划分测试样本，结合加权KNN与随机森林的特点，对不同样本采用不同的分类器，最后采用JAFFE表情数据库进行实验。结果表明，改进后的方法不仅识别率更高，而且简化了计算复杂度。     

基于计算机视觉的彩色图像二维纹理识别方法

为了提高彩色图像二维纹理识别能力,提出基于计算机视觉的彩色图像二维纹理识别方法。采用超分辨融合方法对彩色图像进行纹理特征检测,并在邻域内进行融合滤波处理;结合小波变换方法进行颜色分量合并和模板匹配,提取图像的关联规则像素点;根据图像颜色特征分量进行多层次融合和视觉特征重构,实现二维纹理识别。仿真结果表明,该方法在识别彩色图像二维纹理特征时准确度较高、纹理特征匹配性较好,应用优势明显。