人脸识别中图像预处理方法的研究

文章针对人脸识别中图像预处理进行研究,采取直方图均衡化、中值滤波和同态滤波等方法对读入的人脸图像进行处理,从而突出图像细节,为下一步人脸图像的特征提取、匹配、识别等步骤打下基础,提高可靠性。仿真结果表明,所采取的方法是可行有效的。     

小波域红外能量图人脸识别中小波基的选取

小波域红外能量图人脸识别技术不但可实现全天候人脸识别,而且能够减少人脸识别中的数据复杂度,但是其识别率和时间花费与小波基的选取有关。为此对几种常用的小波基分别进行了实验,并对实验结果进行了分析和总结。实验结果表明,具有正交性和对称性的小波具有较高的红外人脸识别率。     

基于字典学习的不同光照和姿态的人脸识别技术研究

提出了一种基于稀疏分解的不同光照和姿态的人脸识别方法。通过给定的样本为每一类人脸图像训练一个特定的字典,使得在稀疏限制条件下,图像的表示误差最小。将测试图像投影到每一个字典的原子所形成的空间,然后利用误差向量进行分类。为了处理不同光照和姿态问题,采用了基于反照率估计的姿态的重照技术产生同一个人的不同光照条件下的多幅正面图像,从而使得本文方法能够在只有极少数训练图像的条件下获得很高的识别率。通过采用公用数据库中的人脸图像进行验证表明本文方法能够有效的实现不同光照和姿态条件下的人脸识别,其在性能方面比现有大多数方法更优。     

基于PCA算法人脸识别的matlab实现

本文介绍了人脸识别中常用的PCA算法,并在matlab环境下分别实现了基于PCA的人脸识别,融合了小波变换,PCA,奇异值分解等方法简化特征提取和识别过程,采用了ORL人脸数据库作为实验库,验证了该方法可以有效地进行识别,对实际应用有一定参考价值。     

基于小波变换的视频录播图像预处理及应用

针对传统图像预处理中图像信息损失的问题,提出基于小波变换的图像去噪和增强的算法。实验证明基于小波变换的图像预处理方法能在去噪和增强的同时,保留了图像在时间和空间域的信息,为视频录播后续的目标检测与跟踪提供了高质量图像,提高了录播系统的跟踪准确性。     

基于小波变换和稀疏表示的人脸识别方法研究

在传统的基于小波变换的人脸识别方法的基础上,加入稀疏表示的方法对人脸识别进行研究,进一步提高人脸识别率。小波变换把人脸图像分解为一幅低频人脸图像和三幅高频人脸图像,低频人脸图像代表人脸图像的全局(整体)信息,高频人脸图像代表人脸图像的纹理和边缘等细节信息。低频人脸图像在人脸识别中起到关键性作用,用正交投影的方法对低频人脸图进行识别得到的低频人脸图像分类隶属度。高频人脸图像在人脸识别中同样存在不可忽略的作用,用基于领域能量的方法把三幅高频人脸图像融合为一幅高频融合人脸图像,然后用稀疏表示的方法对融合图像进行识别得到高频人脸图像分类隶属度。最后把高、低频分类隶属度融合确定人脸图像所属类别,与传统人脸识别方法相比,进一步提高了人脸识别率。     

人脸识别技术研究

人脸识别技术在当今社会应用非常广泛,目前已经有很多技术取得了很好的成绩.文章主要针对人脸识别技术进行了综述,并展望了其未来的发展前景.     

人脸识别技术研究

本文首先对人脸识别(Face Recognition)的概念、过程以及其发展和研究现状作了简单回顾,然后简要介绍了其应用领域,接着对人脸识别的常用方法进行分类综述,主要介绍了基于几何特征(Geometric Features)的方法、特征脸(Eigenface)方法、隐马尔可夫模型(HMM,Hidden Markov Model)方法、神经网络(Neural Networks)方法以及弹性图匹配(Elastic Matching)方法,并分析了人脸识别过程中存在的困难,最后展望了人脸识别技术今后的研究方向.     

一种基于随机图像序列的三维人脸识别算法

针对二维图像序列非刚体三维特征恢复识别技术受到背景多样性、运动复杂性、数据的丢失、特征点噪声等问题的影响,识别重建人脸特征面临着形变程度估计不准,识别误差较大的问题,提出一种基于随机图像序列的三维人脸识别算法.该方法通过在三维人脸运动恢复的框架模型中加入一定的物理运动约束,刻画不同非刚体运动形状基的情况下,准确计算人脸运动形变的程度,运用形状基模糊关联技术完成人脸的三维识别.实验结果表明,这种方法得到的解误差较小,识别效果明显.     

基于Matlab软件的人脸图像预处理方法

由于人脸图像是通过不同的渠道进行获取的,这就使得成像结果各不相同,如图像大小规格、光照强度、姿态等都存在着差异。为了确保人脸图像在识别时具有良好的识别效果,就必须要求人脸库中的图像具有统一规格,即要对采集的图像进行归一化预处理。     

基于Gabor相位的局部导数模式的人脸识别

文章对人脸的特征提取进行了深入的研究,提出了基于Gabor小波的局部导数模式的特征提取方法。基于Gabor的局部二值模式(LGBP)和基于Gabor的局部导数模式(LGDP),主要针对LBP以及多阶的LDP算法分别在灰度图像和Gabor小波图像进行识别实验,并对比其实验结果。得出的结果可以看出高阶的LDP算法的识别效果比LBP算法好。随着LDP阶数的增高,其获得的人脸的细节越详细,在三阶时效果越好,高于三阶的LDP算法其获得的信息会包含较多的噪声不利于识别。而基于Gabor的识别方法的识别率高出了在灰度图像的识别率。所以得出三阶的基于Gabor的局部倒数模式(LGDP)具有最高的识别效果。     

位面切割在非负矩阵分解人脸识别方法中的应用

非负矩阵分解方法将人脸图像表示为基图像的线性组合,较好地提取了人脸的局部特征。应用非负矩阵分解和奇异值分解相结合的方法识别人脸,实验结果表明,这种方法并不能有效提高识别率。位面切割可有效降低人脸图像中的噪声信息,基于这一认识,笔者提取了将位面切割应用于人脸识别的方法,在ORL人脸库上的实验证明了这一方法的有效性。     

基于灰色理论和局部奇异值的人脸识别方法

提出了一种利用人脸图像的局部奇异值和灰色关联分析进行人脸识别的方法。该方法的关键是不在整幅人脸图像上进行,而是在人脸的不同区域进行奇异值分解以提取更丰富的信息和克服"小样本"效应。     

医学图像三维重建技术研究新进展

随着医学图像和计算机科学技术的结合与发展,三维医学图像的重构技术成为研究热点。本文介绍了医学图像三维重建技术的内涵、研究现状,综述了常用算法的重构方法,比较了算法的优缺点。在此基础上,提出了医学图像三维重构技术发展所面临的相关问题及其新的研究发展方向。     

一种新的正交保局投影人脸识别方法

针对人脸识别中判别特征的提取问题,提出了一种新的人脸识别算法—Schur正交保局投影(Schur-OLPP)。该方法在保局投影(LPP)的基础上引入Schur分解,求取最佳正交投影矩阵,充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、时间变化的情况下,Schur-OLPP都具有较好的识别率。     

医学图像基本预处理简析

图像处理技术已广泛应用于各种医学应用领域,在医学图像处理技术的帮助下使得医生对疾病的诊断变得更加容易,同时还降低了误诊率.本文对图像增强、边缘检测、细胞形态学分析相关技术进行了阐述,提出自已的观点.     

针对基于FPGA的视频图像预处理的算法研究

针对基于FPGA器件实现实时视频图像处理中原始视频数据与视频编码算法不兼容的问题,本文提出了一种离散缩放算法,通过它对原始图像进行预处理,能使图像缩放后仍具有自然分明的边界,达到较为理想的视觉效果,可以更好地通过FPGA器件进行后来的视频图像压缩。     

基于PCA的实时人脸识别

近年来,生物特征识别技术得到了快速的发展,人脸检测技术也在不断进步.与其他人体生物特征识别系统相比,人脸识别更加直接和便利化,因而容易为用户所接受,并且其在身份验证、公安刑侦、智能视频监控、智能人机交互系统等方面都有着广泛的应用.     

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%。     

基于小波变换多尺度的图像边缘检测方法研究

边缘检测在图像处理中占有很重要的地位,其算法的优劣直接影响着计算机视觉系统对客观世界的理解。文中介绍小波变换应用于数字图像,利用检测小波系数模极大值的方法来检测图像的突变点位置(图像边缘位置),通过仿真实验说明,小波在图像(或噪声)边缘检测上是有效的。