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。     

基于稀疏差分和典型相关分析融合的人脸图像识别

为了进一步提高人脸图像的识别率,提出了一种相关分析融合的人脸图像识别算法。首先通过采用压缩测量数据得到人脸图像,然后通过划分子模式的方法去除图像中的小样本,提取局部特征,采用成分分析提取人脸图像的整体特征,通过算法对人脸图像特征进行融合,从而消除人脸部冗余信息,最后通过3个人脸数据集对算法进行测试。仿真实验表明,本文的算法相对于参比算法,提高了人脸图像识别精度,具有很好的鲁棒性。     

浅谈基于稀疏表示的图像融合算法

图像融合已成为图像处理和计算机视觉领域的一项重要技术。随着压缩感知理论的发展,稀疏表示成为了压缩感知中的一个重要的研究内容。文章系统地阐述了当前图像融合技术的研究现状,重点介绍了稀疏表示在图像融合中的应用,并对目前图像融合算法存在的问题以及未来的发展进行了展望。     

基于SIFT特征匹配的多人脸图像拼接方法研究

针对日常生活中多张人脸图像的合成问题,提出了基于SIFT特征匹配的多人脸图像的拼接方法。首先应用SIFT算法实现了多张人脸图像的拼接,最后采用VC++6.0实现了多人脸图像的拼接,获得了所需视野大小的全景图像。从实验结果可以看出,本文所研究的方法具有很好的效果,完全可用于课堂考勤的多人脸检测与识别中。     

基于图像的人脸检测和识别进展研究

在现在社会中,图像的识别尤其是脸部信息的识别已经成为模式识别中研究比较活跃的一部分。在图像源中对人脸进行识别主要包括了两个部分的内容,一个是人脸的定位,一个是对人脸细节的辨认。现在已经作了很多的对定位和细节辨认也就是识别的研究。文章对识别和检测的主要算法作了一定的研究,最后提出基于图像的模式识别的发展趋势和前景。     

基于视频图像的人脸检测

视频图像的人脸识别技术发展,促进了数字视频监控等系统的广泛应用。本文对基于特征、模板、统计理论等视频图像的人脸检测基本方法进行了介绍,对人脸检测系统的图像采集、图像处理、特征定位、人脸识别处理等设计进行了阐述,对人脸检测方法的改进进行了尝试。     

人脸建模中纹理的生成

本文内容为面向真实感三维人脸建模中纹理生成部分技巧的探究,作为三维人脸建模中的关键一步,好的纹理生成可以使得人脸模型更好地模拟真实人脸,逼真地实现人面部的各种细节特征,本文从纹理映射和照片拼接等细节方面对三维人脸建模中的模型面部纹理生成进行了研究。     

基于双稀疏模型的音调信号频谱感知方法研究

为了提升音调信号频谱感知方法的感知性能,本文提出基于双稀疏模型的音调信号频谱感知方法.通过双稀疏模型,分析用户授权数量的稀疏性以及授权用户传输功率谱密度的稀疏性,构建音调信号频谱感知模型.通过音调信号频谱感知模型将音调的宽频带频谱感知问题转换为对授权用户发射信号功率密度的估计,重构音调信号功率谱密度向量,实现音调信号频谱感知.仿真实验结果表明,所提方法能够有效提升音调信号频谱感知的性能.     

基于边缘和梯度场的图像表示和压缩方法

提出一种基于边缘和梯度场的图像表示和压缩方法.将图像表示成边缘域的像素和非边缘域的梯度场,并分别进行编码.编码端,采用自适应四叉树分解和一维小波变换编码边缘域,采用二维小波变换编码梯度场.解码端,由对逆变换得到的边缘域和梯度场,通过梯度域变分重构进行解码恢复.方法能用于无损和有损图像压缩,具有较好的压缩性能,并能有效地克服边缘附近的振铃效应.     

人脸图像识别方法的研究

人脸图像识别早已不是一个新课题,从1964年到现在,已经有四十多年的研究历史了.在此期间,人们研究出了多种人脸识别方法,本文综述了人脸图像识别的各种方法以及每种方法的应用范围,进而提出一种基于几何特征的人脸识别方法.     

基于哈希表的稀疏图像压缩算法研究

随着互联网技术的不断发展,以图像为主要载体的多媒体信息大大丰富了我们的生活。但由于图像数据量庞大,存储和传输时受到很大限制,使得图像压缩成为图像处理中的一个重要环节。图像压缩就是利用图像自身的相关性来消减图像的冗余信息,保留有用的信息。经过多年的研究,人们已经提出了多种图像压缩方法,并在许多领域取得了良好的应用效果。但这些方法主要是针对普通密度的图像,而对于稀疏图像的压缩,目前有效的压缩方法还屈指可数。对图像压缩技术的发展历程进行了回顾,给出了一种基于哈希表的对稀疏数据压缩方法,并利用VC＋＋6．0平台,实现了基于哈希表的数据压缩系统。     

基于小波变换的人脸边缘特征提取的研究

本文研究了利用二维离散小波变换在边缘检测上的特征。当前人脸检进行测遇到的问题是如何自动地检测人脸的边缘。通过小波变换,将人脸图片分解成相似图片和细节图片,而这些图片都包含边缘信息,将此方法应用在实验中。首先,为比较其检测效率,将二维离散小波变化与其他的人脸边缘检测方法比较：其次,在比较中,测验了多频带的组合方法。通过这些方面的研究,提出了一个基于目标边界响应的新的人脸边缘追踪算法。     

基于稀疏表示块和全变分的超分辨率重建研究

针对传统的基于稀疏表示超分辨率重建存在不能同时保存边缘与纹理结构,并且在线运行时间长的问题。一种基于稀疏表示块的超分辨重建算法被提出,首先通过图像训练PCA字典集,然后应用PCA算法得到相应的聚类子字典,在重建的过程中引入全变分正则项,以便联系图像局部之间的信息和加强保存重建过程中的图像纹理特征。最后用分步算法求目标函数,重建得到高分辨率图像。大量的仿真实验结果证明,与传统的超分辨率算法相比,新算法能够改善图像结构特征信息,评价指标值也有一定的提高。     

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。     

基于稀疏表示的人脸识别算法

近年来,人脸识别一直是计算机视觉和模式识别领域一个很热门研究课题。随着压缩感知理论的发展,稀疏表示已经成功应用于人脸识别。文章系统地综述了人脸识别的研究现状、系统,并重点介绍了基于稀疏表示的人脸识别算法及求解,最后对人脸识别算法存在的问题以及发展进行了展望。     

基于肤色和图像似然度的人脸检测

提出了一种基于肤色分割和图像似然度的检测人脸方法，该方法能在复杂的背景下较好地检测出人脸。首先利用颜色信息把图像分割成肤色区域与非肤色区域，然后对肤色区域做预处理后，进入图像似然度检测阶段．最终实现人脸检测。     

基于PCA模型的人脸图像纹理特征高精度识别方法

针对传统人脸图像纹理特征识别方法中存在的计算量大,样本训练与测试时间较长,识别正确率较低等问题,提出一种新的基于PCA模型的人脸图像纹理特征高精度识别方法。在人脸图像预处理过程中,采用Gabor滤波器确定人脸图像训练样本中的双眼位置,结合卷积运算与人脸几何模型从图像中分割出目标人脸区域,并对分割得到的图像进行规范化处理;采用PCA模型对预处理后的图像进行降维与特征向量提取,并根据选取的主要纹理特征以及欧式距离近似度量结果,实现人脸图像纹理特征高精度识别。实验结果表明,所提方法的识别准确度高于实验对比方法,且样本训练时间与测试时间明显缩短,具有较好的鲁棒性。     

基于佩戴眼镜人脸图像识别方法研究与仿真

研究基于图像的人脸准确识别问题.人在佩戴眼镜的情况下,脸部受到眼镜遮挡,造成无法提取眼部区域特征,人脸主要特征丢失,造成识别准确率下降.为了避免上述缺陷,提出了少量特征相关性计算的人脸识别方法.对提取的人脸图像少量的特征参数进行非线性变换处理,获取特征向量权值系数.利用小波变换方式计算人脸特征相关性系数,通过少量特征相关性进行人脸识别.实验证明,这种眼部特征图像人脸识别方法提高了佩戴眼镜情况下,人脸识别的准确率,取得了满意的效果.     

基于图像识别的太阳跟踪方法研究

太阳为人类提供可持续能源,在没有出现高效的光伏电池材料之前,研制具有实用价值太阳方位检测器及自动跟踪系统,是促进太阳能广泛应用的主要途径之一.本课题描述了一种检测、跟踪控制的实现方法.核心部件为图像传感器,通过单片机确定的太阳位置进行跟踪,存储位置信息,并在恶劣天气对系统实施保护措施.该系统具有精确度高、适应性好等特点.     

基于Adaboost的人脸光照补偿方法

针对传统Adaboost人脸检测算法中光照不均匀、图像检测正确率低的问题,提出一种基于Adaboost算法的人脸光照补偿检测方法。介绍Adaboost人脸检测算法的处理流程以及直方图均衡化原理,并将Adaboost算法和直方图均衡化相结合,实现人脸检测。检测结果表明,与传统的Adaboost人脸检测方法相比,新方法对于光照不均匀图像的人脸检测有很好的效果。