红外面部表情热像图的特征分析

表情识别是近年来关于生物识别研究的热点课题之一,在心理学研究和计算机人性化方面具有深远意义。传统的通过面部特征和五官的相对位置进行表情识别方法由于受到光线和被测物表面复杂度的影响,并未有大的研究突破。本文根据表情的变化与面部温度分布的变化的关系提出了基于红外测温的表情识别方法,用通过分析面部温度区域分布的变化来分析表情的变化情况,用功能性分析的方法解决了传统方法困扰多年的问题。本文以人面部的红外热像图为研究对象,采用数学形态学方法,通过提取与分析热像图特征区域的整体几何特征和局部几何特征,进行了表情识别的研究。提出了温度直方图和基于鼻尖温度最低法的概念。本文中主要实现的方法有数学形态学的膨胀、腐蚀、开运算和闭运算,以及利用数学形态学手段进行二值图像的边缘检测。同时实现了面积、周长、似圆度和夹角的自动计算,作为分析特征区域的整体和局部几何特征的参数向量。通过数据分析,发现:随着表情变化,这些几何特征变化明显,并呈现一定的规律性,说明利用红外热像图研究表情识别是可行的。利用红外热像图进行表情识别,可以不受光线、肤色的影响,人脸区域和特征区域提取简单易行。本文主要利用了面部温度的分布变化进行了表情识别探索性研究,可以辅助心理学研究、高危病人检测和计算机人性化的发展等等。同时,根据温度分布变化同样可以进行人体生理功能的监测,辅助疾病的及时诊断和治疗。     

基于图切割的图像拼接技术研究

虽然图像拼接技术已进行多年研究,但是鬼影和曝光差异仍然难以消除。为解决这两个问题,提出了一种基于图切割的图像拼接方法。该方法结合图切割和泊松融合技术,首先利用每个像素邻域统计得到的梯度方向直方图来计算重叠区的带权有向图的权值,并通过实现稳定的图切割缝合线搜索,以消除鬼影;然后利用重叠过渡的泊松融合过程解决了缝合线拼接后的曝光差异问题,从而最终实现平滑的图像拼接。实验表明,该算法能够效地消除鬼影和曝光差异。     

基于M-DTCWT和2APCNN的多聚焦图像融合

为提高多聚焦图像的融合质量,提出了一种基于多方向双树复小波变换（M-DTCWT）的多聚焦图像融合方法。对多聚焦图像进行DTCWT分解得到低频系数与高频系数,再采用非下采样滤波器（NSDFB）对高频系数进行方向分解得到多尺度多方向的高频分解系数。对低频系数,提出结合模糊逻辑和稀疏表示（FSR）的融合规则得到低频融合系数。对高频系数,利用平均高斯差分梯度（ADOG）作为自适应双通道脉冲耦合神经网络（2APCNN）链接强度,提出基于改进双通道脉冲耦合神经网络的高频融合策略。最后通过M-DTCWT的反变换得到融合图像。实验结果表明,采用本文算法得到的融合图像在主观效果与客观指标上均优于传统的融合方法,较传统DTCWT方法,实验的2组图像在客观指标边缘信息度量QAB/F和互信息MI上,分别提高了1.93%、8.87%和1.40%、9.18%。     

频域光照归一化的人脸识别

为了降低人脸识别对环境条件的要求,克服光照对人脸识别的影响,通过分析人脸图像的幅频特性和相频特性,提出了频域光照归一化的人脸识别,对任何光照条件下采集的图像经过归一化后,光照与训练库中完全相同,同时保留了人脸的可区分性。人脸之间差异的信息量一般较少,运用最小非零特征向量作为人脸特征。实验仿真表明,与传统方法相比,频域光照归一化人脸识别方法对光照变化具有鲁棒性。     

用时空能量图和小波变换方法表征和识别步态

该文提出一种基于时空能量图和小波变换的步态特征表达和步态识别方法,步态特征由时空能量图经过小波变换后来表示,不必进行严格的时间配准或步态周期的定位。时空能量图将一个序列的多帧图像用一幅灰度图替代,集成了人的运动信息中时间与空间变化的特点,减少了特征的数据量,经证明,时空能量图对噪声不敏感。实验结果表明该算法具有较好的识别性能和较低的空间需求和计算量。     

基于小波框架变换的图像融合方法

利用框架分解的多分辨率特性和方向性,建立了一种新的基于框架多尺度分解的分层图像融合方法,提出了新的融合规则和融合算子.实验表明,基于框架变换的图像融合方法是有效的,融合后的图像质量得到了较大提高.     

基于双树紧支剪切波变换的遥感图像融合

提出一种基于双树紧支剪切波的遥感图像融合算法。紧支剪切波变换是剪切波理论的空域实现,因其步骤中包含了传统的离散小波变换(DWT),引入了移变性。分析移变性对图像融合的影响,采用双树复数小波抑制紧支剪切波的移变性,与主分量分析变换(PCA)或IHS变换相结合,提出遥感图像融合算法。通过Quick Bird和IKONOS的三组数据的进行实验,结果表明提出的融合方法性能优于基于DWT、àtrous小波、Curvelet以及基于频域实现剪切波(àtrous shearlet)方法。     

基于频带方向最大值的视网膜图像融合

基于小波变换的图像融合方法是在频带方向按照一定的融合规则选取合适的融合系数值,以使获得的图像具有更佳的视觉特性、更丰富的细节和更突出的融合效果.实验中通过对荧光素血管造影视网膜图像和对应的无赤光视网膜眼底图像进行融合,并使用信息熵对融合结果进行评价,结果表明本方法具有较好的融合效果.     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

基于步态能量图与VGG结合的步态识别方法

基于深度学习端到端和多层特征提取的思想,给出一种基于步态能量图和VGG卷积神经网络结合的步态识别方法。首先,使用背景减除法分割出人体轮廓;然后,通过身体轮廓宽度变化计算出步态周期;其次,根据步态周期图像计算出步态能量图;最后使用VGG网络对步态能量图进行特征学习及分类。实验结果表明:所提出的方法可以准确识别行人身份,在CASIA-B步态数据中平均准确率可达92. 5%,且对视角有较好的鲁棒性,对深度学习在步态识别领域的进一步应用有借鉴意义。     

人眼定位算法与人脸图像标准化

提出了一种改进的人脸图像标准化算法.该算法先利用改进的人脸图像的垂直灰度积分投影确定脸的左右边界,再根据人脸图像的水平灰度投影曲线来确定眼睛的大致高度.利用由上述方法得到的参数对人脸进行第一次裁剪,然后对人眼精确定位,最后对图像进行旋转、剪切和缩放,获得人脸的标准图像.采用ORL人脸数据库进行仿真实验,结果表明,该算法消除了背景、头发等干扰,保留了人脸识别所需的主要信息,有利于后续的特征提取与识别.     

利用端点方向修复数字笔划的一种方法

针对图像识别中数字笔划断裂而造成特征提取困难的情况,提出一种利用耦合端点修复笔划断裂的方法。以机动车牌照图像为例,从图像预处理、端点抽取、耦合端点判别、笔划修复等步骤分步进行了论述,给出了仿真实验结果,并对修复前后的数字图像进行了比较。     

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。     

基于机器视觉的人体尺寸识别系统

提出了一种基于机器视觉的人体尺寸识别系统的技术思路,系统将机器终端获取的人体图像信息,利用图像处 理技术和人体关键尺寸的生理位置特征,实现人体关键尺寸的识别。该系统中需要获取人体正面的手臂水平图像以及 人体侧面图像,2张图像必须在同一相对位置下获取,以保证参考点的一致,在参考被测用户的实际身高下,系统通过计 算可实时给出被测用户的颈部、胸部、腰部、臀部等的正侧面宽度,同时给出各对应部分的所在位置。这种模式可以给出 用户的基本尺寸信息,从而可以为用户实现模拟试衣等仪器提供软件支持。     

基于支持向量机算法的人脸识别技术研究

在讨论人脸识别算法的基础上,提出了基于支持向量机算法的人脸识别技术,进而分析了其原理,确定了多项式的核,并利用人脸数据对多项式核的SVM进行训练,根据训练结果进行识别实验,结果表明：SVM与传统方法比较,对人脸具有较高的识别率。     

人脸识别中多目标最优不相关图像鉴别分析研究

考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。     

基于RBF神经网络的人脸识别方法

计算机模式识别是视觉领域中的研究热点之一,是指用生物特征比如人脸信息来识别和辨认某个人类个体.提出了一种基于RBF神经网络的人脸识别方法：采用主成分分析技术把样本维数降低,同时利用模糊聚类算法进行粗分,然后用ORL标准人脸数据库进行实验.实验结果表明,该方法大幅度提高了人脸识别的效果.     

基于分形的快速最大熵红外图像特征检测

文章针对红外图像目标检测问题,提出一种基于分形的快速最大熵的红外图像特征检测算法.该算法利用DBC方法计算分维数,根据人造物和自然背景分形维差异,确定目标区域;最后,通过二维最大熵原则确定最佳阈值,实现对单目标或者多目标图像分割.该算法能够较好实现红外图像特征检测,有效抑制背景和噪声.     

PCNN与粗集理论用于多聚焦图像融合

现有技术不能保证获取图像时,对图像每个位置都具有同样的聚焦效果,这样便产生了多聚焦图像的融合问题,它包括如何进行多聚焦图像像素分类及采取何种融合决策。该文结合脉冲耦合神经网络(PCNN)模型和粗集理论,对该问题进行尝试性研究,提出了一种新的多聚焦图像融合算法。首先计算原始图像的清晰度,将清晰度矩阵送入PCNN进行处理,然后根据粗集理论对原图像像素进行分类处理,最后生成融合图像。仿真结果表明,该算法在一定程度上优于其他传统算法。且具有较好的抗噪性能。