四元数矩阵正交特征向量系的求解方法及其在彩色人脸识别中的应用

针对四元数矩阵正交特征矢量系求解困难的缺点,本文提出一种获取四元数矩阵正交特征矢量集等效、便捷的方法,其基本思路为:首先,构造四元数矩阵定义于复数域的导出阵,并利用该导出阵特征矢量空间的一种特殊的等价空间间接获取相应特征值所对应的特征矢量.然后,将复数矢量转换为四元数矢量,按如此方式获取的对应所有特征值的非零特征矢量则构成原始四元数矩阵的正交特征矢量系.同时,本文将定义于实数域的主成分分析方法(Principal component algorithm,PCA)向四元数体作合理的推广,给出详细的数学推导过程,证明该方法的合理性及其在统计模式识别领域得以应用的可能性.最后,作者将彩色图像像素的R、G、B三分量作为四元数的三个虚数部分,首次在人脸识别中引入基于四元数的彩色人脸识别方法.较传统的基于灰度图像的识别方法,本文方法不仅利用了人脸图像灰度值的空间分布信息,而且充分利用不同人脸之间的色彩差异,从而得到更多的鉴别信息.在四川大学人工智能研究所的彩色人脸库上进行的实验表明,所提出的基于四元数的识别方法不仅大幅度提高了识别率,而且具有较高的鲁棒性.

基于彩色图像四元数表示的彩色人脸识别

为了更有效地利用彩色人脸的色彩信息进行识别,提出了一种新的基于彩色图像四元数表示的算法.首先基于彩色图像四元数表示和四元数代数理论定义了四元数伪Zernike矩(Quaternion pseudo-Zernike moments,QPZMs),将传统的主要处理灰度图像的伪Zernike矩(Pseudo-Zernike moments,PZMs)推广应用于彩色图像,然后基于QPZMs构造了彩色人脸图像针对旋转、缩放和平移(Rotation,scaling,and translation,RST)变换的四元数值不变量,最后结合这些鲁棒的不变量特征和四元数BP神经网络(Quaternion back propagation neural network,QBPNN)分类器进行彩色人脸识别.实验结果表明,与现有基于四元数的算法比较,本文算法在表情、光照、位置等变化方面具有更强的鲁棒性.

基于局部特征和集成学习的鲁棒彩色人脸识别算法

为了充分利用人脸图像的局部信息、改善现有基于整体特征的彩色人脸识别算法的识别率,提出了一种基于局部特征和集成学习分类器的鲁棒彩色人脸识别算法.在特征提取阶段,使用自适应四元数pseudo-Zernike矩(AQPZMs)来描述图像子块的特征.对于具有较大熵的图像子块使用较高阶次的四元数pseudo-Zernike矩(QPZMs)提取特征,反之则使用较低阶次的QPZM s.在匹配识别阶段,使用集成学习分类器进行判别.针对不同彩色人脸图像库的测试结果表明,当人脸图像受到光照、表情等因素影响时,与采用QPZMs或者四元数二维主成分分析(Q2DPCA)进行整体特征提取的识别算法相比,所提算法的识别率更高.

基于奇异值特征提取的彩色人脸识别

基于彩色图像的四元数模型,将彩色人脸图像视为一个模板直接处理,并首次将奇异值向量应用到彩色人脸识别中。首先证明了彩色图像的奇异值向量具有代数和几何不变性;然后将其提取为图像的代数特征并应用到人脸识别中。实验表明该方法的识别率为90%左右,是一种有效的彩色人脸识别方法。

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。

奇异值和RBF神经网络的彩色人脸识别

目前已有研究表明,相对于灰度图像,利用图像的彩色信息能改进人脸图像的识别率。但近年来的彩色人脸识别研究较少。提出了一种基于奇异值向量和RBF神经网络的彩色人脸图像识别方法。首先说明了彩色图像的奇异值向量具有代数和几何不变性,再将降维的奇异值向量作为图像的特征,然后应用RBF神经网络进行训练和识别。实验表明该方法的识别率为95%左右,是一种有效的彩色人脸识别方法。

基于统计正交性分析的彩色人脸识别

提出了一个用于彩色人脸识别的特征提取方法。该方法根据Fisher准则按顺序分别计算彩色人脸图像集中红(R)、绿(G)、蓝(B)三个彩色分量集的投影变换,同时使获得的三个投影变换互相统计正交。该方法能够加强三个彩色分量鉴别特征之间的互补性,移除相关性。AR和第二版的FRGC两个彩色人脸图像数据库上的实验结果表明,该方法的识别效果超越相关的几个彩色人脸特征提取方法。

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中。基于YCb Cr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图。提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法。分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补。使用基于方差相似度的分类器获得人脸识别结果。实验表明:该算法识别率高、鲁棒性好。

基于自适应融合色度与亮度特征的彩色人脸识别算法

鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中,提出了一种基于自适应融合色度与亮度特征的彩色人脸识别算法。该算法基于YDhDr颜色空间分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图;通过自适应融合色度与亮度特征来构建彩色人脸识别特征;基于小波包结点能量的特征表示方法,分别在实数域和复数域中提取并融合色度与亮度分量的最崖鉴别特征向量,实现色度与亮度特征的最优化互补;使用基于方差相似度的分类器获得人脸识别结果。实验表明,该算法识别率高、鲁棒性好。

基于四元数的彩色人脸识别

为充分挖掘人脸模式样本之间的鉴别信息、强化不同样本之间的区分性,以利于增强识别系统鲁棒性、提高人脸正确识别率,提出一种新颖的基于四元数的彩色人脸识别算法.将定义于实数域的PCA方法以及Fisher鉴别分析法向四元数体作合理推广,得到定义于体上的广义主成分分析方法及广义线性鉴别分析法,将这2种方法用于彩色人脸识别,从而得到全新的识别算法.该算法巧妙地将彩色像素的R、G、B 3个分量结合在一起,从数学上有机融合具有丰富鉴别信息的肤色成分以及反映人脸轮廓形状信息的灰度成分,较传统仅利用灰度信息的识别方法,具有更稳定的性能以及更高的正确识别率.提出的关于共轭四元数矩阵正交特征矢量集的获取方法,数学上有详细的推导证明,该方法在理论上合理,同时在自己建立的彩色人脸库上进行的实验表明,该方法可行且实用.

采用频谱脸和FLD的分量融合彩色人脸识别

为了充分利用彩色信息而又不使算法过于复杂,提出了一种对彩色人脸图像进行识别的新方法,首先基于HSV空间提取S、V分量,然后分别采用频谱脸与FLD对其进行特征提取,再以两分量的融合特征作为分类依据进行识别。选取典型特征S和V,既保留了彩色信息又降低了复杂度。频谱脸实际上就是小波概貌图像的傅里叶幅度谱,其位移不变性和旋转不变性能有效消除因为人像表情变化和少许掩膜带来的识别误差。通过对ESSEX大学彩色人脸库的识别实验,验证了该方法有很好的识别能力。

多彩色空间相关分析的人脸识别算法

人脸识别是当前人工智能和模式识别的研究热点,得到了广泛的关注。基于对不同色彩空间数据的分析,论文提出了多彩色空间典型相关分析的人脸识别方法。文中对2维的Contourlet变换特性进行了分析和讨论,利用Contourlet的多尺度,方向性和各向异性等特点,提出了一种基于Contourlet变换的彩色人脸识别算法。算法对原图进行Contourlet分解,对分解得到的低频和高频图像进行cca分析。典型相关分析是一种有效的分析方法,其实际应用十分广泛。低频系数反映图像的轮廓信息,高频系数反映图像的细节信息,使用cca充分利用不同频率的信息,使不同色彩空间的不同分辨率图形的相关性达到最大,得到投影系数,最后,采用决策级最近邻分类器完成人脸识别。在对彩色人脸数据库AR的识别实验中,该算法识别率达到98%以上,与传统算法相比,该算法不仅既有良好的识别结果,而且具有很快的运算速度。

四元数表示和NSCT变换的彩色人脸图像识别

将彩色人脸图像用四元数实矩阵的形式表示,对该矩阵作多级非抽样Contourlet(Nonsubsampled Contourlet,NSCT)变换,在各子带系数上作奇异值分解,进而获得图像的代数特征向量,由神经网络训练和识别。实验结果表明,该方法可以有效地提高彩色人脸图像的识别率,是一种有效的彩色人脸识别方法。

一种改进的彩色人脸鉴别特征抽取方法及自动识别

针对传统的线性分析方法中都需要的平均样本的共性,提出了基于中间样本的人脸识别.这种方法有效去除了干扰样本对平均样本的影响,并结合彩色人脸识别,提出了基于中间样本的彩色人脸鉴别特征抽取及自动识别方法.最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了算法的有效性.

彩色人脸鉴别特征抽取及识别

目前存在的彩色人脸识别方法大多是将彩色图像转换为灰度图像后,采用基于灰度图像的特征抽取与识别算法进行分类识别.本文根据彩色人脸图像的构成特点,对彩色人脸图像的R、G、B三个分量色彩信息进行特征抽取与分析,进而找出适合对彩色人脸图像进行自动识别的鉴别特征.最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了本文算法的有效性.

基于鉴别分析的彩色人脸图像灰度转换方法

当前主流的人脸识别算法,都是把原有的彩色图像转化为灰度图后,采用基于灰度图像的特征抽取与识别算法进行分类识别。人们在实际操作过程中,只是使用一组简单的加权系数实现从彩色图像到灰度图的转换,这并不能很好的体现R,G,B 3个颜色分量之间的次重关系。本文根据人脸图像颜色组成的特点,对彩色人脸图像的R,G,B 3个分量的颜色信息进行特征抽取与分析,从中找出鉴别特征的三基色系数表示方法,把彩色图像转化为灰度图。最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了本文算法的有效性。

基于四元数矩阵表示的彩色人脸图像LDA方法

为了缓解线性判别分析(linear discriminant analysis,LDA)方法在小样本情况下出现的矩阵奇异性问题,针对彩色人脸图像,利用其四元数矩阵表示模式,在人脸识别中引入基于四元数表示的二维LDA、双向LDA方法.这些方法充分利用了彩色图像的空间分布信息,通过在行、列方向降维提取图像的2DLDA、BDLDA特征,缓解了类内散度矩阵的奇异性问题.在FERET彩色人脸数据库及AR彩色人脸数据库上的大量实验证明,本文方法与基于四元数矩阵表示的2DPCA、BDPCA算法相比,识别性能均有提高.

彩色人脸图像鉴别特征抽取综述

近年来,人脸识别技术得到了迅猛发展,而基于彩色图像人脸识别的研究尚处于初级阶段.本文在对所有彩色人脸图像表示法和鉴别特征抽取方法分析比较的基础上,综述了彩色人脸鉴别特征抽取的研究现状.

基于散度差的彩色人脸图像统计正交分析方法

由于彩色人脸图像比灰度人脸图像包含了更多的信息,彩色人脸图像识别方法越来越受到学者的重视。而对于研究最多的RGB彩色空间,通常R(红)、G(绿)、B(蓝)三分量间存在很大的相关性。为了最大程度去除各个分量之间的相关性从而提高识别效果,有学者提出了基于统计正交投影变换(SOA)的彩色人脸图像识别方法。然而,该方法在特征提取的过程中不可避免地存在奇异性问题。为了解决这个问题,文中提出了一种基于散度差的彩色人脸图像统计正交分析方法(SDFSOA)。此外,对所涉及的参数进行了合理的设置。实验结果表明所提方法能取得更好的识别效果。

基于NIB2DPCA的彩色图像过完整分块特征抽取方法

在小空间占用的快速彩色图像的特征抽取方法和模块化FPCA(M-FPCA)彩色图像特征提取方法的基础上,结合最新的过完整表示思想,提出基于NIB2DPCA的彩色图像过完整分块特征抽取新方法。该方法对彩色图像进行过完整分块,然后对子图像模块从R、G、B三个信道用NIB2DPCA方法进行特征提取、重构,并进行多模块融合,最终获得分类的特征矩阵。该方法提取的信息量远大于原图像,提高了彩色图像的识别率。通过在FEI和CVL标准彩色人脸数据库上的对比实验表明,所提出方法的人脸识别准确率比文献[14]中的小空间占用的快速彩色图像特征抽取方法提高约4%,比文献[19]中的彩色图像M-FPCA方法提高约5%。