基于BIF和KR-RCA的跨年龄人脸图像识别

跨年龄人脸识别受到越来越广泛的关注。除了基因、人脸老化过程还受到生活方式等多种因素的影响。采用BIF和KR-RCA实现跨年龄人脸识别。首先对人脸图像进行旋转、对齐、剪切等归一化处理,然后对处理好的图像提取Mean-BIF特征,最后采用KR-RCA进行分类。经过在FG-NET和MORPG两个数据库上实验证明,提出的方法可以有效地实现跨年龄人脸识别。

基于生物启发特征和SVM的人脸表情识别

将C1特征应用于静态图像人脸表情识别,提出了一种新的基于生物启发特征和SVM的表情识别算法。提取人脸图像的C1特征,利用PCA+LDA方法对特征进行降维,用SVM进行分类。在JAFFE和Extended Cohn-Kanade(CK+)人脸表情数据库上的实验结果表明,该算法具有较高的识别率,是一种有效的人脸表情识别方法。

基于文本挖掘的生物领域实例获取

面向以自然语言描述的生物领域实例,基于自然语言的向量表示模型,研究与设计相关的生物领域实例获取问题,提出了基于文本挖掘的生物领域实例获取方法.通过对语料库文本向量空间的构建和知识挖掘,研究生物领域文本的特征选择、相似性度量和实例检索方法,为设计需求驱动的生物领域实例获取提供技术支持.实例分析表明:一方面,基于向量空间模型的生物领域文本挖掘方法在精度和召回率两方面均较基线法具有较大的优势;另一方面,基于向量空间的文本检索机制具有很好的适应性和扩展性,可以满足不同环境下语义检索的需要.

基于GaborSIFT+NNScSPM图像特征抽取算法研究

视觉信息的特征表示是计算机视觉场景图像理解研究中的核心内容.基于GaborSIFT+NNScSPM的图像特征抽取算法,借鉴生物视觉机制中的相关研究成果,有机结合了HMAX层次计算模型的思想和非负稀疏编码的策略,较为合理地模拟了生物视觉皮层中视觉处理的过程.在15类场景图像和Caltech101两个公开数据集上进行了实验验证,实验结果表明我们所提出的算法较同期算法有着良好的分类性能.

基于生物启发特征的真实环境笑脸分类方法

为解决生物启发模型(BIM)存在的3个问题,即高计算复杂度、有争议的视觉皮层关系建模,以及类前向反馈机制带来的盲目特征选择,提出一种基于生物启发特征(BIF)的真实环境笑脸分类方法。构建基于BIF的笑脸分类系统,提取人脸表情图像嘴部区域的金字塔梯度方向直方图特征,使用局部保持投影进行BIM特征降维,采用Adaboost算法进行BIM特征选择。实验结果验证,该系统的最佳识别率达96.5%。

基于生物启发C2特征的在线目标跟踪算法

现有的在线跟踪算法在应对目标复杂形变时易出现跟踪偏差.文中通过寻找鲁棒的特征去刻画目标外观来解决这一问题,即模拟人眼视皮层腹侧通路感知机制,引入具有位置尺度不变性、复杂形状选择特性的C2特征,建立一个基于认知碎片集进行C2特征识别的在线目标跟踪模型,并根据认知碎片在目标识别中所起的作用对其重要性进行评估,依据评估结果实现认知碎片的在线淘汰与更新,同时引入在线目标/背景分类器,对新加入认知碎片记忆池的碎片进行筛选,解决了跟踪到的目标区域中的背景部分参与模型更新可能造成的误差累积问题.仿真实验结果表明:该算法在应对目标复杂形变和严重遮挡时,具有一定的鲁棒性与有效性.

基于生物启发特征与PCA-LDA的人脸识别方法

提出了一种基于生物启发特征的人脸识别算法.算法首先提取人脸图像的C1特征,然后利用PCA-LDA方法对其降维,最后,利用SVM进行识别.利用ORL人脸图像数据库对算法进行了验证,实验结果表明利用该方法可以得到很好的识别效果.