融合LBP和LPQ的人脸识别

空域和频域分析是图像分析的重要方法,提出一种融合空域的局部二值模式(local binary pattern,LBP)和频域的局部相位量化(local phase quantization,LPQ)进行人脸识别的方法.该方法首先对人脸图像分别在空域提取LBP特征和频域提取LPQ特征,然后融合成LBP/LPQ直方图,进行直方图相似性比较,最后根据最近邻原则进行识别.在YALE和AR标准人脸数据库上的实验表明,该方法得到的结果比单个方法效果更好,鲁棒性更高.

LPQ与NMF特征融合的人脸识别

提出一种融合局部相位量化(LPQ)和非负矩阵分解(NMF)进行人脸识别的方法.该方法首先采用LPQ算子提取分块人脸图像的LPQ直方图序列(LPQHS),根据每块的贡献度,得到权重的直方图序列(Weight LPQHS),然后采用NMF方法提取其非负子空间及其系数矩阵,最后根据最近邻原则进行识别.在AR和YALE标准人脸数据库上的实验结果表明,该方法具有较高的识别率.

基于NSST和RI-LPQ的纹理图像检索

针对采用单一方法提取图像特征时检索率不高的问题,结合非下采样剪切波变换(NSST)统计特征和旋转不变的局部相位量化(RI-LPQ)原理,提出一种纹理图像检索方法。非下采样剪切波不仅具有方向选择性及平移不变性,而且可以对图像进行有效的稀疏表示,与传统小波相比,可有效捕捉图像的边缘轮廓等纹理信息,与非下采样轮廓波相比,具有更高的计算效率。利用广义高斯分布函数对图像NSST高频子带系数的统计特征进行分析,RI-LPQ描述算子直接提取图像特征,采用具有权重系数的相似性测度公式对Brodatz图像库进行纹理图像检索。实验结果表明,与传统小波和轮廓波的方法相比,NSST统计特征方法的平均检索率分别提高4.77%和1.44%,纹理图像检索方法的平均检索率分别提高7.36%和1.98%。

基于LPQ和Fisherfaces的模糊人脸识别

针对现有人脸识别系统对模糊人脸图像的识别无法达到理想的效果,提出一种基于局部相位量化(Local Phase Quantization,LPQ)和Fisherfaces进行模糊人脸识别方法。首先采用LPQ算子提取分块模糊人脸灰度图像的LPQ直方图序列(LPQHS),然后对采样后的特征运用Fisherfaces方法进行特征子空间选择,最后通过最近邻分类准则进行人脸识别。该算法增强了提取模糊人脸纹理信息的有效性,使训练数据量大幅度降低,并且图像特征向量的维数与原始图像大小无关。在Yale和AR形成的模糊人脸数据库上的实验表明,该方法具有较高的识别率。

联合LTP和LPQ的人脸识别方法

提出一种联合局部三值模式(LTP)和局部相位量化(LPQ)的人脸识别方法,该方法首先对预处理后的人脸分别采用LTP算子、LPQ算子提取各自的直方图,然后,通过特征选择将两者联合为LTP_LPQ直方图,最后通过最近邻分类器进行分类识别。在ORL和YALE标准人脸数据库上的实验表明,该方法能有效地提高人脸的识别率。

基于LPQ特征向量和PCA的帘子布疵点识别算法研究

给出了一种基于LPQ特征向量的帘子布疵点识别方法。首先给出了局部相位量化(LPQ)的定义,,然后计算帘子布样本图像的LPQ特征向量,使用PCA降维处理,再利用降维后的LPQ特征向量对预先设置的BP神经网络参数进行最优选择,最后利用最优的BP神经网络作为帘子布疵点分类器。此识别算法能对断经、浆斑、劈缝、稀经和经线粘连等帘子布疵点进行有效识别。

基于LPQ和ICA的人脸识别新方法

论文提出了一种基于局部相位量化(Local Phase Quantization,LPQ)和独立成分分析(Independent Component Analysis,ICA)的人脸识别新方法。该方法首先采用LPQ算子提取分块人脸图像的LPQ直方图序列(LPQ Histogram Sequence,LPQHS),然后采用ICA方法对采样后的特征进行特征选择,最后利用最近邻分类器进行识别。在YALE和FERET人脸数据库上的实验结果验证了该方法的有效性。

基于高维LPQ特征与联合贝叶斯的人脸识别

针对Sun Jian等人提出的构造高维特征的方法,提出一种新的构建高维特征的方法,并且将新的方法推广到建立高维局部相位量化(Local Phase Quantization,LPQ)特征.在此基础上,提出了一种新的人脸识别方法,首先提取图像的高维LPQ特征,然后利用主成份分析(principal component analysis,PCA)方法对提取到的高维特征进行降维,最后利用联合贝叶斯(Joint Bayesian)方法进行人脸认证.该方法增加了图像特征的有效性,在LFW人脸库上的实验结果表明,改进后的高维局部相位量化特征具有较高的识别率.

高斯核方向导数和RILPQ融合的人脸表情识别

针对人脸表情识别中特征提取出纹理信息粗糙、边缘轮廓不清的问题,论文提出了一种基于高斯核方向导数与RILPQ相结合图像特征提取方法。在RILPQ算法中引入高斯核多方向导数形成滤波器,在支持向量机中进行表情分类,将算法应用于JAFFE数据集表情数据集。实验结果为在滤波窗口半径为11像素,论文算法识别率最优,并高于LPQ算法、RLPQ算法识别率。同时也证明,高斯窗窗口半径和滤波方向对算法的表情识别率有影响。

基于不同分块多特征优化融合的人脸识别研究

针对光照、姿态、表情等复杂情形下人脸识别率较低的问题,提出基于不同分块多特征优化融合的人脸识别方法.首先考虑了局部二值模式、局部相位量化特征和小波变换特征.进一步,考虑单一分块算法会使分割线周边信息不能完整提取,从而丢失对人脸识别的有用特征,提出了人脸灰度图像多重分块的方法.最后,采用遗传算法对不同分块多特征进行权值寻优,得到最优权值.在大规模人脸数据集FRGC2.0数据库上进行实验四验证,验证率达到95.31%(FAR0.1%),首选识别率为99.06%,相比于前期文献,该算法能多方位提取人脸特征信息,提高人脸识别率,且所用特征较少.

子区域局部相位量化在掌脉识别中的应用研究

在手掌静脉识别系统中,由于人体手掌生理结构特性,容易出现图像模糊现象,导致识别性能下降。针对这一实际问题,提出一种基于子区域局部相位量化(SLPQ)的鲁棒识别方法。首先建立了LPQ特征提取的基本模型,阐述了算法流程。然后将掌脉图像分成若干子区域,提取各分区LPQ特征,并加以融合,最后利用卡方距离匹配识别。在香港理工大学、中科院自动化所和自建的掌脉图库上进行了实验测试,结果表明,当图像子区域大小为16×16像素时,该方法获得了最低的等误率,分别为0.499 2%、11.040 1%和1.356 9%,相比其他典型方法具有优势,有效提升了手掌静脉识别系统的性能,增强了系统的抗模糊性,具有实际应用价值。

基于局部Shearlet相位量化特征的人脸识别算法

针对LPQ算子提取的纹理特征易受光照、噪声影响,提出了一种在Shearlet变换幅值域内提取局部相位量化标记直方图的人脸描述方法。首先采用Shearlet滤波器提取其对应不同方向、不同尺度的多个Shearlet幅值域图谱,然后按照平均值融合法将相同尺度不同方向的幅值域图谱融合到一起,并对融合图谱进行分块,分别采用LPQ算子标记幅值域图谱,最后由这些标记直方图形成的序列来描述人脸。在ORL、FERET和YALE人脸库中做了多组实验并分别取得了98%、95%及97.33%的识别率,充分验证了该方法的有效性。

基于颜色和纹理特征的森林火灾图像识别

为了降低火焰状干扰源存在时森林火灾的误报率,提高火灾预警的快速性,根据火焰独特的颜色和纹理特征,提出了以分块的LBP直方图特征结合LPQ直方图特征的火焰识别算法。首先利用YCbCr颜色空间的规则进行颜色检测,得到疑似火焰区域;再使用LBP、LPQ分别从空域、频域提取纹理,图像空域和频域的纹理特征结合后,得到特征向量;最后将特征向量输入SVM分类器进行测试和火焰识别。实验结果表明:此融合算法鲁棒性强、检测率高,存在火焰状干扰源时,测试集的火焰识别准确率可达94.55%;与深度学习算法对比,该算法在保证较高正确率的同时,预测耗时大幅度减少,预测耗时是DBN的1/4、是CNN的1/50,提高了火灾预警的快速性,为快速准确的林火预警提供了算法依据。

自适应加权局部相位量化的人脸识别

针对局部相位量化(LPQ)方法描述图像特征时不能对各个子图像不同的贡献率加以区分的问题,提出了一种自适应加权局部相位量化(AWLPQ)的人脸识别方法。首先对人脸图像进行分块并在每个子图像上进行LPQ特征提取,然后将信息熵作为衡量各个子图像对整体人脸描述的贡献度的依据,对每个子图像进行自适应加权。在FERET数据库上进行的实验表明AWLPQ具有较好的识别性能。随后针对AWLPQ中存在的高维向量问题,作了进一步分析,引入了近邻保持嵌入(NPE)的流形算法进行降维,提出了AWLPQ-NPE方法。实验结果表明该方法具有很好的鲁棒性和识别性能。

基于局部相位量化特征与多尺度分类的分块人脸识别

本文提出一种基于局部相位量化特征与多尺度分类相结合的方法进行人脸识别,该方法首先采用LPQ算子提取分块人脸灰度图象的LPQ直方图序列(LPQHS),然后采用PCA+LDA方法对采样后的特征数据进行降维,最后根据多尺度分类的原则进行分类识别.该算法不仅能够提取人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关.在ORL标准人脸数据库上的实验表明,该方法具有较高的识别率.

基于局部相位量化与仿生模式的伪装人脸识别算法

伪装条件下的鲁棒人脸识别,目前在人脸识别领域被日益重视,并认为是难点问题之一。本文采用非伪装建模方法,提出了一种基于局部相位量化特征提取与仿生模式识别理论的伪装人脸识别算法。该算法采用了局部相位量化方法进行对伪装模式下具有较好鲁棒性的相位统计特征提取,进而采用仿生神经元构建高维几何覆盖形体,有效利用了不同类别人脸特征的连续性,从而避免了伪装模式的干扰。在AR数据库及采用警用面部复合软件设计建立的伪装数据库上的仿真实验均表明,与现有主流算法相比较而言,本文所提识别算法在伪装条件下取得了较高的识别性能。

基于尺度不变特征转换与局部相位量化结合的人脸识别

提出尺度不变特征转换(scale invariant feature transform,SIFT)和局部相位量化(local phase quantization,LPQ)相结合的人脸图像识别算法.利用SIFT算法检测两幅人脸图像特征点,得到两幅图像的特征点集合;计算特征点邻域的LPQ特征,并将特征点邻域的集合表述为LPQ直方图序列,作为人脸图像的描述算法;采用特征点邻域距离比值进行匹配判定.实验表明在ORL标准人脸数据库上,该方法具有较高的识别率.

于局部相位量化的图像伪造检测算法

为解决当前图像伪造检测算法大多针对单一的伪造形式(复制-粘贴或者拼接),使其通用性弱,检测精度不佳的不足,提出基于Gabor小波变换耦合局部相位量化的图像伪造检测算法。将图像转换为YCbCr色度空间,在Cr通道上进行Gabor小波变换,得到每个尺度和方向的Gabor图像;定义局部相位量化(local phase quantization,LPQ)技术,利用LPQ的相位特征模糊不变性,准确提取每个Gabor图像的LPQ特征值,依据LPQ特征值构建整个图像的特征向量;利用支持向量机进行决策分类,完成图像内容伪造检测。测试结果表明,与当前伪造检测算法相比,所提算法具有更高正确率和检测精度,能够较好适用于不同图像伪造手段的检测。

基于完备局部相位量化的低分辨率人脸识别

为了提高用低分辨率图像的人脸识别的效果,提出了一种基于完备局部相位量化(CLPQ)的低分辨率人脸识别方法。该方法分别用CLPQ_P算子和CLPQ_M算子提取低分辨率人脸图像的相位特征和幅值特征以形成CLPQ直方图作为图像的特征向量,然后进行直方图相似性比较,最后通过最近邻分类器进行人脸识别。实验表明,该算法对ORL和Yale低分辨率人脸图像的识别效果比LPQ方法更好,鲁棒性更高。

基于局部相位纹理表示的光照变化人脸识别算法

针对基于局部纹理的人脸表示不能较好解决不同光照条件下低分辨率人脸图像识别的问题,提出一种新的相位纹理表示法。该算法在局部邻域使用傅里叶变换相位的四象限掩码,减少来自更高幅值响应的滤波器中的错误滤波响应影响,从而产生更具判别性的代码滤波响应,相比局部相位量化(Local Phase Quantization,LPQ)受噪声影响大、量化离散效应等影响,相位纹理表示法更加有效和稳定。在CMU-PIE、扩展YALE-B和AR人脸数据库上的实验结果表明,本算法比局部相位量化更具描述性,识别率比LPQ和广泛使用的LBP(Local Binary Pattern,LBP)和方向梯度直方图(Histogram of Oriented Gradients,HOG)均有较大幅度的提高,对于增强光照条件,识别率增益小于1%,对光照变化的鲁棒性优于其他3种算法。