城市电网本地通信网络数字化感知业务与通信技术适配研究

针对新型本地数字化电力感知业务差异化对通信性能的需求,灵活合理的通信技术适配对建立安全、可靠、经济的电力通信网络至关重要。面向新型电力系统中的新型本地数字化感知场景,首先,对典型本地通信技术和电力业务通信性能需求进行分析和总结,构建了多层多指标维度综合评价模型;其次,提出基于相关系数的模糊层次分析-熵权主客观组合权重法进行通信指标赋权;最后,结合改进的逼近理想解排序法计算加权评价得分获得适配结果。结果表明:所提评价模型和适配算法为新型本地数字化电力感知业务与通信技术适配提供了理论基础和解决方案。

自适应加权多尺度LTP的人脸识别

为克服人脸表情、光照变化等对图像中人脸识别结果的影响,提出一种自适应加权多尺度LTP的人脸识别算法。采用多尺度小波分析对人脸图像进行二级分解,将分解的一、二级逼近图像划分成互不重叠的子块,利用LTP算子提取每个子块的LTP纹理直方图;将各个子块图像的信息熵作为直方图加权的依据,对每个子块对应的直方图进行自适应加权,将所有子块的直方图连接成最终的纹理特征;使用卡方距离度量特征之间的相似度,用最近邻分类器实现分类识别。在YALE和AR两个标准人脸库上的实验结果表明,自适应加权多尺度LTP算子能够较好地描述人脸纹理特征,对表情变化和光照变化的人脸不敏感,有效提高了人脸识别率。

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。

基于综合特征的单样本人脸特征提取

为了有效地提取单训练人脸样本的特征,提出了一种新的人脸局部特征描述方法,改进了局部二进制模式的方向性描述单一的问题,并且加入了像素间变化趋势幅度的描述,称之为局部综合模式(Local Comprehensive Patterns,LCP)。首先对人脸样本图像进行分块,然后每个的分块子图像进行改进LCP算子运算;其次考虑到每个子块的特征对整幅人脸图像的贡献度不一致,提出了贡献度图谱(Contribution Map,CM);最后根据贡献度图谱对每个子块的改进LCP描述进行自适应加权融合形成最终的人脸描述特征,最后在ORL和Yale B库上进行了有效性的测试,与现有的多种算法进行比对,所提出的算法对于非限定环境下人脸的识别有良好的效果。

基于主梯度编码局部二进制模式的花粉图像识别

受显微传感器和不规则收集方法的影响,花粉图像常受到不同程度的噪声干扰且有着不同角度的旋转变化,识别精度普遍不高,为此提出了基于主梯度编码的局部二进制模式(DGLBP)描述子,并应用于花粉图像的分类识别。首先,计算图像块在主梯度方向上的梯度幅值;其次,分别计算图像块的径向、角向,以及复合梯度差;然后,根据各图像块的梯度差进行二进制编码,参照各局部区域的纹理分布情况为二进制编码自适应分配权重,并提取花粉图像在3个方向上的纹理特征直方图;最后,对不同尺度下的纹理特征直方图进行融合,采用欧氏距离计算各图像的相似度。DGLBP方法在Confocal和Pollenmonitor数据集上的平均正确识别率分别为94.33%和92.02%,与其他花粉识别方法相比平均提高了8.9个百分点和8.6个百分点,与LBP改进方法相比平均提高了18个百分点和18.5个百分点。实验结果表明,DGLBP描述子对花粉图像的噪声干扰和旋转变化具有较好的鲁棒性,且具有较优的识别效果。

自适应权重联合多尺度LBPV^2纹理分类方法

传统的局部二值模式仅局限于局部纹理信息的提取,忽略了全局纹理信息的表达,造成最终的纹理分类效果并不理想。为了解决以上问题,借鉴局部二值模式方差(LBPV)的优势,在此基础上提出了一种新的基于自适应权重联合多尺度LBPV^2的纹理图像分类方法。该方法将方差平方作为直方图累积权重取代原来的方差权重,并采用自适应权重联合多尺度方案来实现多尺度纹理信息提取,进一步提升了纹理图像描述子的分类性能。在国际公认的Outex纹理数据集上的仿真实验表明,提出的这种新的基于自适应权重联合多尺度LBPV^2的纹理图像分类方法能够实现纹理分类性能的显著改善。

自适应加权融合显著性结构张量和LBP的表情识别

针对局部二值模式(Local Binary Pattern,LBP)提取纹理特征时忽略了图像的局部结构信息问题,提出一种自适应加权融合显著性结构张量和LBP的表情识别算法。该算法通过对整幅图片进行显著性区域检测得到全局显著图来消除细小的纹理和噪声。在显著图的基础上进一步提取两种显著性纹理特征,根据每种特征信息熵的贡献度来作为特征向量的加权依据。利用支持向量机(Support Vector Machine,SVM)进行表情图像的分类。实验结果表明,自适应加权融合的两种纹理特征能够较好地描述人脸的特征,有效地提高表情识别率。

加权信息熵与增强局部二值模式结合的人脸识别

针对人脸识别因光照、姿态、表情、遮挡及噪声等多种因素的影响而导致的识别率不高的问题,提出一种加权信息熵(IEw)与自适应阈值环形局部二值模式(ATRLBP)算子相结合的人脸识别方法(IE(w)ATR-LBP)。首先,从原始人脸图像分块提取信息熵,得到每个子块的IEw;然后,利用ATRLBP算子分别对每个人脸子块提取特征从而得到概率直方图;最后,将各个块的IEw与概率直方图相乘,再串联成为原始人脸图像最后的特征直方图,并利用支持向量机(SVM)对人脸进行识别。在AR人脸库的表情、光照、遮挡A和遮挡B四个数据集上,IE(w)ATR-LBP方法分别取得了98.37%、94.17%、98.20%和99.34%的识别率。在ORL人脸库上,IE(w)ATR-LBP方法的最大识别率为99.85%;而且在ORL人脸库5次不同训练样本的实验中,与无噪声时相比,加入高斯和椒盐噪声后的平均识别率分别下降了14.04和2.95个百分点。实验结果表明,IE(w)ATR-LBP方法能够有效提高人脸在受光照、姿态、遮挡等影响时的识别率,尤其是存在表情变化及脉冲类噪声干扰时的识别率。

基于自适应加权子模式判别邻域投影的人脸识别方法

人脸识别是图像处理和模式识别中的研究热点问题之一,对此,文中提出了一种基于自适应加权子模式判别邻域投影的人脸识别方法。该方法首先将人脸图像划分成较小的人脸图像块,并将相同位置的子图像构建成子模式集;其次,为了提高低维特征的判别能力,同时考虑数据的局部结构信息和类别标签信息,对于每个子模式集,构建一个局部判别邻域图;最后,考虑不同子模式集对人脸图像识别的贡献,引入一个非负权值向量结合所有子模式集的局部散度矩阵,以找出同幅人脸图像的不同子图像之间的互补信息。实验结果表明,相比于其他方法,所提方法的性能更优。

利用渐消自适应EKF算法进行PDR-WiFi融合定位

针对基于指纹库的WiFi定位存在的点位重积、回跳,行人航位推算算法中误差积累的问题,提出了并实现了通过一种自适应加权扩展卡尔曼滤波对两种定位算法进行松耦合。首先给出了WiFi无线定位和行人航位推算进行位置解算的原理,采用渐消因子的自适应加权EKF算法实现了两者的融合,最后通过实测数据验证算法的有效性。试验表明,该方法在保持了WiFi定位单次定位高精度的特性的同时,继承了航位推算的连贯性,不仅减少了WiFi定位所存在的重复堆积点以及回跳点,并在一定程度上削弱了行人航位推算所存在的积累误差,提高了融合算法的效率,大大提高了室内定位的精度与稳定性。

自适应加权完全局部二值模式的表情识别

为了有效地提取局部特征和全局特征以提高表情识别的性能,提出自适应加权完全局部二值模式(AWCLBP)的人脸表情识别算法。首先对人脸表情图像进行预处理分离出表情子区域,与此同时生成表情子区域的贡献度图谱(CM);然后对表情子区域和整幅表情图像进行完全局部二值模式变换提取3种特征(差值符号特征CLBP_S、差值幅值特征CLBP_M、中心像素特征CLBP_C)并连接3种特征生成级联直方图,并根据CM对表情子区域的级联直方图进行加权与整张图像的直方图进行融合;最后用卡方距离和最近邻方法进行分类识别。该算法在JAFFE库上进行了实验并和LBP、Gabor小波、活动外观模型进行了比较,验证了该算法的有效性。

采用自适应加权扩展LBP的单样本人脸识别

提出了一种采用自适应加权扩展LBP(AWELBP,adaptively weighted extended local binarypattern)的单样本人脸描述方法,首先对单样本的人脸图像进行多尺度分块,对子块的图像进行扩展均匀LBP算子运算,同时同步生成图像局部熵图谱(LEM,local entropy map),计算每一子块对整体人脸图像纹理描述的贡献度图谱,根据贡献度图谱对每个子块的LBP直方图进行自适应加权,最后将各子块的LBP直方图进行连接形成人脸特征。本算法在ORL、Yale、Yale B人脸库上对部分遮挡、表情变化、光照变化等环境进行测试,并与传统算法以及与多种LBP改进算法进行比较,结果表明该算法对部分遮挡、表情变化和光照等环境下单样本人脸描述具有较好的效果。

融合局部特征的面部遮挡表情识别

目的针对人脸表情识别中存在局部遮挡的问题,提出一种融合局部特征的面部遮挡表情识别方法。方法首先,为了减少噪声的影响,利用高斯滤波对归一化后的图像进行去噪处理;然后根据人脸不同部位对表情识别的不同贡献度,将图像划分为两个重要的子区域,并分别对该子区域进行不重叠分块处理;采用改进的中心对称局部二值模式(差值中心对称局部二值模式DCS-LBP)和改进的差值局部方向模式(梯度中心对称局部方向模式GCS-LDP)对各个子块提取相应的特征,并采用级联的方式得到图像的特征直方图;最后结合最近邻分类器对表情图像进行分类识别:利用卡方距离求取测试集图像与训练集图像特征直方图之间的距离,同时考虑到遮挡的干扰以及每个子块包含信息量的不同,利用信息熵对子块得到的卡方距离进行自适应加权。结果在日本女性人脸表情库(JAFFE)和Cohn-Kanade(CK)人脸表情库上进行了3次交叉实验。在JAFFE库中随机遮挡、嘴部遮挡和眼部遮挡分别可以取得92.86%、94.76%和86.19%以上的平均识别率;在CK库中随机遮挡、嘴部遮挡和眼部遮挡分别可以取得99%、98.67%和99%以上的平均识别率。结论该特征提取方法通过融合梯度方向上灰度值的差异以及梯度方向之间边缘响应值的差异来描述图像的特征,更加完整地提取了图像的细节信息。针对遮挡情况,本文采用的图像分割和信息熵自适应加权方法,有效地降低了遮挡对表情识别的干扰。在相同的实验环境下,与经典的局部特征提取方法以及遮挡问题处理方法的对比表明了该方法的有效性和优越性。

加权局部二值模式的人脸特征提取

目的为了能够得到图像更加丰富的纹理特征,提出一种新的自适应加权局部二值模式算法。方法首先,将图像进行分块,利用新算法提取每个子块的局部二值模式的纹理直方图;然后,将各子图像的信息熵作为直方图的加权依据,对每个子块对应的直方图进行自适应加权,并将所有子块的直方图连接成最终的纹理特征。提取每个子块的局部纹理特征时的方法为:以某一像素点为中心取相邻的8个像素组成一个局部邻域,在该邻域内依据自适应设定的阈值分别比较3对水平方向和3对竖直方向像素值的大小,以此获得6位二进制码并将每位二进制码乘以相应的权重后相加,累加和即为该邻域新的局部二值模式纹理特征。结果在两大人脸数据库上进行的实验结果表明,利用本文提出的方法提取纹理特征,并结合最近邻分类法可以得到85.29%和96.50%的正确识别率。结论文中提出的自适应加权局部二值模式特征能够获取图像中更加丰富的纹理信息,因而具有较高的正确识别率,并且对于其他的物体识别也具有一定的参考价值。

医用光学中基于局部特征的高效稳健立体匹配算法

医用光学中为快速消除双目立体匹配歧义,提出一种基于局部特征、稳健高效的两步立体匹配方法。用局部二进制模板/对比度(LBP/C)纹理分析描述图像纹理并构造初始匹配成本;仅在垂直、水平方向内自适应地分配权值,消除匹配特征的相似歧义性,并行双通地聚合匹配成本;由赢者通吃法得到初始视差。为消除弱纹理、重复纹理和遮挡等引起的歧义,视差求精方案包括并行双通校准视差、基于映射检测遮挡、基于极线最小二乘拟合填充遮挡。实验表明,该算法计算效率高、结构简单,易于实现并消除匹配歧义,得到精度较高且分段平滑的视差。

基于改进代价计算和路径优化策略的匹配算法

为提升半全局匹配(SGM)算法效率,提出一种基于改进匹配代价计算和路径优化策略的立体匹配算法。代价计算阶段,通过对角线取点方式对局部二值模式(LBP)算子进行优化,降低时间复杂度和数据规模;代价聚合阶段,根据聚合逻辑选择5个方向进行扫描线优化,结合灰度相似性约束和距离约束条件,对聚合路径进行自适应权重赋值;再通过赢者通吃(WTA)策略计算初始视差值,通过左右一致性检测和二次多项式插值算法对视差图作进一步优化。最后算法在Middlebury 2.0和3.0数据平台上进行匹配效率验证,实验结果表明,所提算法相比SGM算法在不损失匹配准确度的情况下,代价计算阶段用时减少63.1%,代价聚合阶段用时减少39.3%,算法整体效率提升54.2%,达到效率提升的目的。