基于分块PCA的人脸识别

设计了一种基于分块主分量分析(Block-PCA)的人脸识别方案。预处理阶段,首先将一幅脸像按不同方位划分为大小相同的数个子块,对各子块进行能量归一化和傅氏变换,以消除部分光照影响并估算子块的频谱。在此基础上进行分块PCA,提取各子块主分量特征,再将子块的主分量特征整合为整体特征,最后采用最近邻判决准则进行分类识别。对ORL人脸数据库的实验结果表明所设计方案是有效的。

面向时延数据的分块PCA红外人脸识别

时延数据下的高识别性能是红外人脸识别系统应用的基础,提出一种基于分块PCA的红外人脸识别方法,提高红外人脸识别系统对时延数据识别率.为了充分利用图像的局部特征,对图像进行大小分块,并对各分块图像进行主成分分析;然后,为了缓解外部环境温度对识别的影响,通过训练学习不同温度下的红外人脸数据,去除每个图像块受环境温度影响较大的特征值.最后,为了结合整体特征,并将余下的特征值组合成特征向量用于识别.实验结果表明,本文提出的方法可以提高红外人脸识别系统对时延数据的识别率.

分块PCA加权与FLD结合的血流图红外人脸识别方法

传统红外人脸识别方法都是基于全局特征的识别方法,为了充分利用人脸的局部特征,提出一种基于血流图的分块PCA+FLD的红外人脸识别方法.通过血流模型把红外温谱图转换成血流图,能够利用人体的生物特征增加样本之间的类间距,并减少样本之间类内距.基于各个分块的类间距与类内距比值大小(RD),分块PCA加权可以自适应地提取更适合识别的人脸局部特征,同时还可以缓解Fisher线性判别的小样本问题(零空间问题).实验表明,分块PCA+FLD并不会减少整体特征提取中有用识别信息的提取,而且可以突出局部特征对识别贡献,提高本方法的识别率.

基于分布式ICA-PCA模型的工业过程故障监测

提出基于分布式ICA-PCA(independent component analysis-principal component analysis)模型的工业过程故障监测方法,适合于复杂工业过程难以自动划分子块及过程数据存在非高斯信息的情况。首先,对过程数据进行PCA分解,并在PCA主成分不同的方向上构建不同的子块,把原始特征空间自动划分为不同子空间。然后,对各个子块采用ICA-PCA两步信息提取的策略,提取出高斯信息和非高斯信息,并构建新的统计量和统计限。最后,通过Tennessee Eastman(TE)过程的仿真实验,验证所提出故障监测模型的有效性和可行性。

基于形状自适应PCA的三维块匹配图像去噪

三维块匹配法中3-D变换真实信号的稀疏表达能力较弱,针对该问题,提出一种关于图像去噪的三维块匹配(BM3D)改进算法。采用形状自适应的图像块(邻域)代替BM3D算法中的平方窗图像块,对3-D变换处理的形状自适应图像块进行PCA变换。实验结果证明,该算法能够有效去除图像的高斯噪声,提高图像的峰值性噪比和结构相似度,且在保持图像的边缘等细节信息方面性能较好,图像视觉效果有明显改善。

基于改进的加权分块2D-PCA人脸识别技术的研究

比较了PCA(Principal Component Analysis)和2D-PCA(Two-Dimensional Principal Component Analysis)人脸识别算法。在2D-PCA的基础上提出了一种改进算法,即基于整体区域、感兴趣区域与非感兴趣区域的加权分块2D-PCA算法。该算法借助权值的动态调整,最终实现了最优解。基于知名脸库ORL设计实验来验证文中提出的改进的加权分块2D-PCA算法。分析试验结果表明,发现本算法识别率达到97.5%,较PCA算法提高21.66%,较2D-PCA算法提高10.08%,进一步证实本算法较PCA和2D-PCA显著提高了人脸识别的准确率。

基于MB-LBP算子和Multilinear PCA算法的人脸识别

针对运用MB-LBP算法提取的人脸特征维数较高、而直接用MB-LBP算法提取的特征进行人脸识别时计算量较大的问题,提出一种融合MB-LBP和Multilinear PCA算法的新的人脸识别方法。首先利用MB-LBP算法提取人脸图像的特征;然后用Multilinear PCA算法对提取的人脸特征进行降维;最后用最近邻分类器进行人脸识别。在FERET人脸库上进行验证,实验结果表明,该方法的识别率高于传统PCA、分块PCA、LBP和PCA相结合的方法。

一种基于类间类内双权重图像分块PCA的人脸识别技术

提出一种将加权分块图像和主成分分析(PCA)相结合的人脸识别方法.该方法首先根据同类训练样本的平均图像与所有训练样本平均图像的距离以及类内训练样本图像与该类平均图像的距离,分别定义类间和类内图像加权函数,以获得每个训练样本图像的权重;然后将训练样本图像分块,构建所有同位置加权分块图像空间;接着基于新的样本空间对所有同位置图像分别采用PCA方法提取特征;最后用最近邻分类器实现模式分类.实验结果显示该方法较普通MPCA方法有效提高了识别率.

基于环形对称Gabor变换和分块PCA的人脸识别

提出了利用一种新方法获取合适的环形对称Gabor核函数窗口提取人脸图像的纹理信息,并结合改进的PCA进行人脸识别的方法。首先将人脸与环形Gabor小波函数卷积得到图像在5个尺度上的变换,该过程采用一种新方法获取合适的Gabor核函数窗口,以保证与人脸图像卷积后得到更为合理的人脸特征,同时利用一种新的分块PCA方法,将环形Gabor滤波后的子图像分组,对分组后的图像平均分块再进行降维,在空间位置上提取出Gabor人脸细节的主要特征,有效降低了人脸特征冗余。通过实验验证该方法在3.5 m内对人脸识别率达到95%,单个人脸识别时间小于0.22 s。

人脸识别中PCA,2DPCA以及分块PCA的性能分析与比较

PCA,即Principal Component Analysis,主成分分析方法,是一种得到广泛应用的人脸识别方法。近年来,为了减少传统PCA的计算开销,出现了2DPCA和分块PCA。PCA将图像看作向量而2DPCA将图像看作矩阵,分块PCA则将图像分块运用不同的PCA算法。对PCA,2DPCA以及分块PCA的思想进行了介绍,并通过实验对他们的性能进行了比较,总结了主要的优缺点。

PCA分块Rees矩阵半群

用·-幺半群和这类半群的双系构造了PCA分块Rees矩阵半群,这类半群是PA分块Rees矩阵半群的一种推广,并举例表明一个半群可以是PCA分块Rees矩阵半群,但不是PA分块Rees矩阵半群.

基于PCA的条形码定位识别方法

为准确定位识别条形码,提出了一种条形码定位识别算法。对图像进行预处理,通过自适应分块技术对图像进行分块,运用主成分分析方法(PCA)对梯度方向一致的图像块进行筛选,并利用形态学方法对条形码进行定位识别。为加速这一处理过程,算法采用了图像金字塔。实验结果表明,该算法对有旋转角度的条码和多条码的识别有很好的效果,且能适应不同分辨率的条码定位识别。

基于改进PCA算法的人脸识别

由于经典的PCA算法要求样本满足高斯分布,然而现实中的样本往往因为表情、角度、光照等原因不满足高斯分布,导致算法识别率不高。因此,提出一种基于改进PCA算法的人脸识别方法。首先,将具有相似特征(表情、角度、亮度)的不同样本通过分块方式划分在一个矩阵中,使样本趋于高斯分布;其次,通过直方图均衡化样本的方法,加强样本对比度,以突出样本的人脸器官特征;最后采用经典PCA算法进行辨识。通过在ORL人脸库上的实验得出,该方法不但耗费总时间少于经典的PCA算法,而且识别率也得到提升,具有一定可行性。

基于识别信心决策融合的分块PCA方法

分块主成分分析(BPCA)方法忽视模块间特征向量的质量差异,在遮挡环境中的识别率较低。为此,提出基于识别信心决策融合的分块PCA人脸识别方法。该方法将人脸图像划分为子模块,利用PCA和最近邻分类器分别识别各模块,得到模块识别结果及其对应的识别距离,依据识别距离区分各模块识别信心的大小,最终决策结果判定为对应最大识别信心的模块识别结果。AR人脸库的实验结果表明,该方法在遮挡环境中的识别率明显优于PCA和BPCA方法,对遮挡环境的适应能力显著增强。

基于分块PCA和SVM的零件识别分类系统

针对工厂流水线零件的自动分拣,提出一种基于分块主成分分析和支持向量机(分块PCA-SVM)算法的零件识别分类系统。针对用PCA算法提取特征受外界噪声及光照环境影响较大的问题,本系统运用分块PCA算法,能够有效地抽取图像局部特征,进而提高识别率;采用基于高斯核函数的SVM(支持向量机)对特征数据进行训练,同时利用网格搜索法优化SVM参数。实验结果表明,改进的算法具有较高的性能,识别速度快且识别率达95%,能用于实际工厂流水线零件的自动分拣。

老旧街区既有建筑改造影响因素研究——存量开发视角下基于PCA分析模型

转"增量开发"为"存量开发"这一发展理念的提出,使得老旧街区在开发建设与肌理延续之间谋得平衡点。既有建筑作为老旧街区的主体之一,是街区再生重构的主要对象。为提高老旧街区既有建筑重构质量,避免资源"二次浪费",本文从存量开发视角,针对老旧街区中既有建筑改造的影响因素进行研究,采用PCA构建分析模型,并根据分析结果提出了主要影响因素的应对策略,以期为老旧街区既有建筑改造提供借鉴参考。

船体分段测量点数据与CAD模型自动匹配方法研究

为了能准确分析船体分段的建造误差,给出合理的建造精度评价,船体分段测量点数据与CAD模型的精准匹配是关键.针对目前船厂通常采用全站仪进行测量,提出一种以全站仪测得的船体分段测量点集为处理对象,自动进行测量点数据与CAD模型匹配的算法.该算法分粗匹配与精匹配两部分,粗匹配采用主元分析(PCA)法来缩小测量点集与CAD模型点集间的错位,通过搜索最近点法来确定对应点对;精匹配以粗匹配的结果作为初始位置,采用欧拉旋转理论对测量点集进行旋转和平移调整使匹配结果最优.实例表明,该算法不需要明确测量点与CAD模型点的对应关系,能自动匹配二者,准确地评价船体分段建造精度,为后续装配提供依据.

煤矿调度室员工自动签到系统的设计

针对煤矿采用的打卡记名等常规考勤方法存在的考勤信息不准确问题,采用人脸识别技术设计了一种煤矿调度室员工自动签到系统,介绍了系统的总体设计方案及人脸识别算法。该系统首先采集人脸图像并进行预处理,然后采用Adaboost算法进行人脸检测,最后采用POEM+分块PCA算法及最近邻法分类器对采集到的人脸图像进行识别,以实现调度室员工的自动签到功能,并对考勤状况加以记录,为员工考核提供依据。

一种基于分块小波的人脸识别算法

提出一种基于分块小波的人脸识别新算法。在充分考虑提取局部特征,又克服小样本问题的基础上,提出分块小波的概念。首先,对小波分解后的低频子图进行分块,提取局部特征,从而降低图像维数并除去冗余噪声;将其先后进行PCA和LDA变换,得到组合特征向量;最后,根据KNN的快速分类能力及SVM在少数类别分类上的优势,提出KNN+SVM融合分类器对组合特征向量进行分类识别。研究结果表明:该方法识别率高,识别速度快,具有一定的实用价值。

一种基于图像区域分块的SIFT快速配准方法

针对传统尺度不变特征变换(SIFT)算法在特征提取与描述时计算量大、实时性差的问题,提出一种基于区域分块的SIFT的快速配准方法。首先,将匹配图像和待匹配图像分割成若干均匀的子图,通过计算每个子图的信息熵值与设定阈值比较来确定局部子图的特征类型;对筛选出来的特征区域的子图进行特征提取和生成PCA-SIFT描述子,对筛选出来的平坦区域直接跳过,不进行检测。实验结果表明:提出的方法在保证配准精度90%以上的情况下,计算时间减少了15%~25%左右,提高了图像配准的速度。