基于隶属度的人脸图像特征抽取和识别

本文首先从代数理论和模糊数学导出一种新概念：矢量隶属函数，由此构造图像的隶属函数，并证明它具有一些不变性，提出一种基于隶属函数的图像特征抽取和识别方法，并应用于人脸图像识别问题．实验结果表明，隶属函数具有良好的识别分离能力．

一种使用计算机提取人脸图像特征的阈值最优分层法

在人脸识别中,人脸图像对光照环境变化非常敏感,并严重地影响人脸图像的识别率。针对这一问题,提出了一种使用计算机提取人脸图像特征的阈值最优分层法。该方法依据定义的图象空间分割原理,将图像阈值的选取问题转化为阈值的最优化问题,对所设计的目标函数引入加权系数,并利用单纯形法进行寻优,使问题的求解更符合实际。采用ORL人脸数据库进行仿真实验,利用阈值最优分层法将人脸图象空间划分成不相重叠的子图象空间,使每层子图象空间象素数均匀分布。结果表明,该方法具有阈值自适应调节的特性,避免了固定阈值选取对光照环境变化非常敏感的缺点,对人脸图像的识别具有一定的意义。

基于三元空间融合的模糊人脸图像特征相似度识别

提出一种基于三元空间融合的模糊人脸图像特征相似度识别方法。通过建立模糊人脸图像特征相似度投影矩阵,将模糊人脸图像映射到同一个特征表示空间,得到维数一致的特征向量;针对10种LIH特征相似度进行分析,确定模糊人脸图像特征相似度信息能量百分比;使用三元空间融合技术中编码的方式描述模糊人脸图像中的特征描述子,基于三元空间融合提取局部特征描述子;通过设计对称表示相似性度量方法,取得最完整的特征相似度识别结果。实验结果表明,该方法可以实现模糊人脸图像特征相似度精准识别,其特征相似度识别分辨率明显高于传统方法。

基于彩色和局部特征信息的人脸检测

人脸检测的研究近年来日益受到了广泛的重视,基于计算机的自动人脸识别系统仍面临着种种困难,特别是针对复杂背景中的人脸检测问题.在充分分析人脸图像的特征的基础上,提出将多项图像分析技术结合应用来构造多层次的检测方法,实现人脸图像自动.实验结果表明,该方法能够达到84%以上的准确率,其中直接从包含人脸像的图像值检测出人脸的效率高达76%,对具有较高的实用性和应用价值.

基于神经网络的人脸图像识别算法

0引言 人脸识别已经成为计算机视觉和机器学习领域的研究热点之一,也是图像分析理解领域最成功的应用之一。人脸识别系统主要是把一幅检测图像与数据库中的训练图像相比较从而得出识别结果。在常用的人脸识别算法中,由于受人的面部表情、装饰物的变化以及环境因素等的影响,最重要的步骤就是如何描述和选取合适的人脸图像特征,以提高人脸识别和检索的精度。人脸识别的复杂性在于面部特征会随着外部及内部条件的变化产生连续的变化。尽管有这些变化，我们人类仍能够在不同环境下识别面部特征，但是机器却不具备人脑所具备的这种能力，这就启发我们模仿人脑的结构模型和思维模式，利用人工神经网络进行人脸识别。

基于流形学习的正交稀疏保留投影

稀疏保留投影通过保留样本之间的全局稀疏重构关系来进行特征提取,获得了良好的分类效果。但是,稀疏保留投影得到的投影变换通常不是正交的,而且在实际应用中,正交性一直被认为有利于提高鉴别能力。另外,根据流形学习理论,局部流形结构比全局欧式结构更重要。因此,文中在稀疏保留投影中引入了流形结构保留和正交投影,提出了整体正交流形稀疏保留投影(HOMSPP)和迭代正交流形稀疏保留投影(IOMSPP)两种实现算法来实现人脸和掌纹图像的特征提取。