基于图像欧式距离的KPCA SAR图像目标识别算法

针对传统KPCA方法识别SAR图像时需首先对图像进行拉直处理问题进行研究,借助于图像欧式距离,提出了一种基于图像欧式距离的核函数构建方法,给出了3种基于图像欧式距离的核函数,并将其应用SAR图像识别中。以实测MSTAR数据为例,给出了识别结果和仿真分析,结果证明了该算法能够有效克服传统KPCA方法的局限性,是一种可行的方法。

基于核的图像欧式距离检测图像边缘算法

由于传统的图像欧式距离检测图像边缘算法对图像边缘检测完整度低的问题,已经不能满足人们对于图像细节特征信息的要求.针对这一问题,提出基于核的图像欧式距离检测图像边缘算法研究.基于核的算法进行梯度幅值计算,再通过抑制图像欧式距离非极大值,实现边缘操作数据融合.通过实验证明基于核的图像欧式距离检测图像边缘算法可以提高对图像边缘检测的完整度.

利用图像距离的监督LLE头部姿态估计方法

局部线性嵌入(LLE)是一种经典流形学习方法,直接应用这种非监督的传统LLE估计图像中的头部姿态存在两点不足:未考虑图像像素空间信息和未利用样本标记信息.因此,本文结合图像欧式距离和偏置LLE流形学习方法,对头部姿态图像降维,并通过广义回归神经网络(GRNN)和多元线性回归的方法,估计头部图像的姿态.在FacePix头部姿态数据库的对比实验表明,本方法具有较好的头部姿态估计效果.

基于多尺度中心化二值模式的人脸表情识别

现有局部二值模式(LBP)算子存在不足:产生的直方图维数过长、鉴别力不高、对噪声反应敏感.针对此类问题,提出中心化二值模式(CBP)算子,其优点:1)通过比较邻域中近邻点对,大大降低了直方图维数;2)考虑中心像素点的作用并赋予其最高权重,实现鉴别力的提高;3)改变LBP算子的符号函数,明显减弱白噪声对图像的影响.此外,为提高识别率,将多尺度CBP(MCBP)直方图作为人脸表征.为增强算法对表情图像中细小变形的鲁棒性,引入图像欧式距离(IMED)并将其嵌入MCBP方法.在JAFFE和Cohn-Kanade表情库的实验结果表明:所提方法优于其它表情识别方法,IMED可增强MCBP的表情识别能力.

一种半监督流形学习的人脸识别方法

针对传统线性降维方法忽略数据局部结构特性的问题,提出了一种基于半监督流形学习的方法。针对人脸识别采用图像欧式距离来选择各样本点的K近邻,由此得到修改后无监督判别投影中的邻接矩阵,在传统的无监督判别投影中,融入类标签信息获得几何最优投影。通过在人脸库上的大量比较实验,验证了该方法的准确性和有效性。