基于多图像组信息的人脸识别研究

提出利用多图像组信息构建二部学习框架进行人脸识别。首先,利用两种不同的多图像组信息源分别学习两个相应的度量空间模型;其次,将得到的模型合并为一个统一的判别距离度量空间;最后,对所构建的二部学习框架进行范化,使得框架中的多图像组信息能够用来进行子空间学习和距离度量学习。通过在多个标准通用数据集上得到实验结果验证了所提出方法的有效性。

基于灰度与边缘的图像分割方法

提出一种基于多图像信息的图像分割方法，利用Ｂａｙｅｓ分类准则，根据每个像素的多图像信息向量将其分为目标或背景，并对动态图像组成的图像序列或静态图像的分割给出了不同的像素分类准则，同时给出了硬件实时实现的原理，该方法适用于图像序列、低对比度图像和其它难于用一种图像信息分割的图像。实验证明了该方法的有效性。