基于改进局部图结构的再认记忆脑电特征提取

为了研究再认记忆脑电的纹理特征,以及解决垂直对称局部图结构和对称局部图结构在提取脑电纹理特征时结构不稳定的问题。基于新旧范式设计了再认记忆实验,采集医学生和非医学生(均为35名)相关脑电,并且将这些脑电分为学习医学图片阶段、学习非医学图片阶段、再认旧医学图片阶段、再认旧非医学图片阶段、再认新医学图片阶段和再认新非医学图片阶段。首先,利用二维小波变换得到每位被试脑电的三个子频带,并提出改进集成局部图结构方法对原数据和3个子频带进行特征提取,改进算法纳入了具有稳定结构的扩展对称局部图结构和复合局部图结构;然后对特征进行归一化,避免结果过拟合,使用皮尔逊相关系数筛选出相关系数在0.8~1之间的特征矩阵列。在支持向量机等分类器上验证改进前后的算法,并使用正确率、精确率、召回率和F1评分这四个指标对模型进行评估。与改进前算法相比,改进后算法在支持向量机上的分类正确率分别提升3.8%,0.4%,0.3%,1.6%,5.1%和4.2%。分类结果说明医学生和非医学生在医学图片学习再认阶段存在明显差异,新加入扩展对称局部图结构和复合局部图结构比原算法中垂直对称局部图结构和对称局部图结构具有更好的分类性能。

基于加权紧凑局部图结构的人脸识别算法

针对局部图结构算法(local graph structure,LGS)构建图结构时用到的像素点距离中心像素太远,以及在图结构形成后分配权重时没有结合周围像素点到中心像素的距离因素问题,提出加权紧凑局部图结构(weighted compact local graph structure,WCLGS)算法。该算法定义了一种混合特征提取策略,从四个方向为中心像素点构建图结构,分别在垂直方向和对角线方向捕获对称和非对称信息,并且在图结构形成后对距中心像素点近的边赋较大的权重,对距中心像素点远的边赋较小的权重。WCLGS通过提取更近的像素点信息和合理的加权策略,密切关注中心像素点的近邻元素的差异,使得中心点两侧的信息提取更加均匀充分。实验证明,与现有的一些局部图结构算法相比,WCLGS在ORL(Olivetti Research Laboratory)、AR(active record)和HD(high definition)热红外人脸数据库上有更好的识别率和性能。

改进局部图结构结合加权纹理估计的人脸识别算法

针对一般纹理描述子在姿势、光照和面部表情变化时不能较好描述人脸纹理特征,提出一种改进的局部图结构(MLGS)结合加权纹理估计的人脸识别算法。首先,改进的算子基于阈值邻域像素计算出每个像素的新特征值,生成直方图;然后在训练阶段存储所有训练文件的直方图作为每个用户的模板;最后,利用加权纹理估计完成人脸识别。在AT&T和Yale人脸数据集上的实验结果表明,即使只有10%的训练文件(每个用户一个训练文件)本文算法仍获得最高精度。此外,在10%的训练文件时,其算法具有最低的错误接受率(FAR)和错误拒绝率(FRR)。相比其他几种优秀的算法,算法取得更好的识别性能。

局部图结构与卷积神经网络的人脸识别

为了使卷积神经网络在图片处理过程中能够提取更多的局部特征与提高人脸识别的准确率,提出了基于局部图结构与改进的卷积神经网络结合的方法。利用局部图结构提取了测试人脸数据库Yale的特征,将处理过的图片当做卷积神经网络的输入数据,训练、测试与验证模型的正确率,通过局部图结构提取自建的人脸数据库的特征,将处理过的图片和原始图片输入网络进行训练和测试,提取随机选取样片验证识别的正确率。结果表明,该方法不论是在Yale库还是在自建库中,识别的准确率都有所提高。

指静脉红外图像特征不变性编码新方法

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势,成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像,加之手指内部其他组织的固有影响,图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合,重点研究一种新的对称邻域交叉图结构,将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图,充分表达像素点周围邻域的位置信息和梯度信息,具有良好的旋转不变性。实验结果表明:提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能,对图像姿态变化更鲁棒。