基于改进的子模式局部保持映射人脸识别方法

虽然子模式局部保持映射算法(Sub-pattern Locality Preserving Projections,SpLPP)对外部因素如光照、表情等变化具有较好的鲁棒性,但是流形的LPP在人脸识别过程中常常碰到奇异值问题,所以提出了一种利用奇异值分解的SpLPP方法,以此解决奇异值问题。该算法的关键点是将样本数据映射到一个非奇异正交矩阵中,然后再根据SpLPP求出新样本空间的低维投影子空间。在标准人脸数据库(ORL、YALE)上进行验证,实验结果表明改进的子模式局部保持映射算法在人脸识别中的有效性。

基于增强微结构和上下文相似度的图像检索

针对图像检索中多特征综合描述子维度过高且综合权值难以确定的缺点,提出一种新的基于增强微结构和上下文相似度的图像检索方法。首先,使用一种新的局部模式映射来创建过滤图;然后,基于该图上的颜色共生关系提取增强微结构描述子,该描述子综合了多种特征而维度与单特征相同,检索时使用此描述子计算图像对间的规范距离得出初始的有序相似图像序列;最后,结合迭代上下文相似度对检索序列进行重新排序。当迭代次数为50且考虑前24幅结果图像时,在Corel-5000和Corel-10000图像集上的实验结果显示,所提方法与同类型的多重基元直方图(MTH)和微结构描述子(MSD)方法相比,检索查准率分别提高了13.14%、7.09%和11.03%、6.8%。结果表明新方法能在维度不变的情况下综合多种特征并充分利用上下文信息,从而有效提高图像检索的准确率。