采用局部相位量化的合成语音检测方法

由于语音合成的便利性,合成伪装语音对说话人认证系统的安全构成了很大的威胁。为了进一步提升说话人认证系统的伪装语音检测能力,提出了一种利用语谱图频域信息的合成语音检测方法,它通过局部相位量化算法对语谱图频域信息进行描述。首先,将语谱图分为若干子块,然后对每个子块进行局部相位量化,经直方图统计分析后获得局部相位量化特征向量并将该特征向量作为随机森林分类器的输入特征,实现合成语音检测。实验结果表明,该方法进一步降低了合成语音检测系统的串联检测代价数值,并且具有更强的泛化能力。

局部相位量化在模糊图像识别中的研究进展

现代图像处理技术的不断发展,为人们提供了大量丰富的图像信息。图像处理手段很多,如图像去噪、图像平滑、图像去模糊、图像填充、图像分割等。处理模糊图像问题最具代表性的算法是局部相位量化(Local Phase Quantization,LPQ)和基于局部二进制模式(Local Binary Pattern,LBP)的算子。与LBP特征算子相比,LPQ特征算子对图像模糊不敏感,其特征提取更加稳定。从介绍LPQ算子开始,首先对LPQ算子的发展现状和应用领域进行分类和总结;其次详细阐述和评论每种实验方法;最后思考和讨论LPQ算子的发展方向。

基于局部Shearlet相位量化特征的人脸识别算法

针对LPQ算子提取的纹理特征易受光照、噪声影响,提出了一种在Shearlet变换幅值域内提取局部相位量化标记直方图的人脸描述方法。首先采用Shearlet滤波器提取其对应不同方向、不同尺度的多个Shearlet幅值域图谱,然后按照平均值融合法将相同尺度不同方向的幅值域图谱融合到一起,并对融合图谱进行分块,分别采用LPQ算子标记幅值域图谱,最后由这些标记直方图形成的序列来描述人脸。在ORL、FERET和YALE人脸库中做了多组实验并分别取得了98%、95%及97.33%的识别率,充分验证了该方法的有效性。

子区域局部相位量化在掌脉识别中的应用研究

在手掌静脉识别系统中,由于人体手掌生理结构特性,容易出现图像模糊现象,导致识别性能下降。针对这一实际问题,提出一种基于子区域局部相位量化(SLPQ)的鲁棒识别方法。首先建立了LPQ特征提取的基本模型,阐述了算法流程。然后将掌脉图像分成若干子区域,提取各分区LPQ特征,并加以融合,最后利用卡方距离匹配识别。在香港理工大学、中科院自动化所和自建的掌脉图库上进行了实验测试,结果表明,当图像子区域大小为16×16像素时,该方法获得了最低的等误率,分别为0.499 2%、11.040 1%和1.356 9%,相比其他典型方法具有优势,有效提升了手掌静脉识别系统的性能,增强了系统的抗模糊性,具有实际应用价值。

自适应加权局部相位量化的人脸识别

针对局部相位量化(LPQ)方法描述图像特征时不能对各个子图像不同的贡献率加以区分的问题,提出了一种自适应加权局部相位量化(AWLPQ)的人脸识别方法。首先对人脸图像进行分块并在每个子图像上进行LPQ特征提取,然后将信息熵作为衡量各个子图像对整体人脸描述的贡献度的依据,对每个子图像进行自适应加权。在FERET数据库上进行的实验表明AWLPQ具有较好的识别性能。随后针对AWLPQ中存在的高维向量问题,作了进一步分析,引入了近邻保持嵌入(NPE)的流形算法进行降维,提出了AWLPQ-NPE方法。实验结果表明该方法具有很好的鲁棒性和识别性能。

基于局部相位量化特征与多尺度分类的分块人脸识别

本文提出一种基于局部相位量化特征与多尺度分类相结合的方法进行人脸识别,该方法首先采用LPQ算子提取分块人脸灰度图象的LPQ直方图序列(LPQHS),然后采用PCA+LDA方法对采样后的特征数据进行降维,最后根据多尺度分类的原则进行分类识别.该算法不仅能够提取人脸纹理信息,而且能够大幅度地降低训练数据量,并且数据量的维数与原始图像大小无关.在ORL标准人脸数据库上的实验表明,该方法具有较高的识别率.

基于完备局部相位量化的低分辨率人脸识别

为了提高用低分辨率图像的人脸识别的效果,提出了一种基于完备局部相位量化(CLPQ)的低分辨率人脸识别方法。该方法分别用CLPQ_P算子和CLPQ_M算子提取低分辨率人脸图像的相位特征和幅值特征以形成CLPQ直方图作为图像的特征向量,然后进行直方图相似性比较,最后通过最近邻分类器进行人脸识别。实验表明,该算法对ORL和Yale低分辨率人脸图像的识别效果比LPQ方法更好,鲁棒性更高。

基于局部相位量化与仿生模式的伪装人脸识别算法

伪装条件下的鲁棒人脸识别,目前在人脸识别领域被日益重视,并认为是难点问题之一。本文采用非伪装建模方法,提出了一种基于局部相位量化特征提取与仿生模式识别理论的伪装人脸识别算法。该算法采用了局部相位量化方法进行对伪装模式下具有较好鲁棒性的相位统计特征提取,进而采用仿生神经元构建高维几何覆盖形体,有效利用了不同类别人脸特征的连续性,从而避免了伪装模式的干扰。在AR数据库及采用警用面部复合软件设计建立的伪装数据库上的仿真实验均表明,与现有主流算法相比较而言,本文所提识别算法在伪装条件下取得了较高的识别性能。

基于尺度不变特征转换与局部相位量化结合的人脸识别

提出尺度不变特征转换(scale invariant feature transform,SIFT)和局部相位量化(local phase quantization,LPQ)相结合的人脸图像识别算法.利用SIFT算法检测两幅人脸图像特征点,得到两幅图像的特征点集合;计算特征点邻域的LPQ特征,并将特征点邻域的集合表述为LPQ直方图序列,作为人脸图像的描述算法;采用特征点邻域距离比值进行匹配判定.实验表明在ORL标准人脸数据库上,该方法具有较高的识别率.

于局部相位量化的图像伪造检测算法

为解决当前图像伪造检测算法大多针对单一的伪造形式(复制-粘贴或者拼接),使其通用性弱,检测精度不佳的不足,提出基于Gabor小波变换耦合局部相位量化的图像伪造检测算法。将图像转换为YCbCr色度空间,在Cr通道上进行Gabor小波变换,得到每个尺度和方向的Gabor图像;定义局部相位量化(local phase quantization,LPQ)技术,利用LPQ的相位特征模糊不变性,准确提取每个Gabor图像的LPQ特征值,依据LPQ特征值构建整个图像的特征向量;利用支持向量机进行决策分类,完成图像内容伪造检测。测试结果表明,与当前伪造检测算法相比,所提算法具有更高正确率和检测精度,能够较好适用于不同图像伪造手段的检测。

利用局部相位量化实现图像质量评价的方法

提出一种利用局部相位量化LPQ(Local Phase Quantisation)来评价图像质量的方法。首先计算参考图像的LPQ编码,然后统计LPQ编码在该图像中的直方图。对需要评价的图像做相同操作。最后用Chi-square距离来度量参考图像和待评价图像质量的差别。实验表明提出的方法能够有效评价图像质量。

采用模糊多尺度局部相位量化的人脸识别

使用小波对人脸图像进行不同尺度的分解,获得对应的局部相位量化特征,结合模糊理论并融合各尺度下测试样本的差异隶属度,提出一种模糊多尺度局部相位量化的人脸识别方法。在ORL和FERET数据库上进行实验,结果表明,该方法的识别率较高,在提取更多人脸特征的同时,能避免传统多尺度方法中容易造成的高维问题,对光照和噪声具有更高的鲁棒性。

基于局部相位量化与多通道颜色的鲁棒人脸识别

针对非可控条件下的人脸识别问题,提出了一种新的融合多颜色通道的局部相位量化方法。首先,在不同颜色空间的各颜色通道图像上计算局部相位量化响应图,然后对每幅响应图分块计算统计直方图,最后将特定颜色通道的相似度进行融合。该方法充分利用了图像不同颜色通道间的互补特性。实验结果表明,该方法实用性好,鲁棒性强,在大规模非可控人脸数据库上取得了较好的结果。

局部相位量化特征的织物瑕疵检测算法

为实现快速有效的织物瑕疵自动检测,给出了一种基于局部相位量化特征与混合核函数SVM分类器相结合的算法.该算法首先采用LPQ算子提取分块织物瑕疵图像的LPQ直方图,然后采用混合核函数进行分类识别.该方法融合了两种算法的优越性,不仅能够提取织物瑕疵图像纹理信息,而且具有更好的学习能力和推广性,并且LPQ直方图的维数与原始图像大小无关.结果表明,该算法所确定的瑕疵位置与主观视觉吻合,相比经典算法,在检测效率上得到改善.

结合LoG边缘检测和增强局部相位量化的模糊图像识别

针对原始的局部相位量化(Local Phase Quantization,LPQ)算法对具有模糊不变性的相位特征描述不准确、缺少对图像重要细节信息描述的缺点,提出了一种结合高斯拉普拉斯(Laplace of Gaussian,LoG)边缘检测和增强局部相位量化(Enhanced Local Phase Quantization,ELPQ)的模糊图像识别算法,记为MrELPQ&MsLoG(Multi-resolution ELPQ and Multi-scale LoG)。首先,在频域中,将图像进行短时傅里叶变换后得到的实部与虚部进行正负量化和幅值量化,得到互补的符号特征ELPQ_S和幅值特征ELPQ_M;其次,在空间域中,利用多尺度高斯拉普拉斯与图像进行卷积得到图像空间域的边缘特征;最后,将频域上的符号特征ELPQ_S和幅值特征ELPQ_M与空间域上的边缘特征结合,生成最终的特征直方图,采用SVM进行识别。在有模糊干扰的Brodatz和KTH-TIPS纹理库中,文中提出的ELPQ算法相比原始的LPQ算法有较大的性能提升,且空间域和频域结合的MrELPQ&MsLoG算法能进一步提高算法的识别性能;在具有模糊的AR、Extend Yale B人脸库和实际拍摄的铁路扣件库中,将MrELPQ&MsLoG算法与目前模糊鲁棒性较好的算法进行对比发现,MrELPQ&MsLoG算法保持着较高的识别率。实验结果表明,MrELPQ&MsLoG算法对模糊具有较强的鲁棒性,且特征提取时间较短,具有实时性。

基于快速局部频率估计和量化跟踪的UKF相位展开算法

针对传统的无味卡尔曼相位展开算法效率和精度之间存在矛盾的问题,提出一种快速局部频率估计算法与量化质量图跟踪策略相结合的无味卡尔曼滤波(UKF)高效算法。快速局部频率估计算法首先利用二维傅里叶变换粗略计算出局部窗口内的复相位频谱的谱峰位置;然后,以谱峰为中心利用二维离散时间傅里叶变换快速算法计算出谱峰的精确位置,进而精确地获取局部频率值,得到UKF相位展开系统模型所需的相位梯度估计值;最后,将UKF算法与量化质量图跟踪策略相结合,利用量化质量图引导UKF相位展开,进一步提高展开的效率。仿真实验验证了方法的有效性。

多方向局部相位量化模式及纹理分类

梯度是图像的一种的特征,而同时考虑不同方向上的梯度信息是一种更加有效利用梯度的方式,因此提出多方向梯度的纹理局部相位量化模式算法。多方向梯度的纹理局部相位量化模式首先从不同方向提取图像的梯度特征,然后对每个方向上的梯度特征采用局部相位量化方法进行编码,各方向梯度采用相位量化编码后的特征连接成一个匹配特征向量。为了充分利用图像的梯度信息,还探讨了块模式的局部相位量化方法。两个纹理数据库和一个掌纹数据库上的实验充分表明,对图像各方向上的梯度信息进行局部相位量化编码是一种有效的纹理特征提取算法。

基于局部相位纹理表示的光照变化人脸识别算法

针对基于局部纹理的人脸表示不能较好解决不同光照条件下低分辨率人脸图像识别的问题,提出一种新的相位纹理表示法。该算法在局部邻域使用傅里叶变换相位的四象限掩码,减少来自更高幅值响应的滤波器中的错误滤波响应影响,从而产生更具判别性的代码滤波响应,相比局部相位量化(Local Phase Quantization,LPQ)受噪声影响大、量化离散效应等影响,相位纹理表示法更加有效和稳定。在CMU-PIE、扩展YALE-B和AR人脸数据库上的实验结果表明,本算法比局部相位量化更具描述性,识别率比LPQ和广泛使用的LBP(Local Binary Pattern,LBP)和方向梯度直方图(Histogram of Oriented Gradients,HOG)均有较大幅度的提高,对于增强光照条件,识别率增益小于1%,对光照变化的鲁棒性优于其他3种算法。

LPQ与NMF特征融合的人脸识别

提出一种融合局部相位量化(LPQ)和非负矩阵分解(NMF)进行人脸识别的方法.该方法首先采用LPQ算子提取分块人脸图像的LPQ直方图序列(LPQHS),根据每块的贡献度,得到权重的直方图序列(Weight LPQHS),然后采用NMF方法提取其非负子空间及其系数矩阵,最后根据最近邻原则进行识别.在AR和YALE标准人脸数据库上的实验结果表明,该方法具有较高的识别率.

融合LBP和LPQ的人脸识别

空域和频域分析是图像分析的重要方法,提出一种融合空域的局部二值模式(local binary pattern,LBP)和频域的局部相位量化(local phase quantization,LPQ)进行人脸识别的方法.该方法首先对人脸图像分别在空域提取LBP特征和频域提取LPQ特征,然后融合成LBP/LPQ直方图,进行直方图相似性比较,最后根据最近邻原则进行识别.在YALE和AR标准人脸数据库上的实验表明,该方法得到的结果比单个方法效果更好,鲁棒性更高.