人脸识别中多目标最优不相关图像鉴别分析研究

考虑图像投影鉴别分析问题,为提高特征抽取的速度和识别率,利用图像矩阵直接构造图像散布矩阵,在具有统计不相关的条件下将Foley-Sammon鉴别分析(FSLDA)转化为两目标约束优化问题,并给出了有效投影向量的概念;根据多目标优化的最优性条件可将求取有效投影向量的问题归结为求广义特征方程的最大特征值对应的特征向量,并据此进行特征抽取,进而提出了两目标最优图像投影鉴别分析方法。与其他鉴别投影分析方法相比,该方法具有以下特点:(1)可直接由图像矩阵构建散布矩阵;(2)有效投影向量具有统计不相关性;(3)训练样本的类内散布矩阵不必为可逆的,也不需要求某种形式矩阵的逆。在ORL标准人脸库和NUST603人脸库上的试验结果表明,上述图像投影鉴别分析方法在识别性能上较以往的方法有一定的提高,尤其是特征抽取的速度有明显的提高。

一种体视显微图像误匹配消除方法

针对尺度不变特征变换(SIFT)匹配中存在的误匹配问题和立体图像特点,提出一种误匹配消除方法。对体视显微图像进行SIFT特征匹配初步得到匹配对,结合体视显微镜标定参数,计算三维点云坐标。将三维点云分别投影到左、右图像中得到新的匹配对,新投影点的图像坐标分别与原来匹配点的图像坐标相减,生成投影向量集。通过左、右2个投影向量集幅值和方向的异常值剔除,实现误匹配消除。实验结果表明,实验图像的误匹配消除率达到100%,同时不消除正确匹配点,提高了匹配精度。