基于相位一致性图像的模块化PCA人脸识别方法

提出了一种新的基于相位一致性的模块化PCA的人脸识别方法。解决了人脸识别受光照影响的问题。首先得到人脸训练样本的相位一致性图像;然后将人脸相位一致性图像划分为更小的子模块,用PCA方法处理这些子模块图像。在姿势、光照以及表情变化的情况下同一个人的局部面部特征是不变的,因此用该方法来处理这些变化。给出了传统的模块化PCA方法与该方法在不同姿势、光照和表情变化条件下的对比实验结果。实验结果表明该方法的人脸识别率较传统模块化PCA方法有了较大提高。

一种改进的模块2DPCA人脸识别新方法

提出了一种改进的模块2DPCA方法,即基于类内平均脸的分块2DPCA算法。该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块进行规范化处理,然后由所有规范化后的子块构成总体散布矩阵,从而得到最优投影矩阵;由训练集的全体子块的平均值对训练样本的子块和测试样本的子块进行规范化后投影到最优投影矩阵,得到识别特征;最后用最近距离分类器分类。在ORL人脸库上的实验结果表明,提出的方法在识别性能上明显优于2DPCA方法和普通模块2DPCA方法。

基于二代Curvelet变换与MPCA的可见光与红外图像融合

针对同一场景红外图像与可见光图像的融合问题,提出了一种基于二代Curvelet变换与模块化主成分分析(MPCA)的图像融合新方法。首先对原始图像分别进行快速离散Curvelet变换,得到不同尺度和方向下的粗细尺度系数;根据红外图像与可见光图像的不同物理特性以及人类视觉系统特性,对粗尺度系数的选择,采用基于模块化主成分分析(MPCA)的融合规则,确定融合权值,而对不同尺度与方向下的细尺度系数的选择,采用基于局部区域能量的融合规则;最后经Curvelet逆变换得到融合结果。实验结果表明,该方法能够更加有效、准确地提取图像中的特征,在主观视觉效果与客观评价指标上均取得了较好的融合效果,是一种可行有效的图像融合算法。

M2DPCA与CCLDA相结合的人脸识别

CCLDA算法将图像矩阵转化为向量进行处理,该算法易造成数据维数很大,计算量复杂并容易出现"小样本"等问题。针对以上这些问题,提出了一种基于模块化2DPCA和CCLDA相结合的协同处理方法并应用于人脸识别领域。并且在ORL和XM2VTS人脸库上的实验结果表明,新方法在识别效果上有比以往的算法更为明显的优势。

一种M2DPCA和NSA相结合的人脸识别方法

将非参数子空间分析方法(NSA)和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。