基于分块CBP特征和稀疏表示的三维人脸表情识别

在三维人脸表情识别中,基于局部二值模式(LBP)算子算法与传统的特征提取算法相比具有特征提取准确、精细、光照不变性等优点,但也有直方图维数高、判别能力差、冗余信息大的缺点.本文提出一种通过对整幅图像进行多尺度分块提取CBP特征的CBP算法,能够更有效的提取分类特征.再结合使用稀疏表达分类器实现对特征进行分类和识别.经实验结果表明,与传统LBP算法和SVM分类识别算法对比,文中算法用于人脸表情的识别的识别率得到大幅度提高.

一种基于分块个体子空间的人脸识别方法

针对传统PCA算法的局限性,本文提出了一种基于个体子空间和分块特征提取的人脸识别方法。该方法不同于传统的PCA算法,它为每一个体人脸对象建立一个该个体对象所独有的人脸子空间,并且运用分块特征提取,加强了对样本局部特征信息的提取。在识别过程中,将待测人脸图像对不同个体人脸子空间进行投影后,再运用最近距离分类原则进行分类识别。该方法相对于传统的PCA算法能够更好地描述不同个体人脸之间的差异性,克服各类噪声。本文的实验结果表明,该方法的识别率相对于传统PCA特征脸算法具有一定的提高,能够较好地克服光照、表情和姿态变化的影响。

基于混合色彩空间的分块颜色特征提取算法

颜色特征能够有效地表征图像的颜色分布。但是,现有的颜色特征提取算法基于单一色彩空间,颜色矩作为最常用的全局颜色特征向量,往往会因为忽略图像的空间特征导致检索错误。针对上述不足,提出了一种基于混合色彩空间分块颜色特征提取算法,并将所提取的颜色特征与纹理特征相结合,用于图像的分类识别中。实验结果证明:无论是国画还是普通图像,分类识别过程中,本文算法相比普通的单一色彩空间颜色特征提取算法,其查准率和查全率均得到明显提高,并且图像分块之后,其查准率和查全率还能进一步提高。

木材节子缺陷检测与定位方法

表面缺陷检测在木材的选择和利用中具有重要作用。提出了一种基于木材表面图像的灰度和纹理特征的木材节子缺陷检测与定位方法。首先,将图像分成相同大小的子图,计算每个子块图像的灰度直方图,以灰度最大熵作为判断依据对各子块图像进行初步识别;然后利用局部二值模式算法提取初步识别结果中各子块图像的纹理特征,并使用支持向量机分类算法进行节子图像的精确识别;最后将识别为节子图像的各子块图像拼接起来,得到最终识别结果。实验结果表明,所提方法能够得到较好的识别结果。采用混淆矩阵作为评价标准时,识别准确率可达到95%。