白化主成分分析类算法在人脸识别中的应用

针对能量谱的不平衡性会影响人脸识别效果的问题,基于白化脸的概念提出了白化主成分分析类算法的框架。该算法框架使用1个白化滤波器和1个低通滤波器对原始图像进行预处理,然后结合传统的PCA类算法提取特征向量(或矩阵),最后通过k-NN分类方法进行人脸识别。利用ORL人脸图像库进行实验,实验结果表明该算法框架改善了人脸识别的效果,提高了识别的正确率。

基于稀疏编码的桥梁路面裂缝分类方法研究

针对桥梁安全和维护问题,提出了一种基于稀疏编码的桥梁路面裂缝分类方法.该方法从网上随机下载图片数据集作为训练集,减少人工标记的工作量,再用相机采集周围的桥梁路面裂缝图片作为测试集和验证集,针对这些高分辨率图像,采用改进的白化主成分分析进行降维,加速特征学习;针对裂缝图像特点,结合自学习算法,从大量未标识的数据集中提取尺度不变特征,经过改进的稀疏编码表示得到特征字典,并用空间金字塔进行池化;最后用线性支持向量机分类器进行分类.验证结果表明,与其他方法相比,本算法获得的分类准确率更高.

增强局部量化模式人脸识别算法

针对局部二值模式没有考虑邻域点之间的关系以及局部序数模式(LIOP)的邻域点数过少不足,提出一种利用大邻域范围内邻域点间序数信息的特征提取算法。该算法首先以类似LIOP编码的方式得到的邻域特征向量,然后应用k均值聚类算法降低特征向量的主模数量。同时此聚类过程可以离线进行并且运行十分高效;最终将级联直方图特征作为人脸特征向量。实验结果表明,该方法的鲁棒性和识别率均优于对比算法。最后应用WPCA算法既降低特征维数又提升了算法的识别率。