基于增强Gabor特征和直接分步线性判别分析的人脸识别

Gabor特征能从不同方向和尺度有效表示人脸图片的局部特征,但是利用传统Gabor特征的方法却忽略原始人脸图片所包含的全局特征.文中把Gabor特征和原始图片信息结合起来,构成增强的Gabor特征,并结合直接分步线性判别分析算法,提出一种人脸识别方法.在Yale、ORL和GeorgiaTech人脸库的仿真实验结果表明,相对于传统Gabor特征,增强Gabor特征能够有效提高人脸识别率.

基于双向二维直接线性判别分析的人脸表情识别

提出基于双向二维直接线性判别分析的人脸表情识别新算法。新算法从水平和垂直两个方向对图像矩阵执行直接线性判别分析,从二维图像中提取图像协方差矩阵,降低特征维数,减少表示图像时所需要的系数及其存储空间。另外,不使用奇异值分解方法,便可得到图像协方差矩阵的特征向量,能够精确地估计图像协方差矩阵。在JAFFE人脸表情数据库中的试验结果表明,所提算法具有较高的识别率。

基于新的Gabor变换与直接LDA方法的人脸识别

提出一种基于新的Gabor滤波变换与直接线性判别分析的人脸识别方法(GDLDA)。首先应用一种新的Gabor小波对脸谱图像进行滤波变换,然后应用直接线性判别分析法(DLDA)提取经滤波变换后的脸谱Gabor变换特征进行识别。最后使用近邻算法在标准AT&T脸谱数据库上对GDLDA与DLDA方法进行脸谱分类识别比较,实验结果表明了GDLDA方法的有效性。

基于direct LDA的幅度谱子空间雷达目标识别

针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA&SVM。先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-all支撑向量机(SVM)多类分类器进行目标识别。并设计了最短距离分类器与SVM分类器比较。基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA&SVM可显著降低数据维数并提高识别性能。

年龄变化条件下采用Gabor金字塔的人脸描述与识别

随着年龄的增长,人脸特征会发生不同程度的改变,这些改变主要包括形状特征变化和纹理特征变化,从而给人脸识别问题增加了难度。为了精确地描述年龄变化条件下人脸形状和纹理特征以提高人脸识别的精度,首先将Gabor小波运用在金字塔模型上,形成Gabor金字塔特征序列,利用均值网格对Gabor金字塔特征序列进行初步降维去噪;然后将不同样本同一方向和尺度的Gabor金字塔特征进行重组;最后构造40个并行分类器,利用直接分步线性判别分析(DF-LDA)算法进行分类识别。实验结果表明,Gabor金字塔特征序列能够提高年龄变化条件下人脸识别的精度。

幅度谱差分子空间雷达自动目标识别

雷达高分辨距离像是目标的重要结构特征,其维数通常很高,造成数据可分性表达差,识别过程计算复杂度高,识别率低。为降低距离像的维数,提出一种新的距离像特征提取方法,即采用直接线性判别分析(dLDA)在距离像幅度谱差分空间进行特征提取,得dLDA幅度谱差分子空间。目标识别即在所得dLDA幅度谱差分子空间中进行。采用外场实测数据,分别训练了最小距离分类器和one-against-all支撑向量机分类器,2种分类器的识别结果均表明,该方法可显著地降低数据维数并提高识别率。

不同规模数据集下的人脸识别方法(英文)

系统研究了类内变化和类数目增加所引起的人脸识别中的非线性识别问题,并比较了线性识别方法和非线性识别方法在不同用户集规模下的适用性.采用CAS-PEAL大型人脸数据库中的表情集(330人)和姿势集(1 000人)进行了3组实验.实验结果表明:当训练集的人数在300人(表情集)以内时,增加类内的变化不会对线性识别方法造成影响,并可以提高识别的准确率;但是,当保持类内图片数不变而增加类的数目时,类数(人数)增加对线性方法和非线性方法产生了不同的影响.随着人数增加,线性识别方法的识别准确率逐渐降低,而基于核方法的非线性方法却能够一直保持识别准确率的稳定.因此,应该根据类的总数合理地选择识别方法,并合理地设计类内的图片数,这样有助于提高人脸识别系统的识别率.同时,实验也验证了基于核方法(kernel)的非线性人脸识别方法更适宜于人数规模较大的情况.

基于D-LDA与最近特征分类法的眼虹膜识别系统

以3个主要处理阶段来实现一个高识别率的虹膜识别系统。撷取人眼图像进而分离出虹膜图像,再利用图像处理予以改善,使得虹膜图像更适于后续的识别。接着建立虹膜的特征向量,在虹膜图像展开的过程中,解决了虹膜图像旋转不变性的问题,然后利用直接线性判别分析(D-LDA)的方式进行特征抽取,使得所产生出来的特征向量拥有最大类别间距离与最小类别内距离的特性。最后,探讨多种最近特征分类法与其识别效果,并将上述方法设计完成一套眼虹膜识别系统。实验结果显示,在样本特征向量数较少的情况下识别率有96.47%,如果在每个类别中增加样本特征向量的数量,则系统的识别率可以达到98.50%。

核Direct LDA子空间高光谱影像地物分类

为降低高光谱影像的数据维数,提高地物分类识别效率,提出了一种地物分类方法——核直接线性判别分析(Kernel Direct Linear Discriminant Analysis,KDLDA)子空间法;并推导出类先验概率的一般形式下KDLDA的解。KDLDA子空间法先采用KDLDA提取遥感影像的非线性可分特征,然后在KDLDA子空间采用最小距离分类器进行分类识别。机载可见光/红外成像光谱仪(Airborne Visible/Infrared Imaging Spectrometer,AVIRIS)的高光谱影像识别结果表明,相比原空间法、LDA子空间法、直接线性判别分析(Direct Linear Discriminant Analysis,DLDA)子空间法、核线性判别分析(Kernel Linear Discriminant Analysis,KLDA)子空间法,KDLDA子空间法可显著提高识别效率。

一种基于DCT的改进D-LDA人脸识别算法

D-LDA法是一种简单有效的线性特征提取方法,但在实际应用中往往存在以下两个问题:(1)去除Sb零空间的同时往往间接丢失了Sw零空间中的有用信息;(2)优化准则函数并不直接与识别率相关。离散余弦变换(DCT)能够有效地对原始图像的信息进行压缩,提出一种DCT与改进的D-LDA相结合的方法,首先利用DCT降维,然后在低维空间中应用一种改进的D-LDA方法进行特征提取,最大限度地克服D-LDA的不足。实验结果证明这种方法能获得较高的识别率。

掌纹识别的一种新的特征提取方法

通过分析已有的掌纹识别方法和特征提取所面临的问题,提出了一种新的掌纹识别算法——直接监督保局投影(DSLPP)。该算法在传统的保局投影(LPP)算法中加入类别信息,同时对角化XLXT和XDXT,可以直接达到保局投影算法的最优准则,并且无须在原始高维数据(如原始图像)上先进行任何特征提取或降维处理。在PolyU掌纹库中进行实验,与Eigenpalm、Fisherpalm和LPP算法相比具有较高的识别速度和识别率;当掌纹库中图像总数为600张,共100人,每人用5张掌纹图像作为训练样本,1张掌纹图像作为测试样本时,可以达到100%的识别率。

基于Direct LDA的相关向量机遥感图像分类

相关向量机是一种新型的基于贝叶斯统计学习框架的有监督机器学习算法,但是存在对高光谱数据分类精度不高的问题。针对此问题,文中提出了一种改进的算法,该算法将直接线性判别分析法与相关向量机相结合,对高光谱数据进行特征提取,然后采用相关向量机进行遥感图像分类。文中实验数据采用1992年Indian Pines高光谱数据。实验结果显示,与采用相关向量机直接分类,线性判别分析法(LDA)与相关向量机结合的两种方法的分类结果相比,文中算法能够明显降低数据维度,总体分类精度也提升了约1%。