三维人脸深度图的流形学习-LOGMAP识别方法

人脸识别是生物特征识别技术最友好的身份识别方式,而三维人脸识别由于可解决二维人脸识别中存在的光照、姿态等局限,成为人脸识别的研究热点,但其特征维数过高是该领域的瓶颈,而维数约减是解决这一问题的关键。流形学习是一类非线性维数约减算法,LOGMAP是一种基于黎曼法坐标的流形学习算法,该算法可以在保持度量信息不变的情况下,把高维空间的数据映射到低维空间。构建了基于流形学习的三维人脸识别框架,并结合LOGMAP进行三维人脸深度图的识别。实验结果表明,该方法在三维深度图上可以得到良好的识别效果。

基于信息融合的人脸识别方法

三维人脸数据对光照、姿态及表情变化具有较强的鲁棒性,而二维人脸图像纹理特征的高鉴别性又是三维人脸图像所不具备的。为了更好地将二维和三维人脸信息有机结合,将二维人脸图像特征和三维人脸图像特征进行融合并用复数表示,然后利用复数域流形学习算法C-LOGMAP进行降维。在Texas三维人脸数据库上验证了算法的有效性,实验结果表明该算法识别率高于单一图像信息的识别率。

关于Turbo码可实现解码方法的研究

Turbo码解码算法包括SOVA(softoutputviterbialgorithm) ,MAP (maxaposterior) ,以及LOGMAP算法 .其中LOGMAP算法兼有高性能和低计算复杂度的优点 .为了降低解码复杂度 ,对LOGMAP算法进行了模拟优化 ;为进一步减少解码时间 ,在解码过程中引入了滑动窗技术 .并对整个Turbo码解码过程进行量化模拟 ,得出了优化结果 .