基于图像局部纹理特征的SAR目标识别算法

传统基于Gabor滤波器的SAR目标识别方法根据图像全局特征进行目标识别,忽略图像局部纹理特征,容易受到噪声因素的干扰,获取的SAR目标识别结果精确度较低。因此,提出基于图像局部纹理特征的SAR目标识别算法,对SAR图像纹理特征进行提取,提取SAR图像纹理特征时,采用优化的TPLBP特征描述器提取图像局部纹理特征,获取TPLBP局部纹理特征向量;通过基于ELM分类器的SAR目标识别算法,对TPLBP局部纹理特征向量进行SAR目标分类与识别,获取理想的SAR目标识别结果。实验结果表明,所提方法在SAR目标识别方面具有准确率高、误判率低的优势。

基于TPLBP和深度学习的人脸识别

针对人脸数据维度过高和非限定条件下(如表情、姿态等发生变化时)将出现人脸识别率较低问题,提出了一种基于改进的局部二值特征和深度学习的人脸识别算法。首先,对人脸数据进行预处理,应用TPLBP算子提取人脸的局部纹理特征;然后,采用深度信念网络对提取到的TPLBP特征进行学习和降维;最后,采用Softmax分类器对学习后有效人脸特征进行分类。本文算法在ORL人脸数据库进行测试,识别率达到97.33%,与其他人脸识别方法相比,人脸识别率有明显提高。