基于局部二值模式和辨识共同向量的步态识别

最近,利用步态对个人身份进行识别受到越来越多生物识别技术研究者的重视。步态能量图(GEI-Gait Energy Image)是一种有效的步态表征方法,局部二值模式(LBP-Local Binary Pattern)能很好地提取局部信息,所以利用局部二值模式(LBP)来提取步态能量图(GEI)的局部特征并用于识别。首先,为了更好地提取局部信息,把步态能量图(GEI)分块,提取各个子块上的LBP特征,然后把各子块在特征层进行融合,得到整个步态能量图(GEI)的特征表达;同时为了更好地挖掘步态能量图(GEI)的信息,对LBP模式进行了扩展。由于得到的LBP特征维数较高,利用具有降维和良好识别能力的辨识共同向量(DCV-Discriminant Common Vector)对步态能量图的LBP特征进行维数约减并增加类间距离。最后,只需利用简单的最近邻分类器就能取得较好的识别效果。将该算法在CASIA数据库上进行了试验,并取得了较高的正确识别率。

基于高光谱成像的甘蔗叶片早期轮斑病与锈病识别技术

针对甘蔗叶片早期轮斑病与锈病发病症状相似,难以区分,导致在实际生产中不便对症施药的问题,以甘蔗早期轮斑病和锈病叶片为研究对象,探究利用高光谱成像技术来识别甘蔗叶片早期轮斑病与锈病的可行性。首先,利用高光谱成像系统在406~1014 nm光谱范围内采集甘蔗健康叶片、早期轮斑病叶片和锈病叶片的高光谱图像,提取图像的感兴趣区域(Region of interest,ROI)并计算其平均光谱作为原始光谱数据,采用一阶导数(First derivative,FD)、Savitzky Golay卷积平滑(Savitzky Golay convolutional smoothing,SG)和标准正态变换(Standard normal variate,SNV)分别对原始光谱数据进行预处理。然后,在预处理的基础上采用主成分分析(Principal component analysis,PCA)算法、蚁群优化(Ant colony optimization,ACO)算法进行特征降维,并将降维后的特征作为后期建模的输入变量。最后,结合降维和不降维2种方式使用支持向量机(SVM)和随机森林(RF)进行识别。为了确定最优的识别模型,对不同的预处理方法、降维方法和分类器共18个组合模型进行了试验。经对比发现,SG SVM识别模型效果最佳,测试集准确率为99.65%。试验结果表明,利用高光谱成像技术进行甘蔗叶片早期轮斑病和锈病的识别可行且有效,可为植保无人机超低空遥感病害监测提供参考。

基于视觉单词和语义映射的色情图像检测算法

针对传统类型的色情图像检测方法误检率高的问题,提出了一种基于多层视觉单词的检测方法。该方法首先对色情场景的各种视觉元素建立视觉单词,然后通过这些视觉单词建立更高层的编码,包括视觉词组和兴趣区域类别,从而实现对图像不同形态级别的描述与分析。图像的识别特征由相应的编码直方图组成,并将特征映射到一个低维空间中,使图像间的语义距离与空间距离相协调。该方法在各种图像测试中都表现出出色的性能,例如在人物类图像测试中,误检率比传统方法降低了40%。实验结果证明,多层单词体系能够更高效地分析色情图像等复杂场景。

QR二维码的图像识别技术探讨

随着二维码的广泛应用,图像识别技术在二维码的识别中会使用的越来越多。本文简要介绍了QR二维码的特性和符号结构,详细分析了采用图像处理方法识别QR码的整个过程,并将双线性映射方法应用于图像校正,最后给出了解码的具体步骤。

基于非线性降维的虹膜识别方法

在虹膜识别的研究和应用领域,虹膜特征提取是虹膜识别中的核心技术,传统的特征提取算法都为滤波的方法,实现过程计算较为复杂。为了解决虹膜特征提取中计算复杂的问题,应用非线性降维LaplacianEigenmap算法实现人眼虹膜图像的特征提取,降维问题就是寻找从高维空间到低维空间的映射,从而达到简化计算的目的。统计理论分析识别数据的结果表明,较大地改善常用方法的效能,获得了较好的识别效果。

DCT和2DPCA降维与识别算法的比较研究

首先分析了DCT用于特征降维的可行性,并给出了DCT特征降维的基本原理.然后以人脸识别和人脸表情识别为背景,在DCT和2DPCA具有相当的降维效果时,给出了DCT比2DPCA具有较高的人脸识别率和人脸表情识别率的理论分析.最后,利用AT&T人脸库和JAFFE人脸表情库,分别对DCT和2DPCA进行了比较仿真实验.

基于改进VGG-16和朴素贝叶斯的手写数字识别

为了解决手写数字识别困难和准确率问题,提出基于改进VGG-16和朴素贝叶斯的手写数字识别,主要通过归一化和双线性插值对图像进行预处理,然后通过改进的VGG-16网络框架对图像进行特征提取和特征融合,通过LDA方法进行数据降维,最后通过朴素贝叶斯分类器进行分类。在MNIST数据集中进行实验,获得了99.36%的准确率。实验结果验证了卷积神经网络与朴素贝叶斯结合后可以有效地提高识别准确率。

基于图像处理技术的运动轨迹自动检测研究

针对传统方法进行运动轨迹的自动检测速率低的问题,提出基于图像处理技术的运动轨迹自动检测方法。首先通过高斯背景混合模型对图像视频序列进行预处理,提取运动目标;然后采用平滑运动模型描述运动目标映射代价,计算运动模式,分割垂直区域目标平行切片,进行时空切片扫描从而对其进行层次聚类;最后对聚类后的运动目标数据进行降维,通过Hough变换程序实现运动轨迹自动检测。在相同条件下,与传统运动轨迹检测方法进行对比实验,实验结果证明,所设计方法提高了运动轨迹的检测速率,而且提高了运动轨迹检测精度,相对于传统方法,运动轨迹检测性能得到了提升,具有更高的实际应用价值。

基于图像的二维条形码识别技术研究

简要阐述了条形码技术国内外发展状况和二维条形码的编码方法,并对图像式条形码识别过程进行了概述,提出了其中存在的技术难点并给出了解决方案,最后文章指出了条形码识别技术的发展趋势。

降维方法在人脸图像识别中的分析与评估

为了提高人脸图像识别的速度和准确率,将多元统计分析中的降维方法引入到人脸图像识别系统中,分析并对比了主成分分析法(PCA)线性判别分析法(LDA)和局部保留投影(LPP)三种方法用于人脸图像识别的效果,采用Yale B作为识别的样本和测试库,在光照条件和姿态变化条件下对三种算法进行了比较实验。实验结果表明,三种方法对人脸图像识别均能够达到一定效果,在姿态变化条件下,LDA和LPP均优于PCA,但三种方法对于光照变化均不能保持很好的鲁棒性。

水下目标声成像尺度识别技术研究

水下声成像是提高水下战武器精确制导能力的有效方法。针对目前水下战对抗装备对目标的模拟越来越逼真的情况,提出了一种基于声成像的水下目标尺度识别技术。该技术基于目标的二维声成像技术,通过提取目标二维尺度特征,用于识别真实潜艇和线列阵声诱饵。对该技术在噪声环境下进行了仿真研究。研究结果表明,声成像尺度识别技术是可行的。

图像局部保留投影及在表情识别中的应用

提出了一种基于图像局部保留投影(ILPP)的人脸表情识别方法,该算法在降维过程中将图像结构信息融入到局部保留投影(LPP)目标函数中。与LPP不同,ILPP通过降维处理,获得表情图像结构信息的同时将投影最优化,这样可从原始表情数据中提取更多、更有效、更具判决性的表情特征信息。基于CED-WYU(1.0)和JAFFE两个表情数据库的识别结果表明,ILPP特征提取方法能有效地提高识别率。

大数据下张量充分降维方法及其应用研究

在大数据时代,金融学、基因组学和图像处理等领域产生了大量的张量数据。Zhong等(2015)提出了张量充分降维方法,并给出了处理二阶张量的序列迭代算法。鉴于高阶张量在实际生活中的广泛应用,本文将Zhong等(2015)的算法推广到高阶,以三阶张量为例,提出了两种不同的算法:结构转换算法和结构保持算法。两种算法都能够在不同程度上保持张量原有结构信息,同时有效降低变量维度和计算复杂度,避免协方差矩阵奇异的问题。将两种算法应用于人像彩图的分类识别,以二维和三维点图等形式直观展现了算法分类结果。将本文的结构保持算法与K-means聚类方法、t-SNE非线性降维方法、多维主成分分析、多维判别分析和张量切片逆回归共五种方法进行对比,结果表明本文所提方法在分类精度方面有明显优势,因此在图像识别及相关应用领域具有广阔的发展前景。

主成分分析在模式识别领域中的研究进展

主成分分析(PCA)是基于无监督学习的线性降维方法.它可以直接对数据进行降维,也可以与独立成分分析(ICA)、支持向量机(SVM)、局部像素分组(LPG)、神经网络相结合来实现数据降维.PCA方法的变化也是多种多样,其中核主成分分析、渐进式主成分分析、双重主成分分析和二维主成分分析均得到了广泛的应用.文章介绍了PCA算法的基本原理、一般求解步骤和优缺点,重点总结了PCA算法在人脸识别、图像压缩、图像去噪等模式识别领域中的最新研究进展,最后分析了PCA降维方法在未来的研究方向.

基于曲波变换和独立成分分析的人脸识别

为了提高人脸识别率,加快人脸识别速度,针对当前人脸识别算法存在的不足,提出曲波变换和独立成分分析的人脸识别算法。该算法首先采用曲波变换提取人脸图像的曲波系数,再进行加权和融合,改善人脸识别的效率,然后采用独立成分分析对特征进行稀疏化处理,减少特征冗余信息,降低人脸识别的计算复杂度,最后在标准人脸库上进行了性能测试,结果表明,该算法能够获得较高的人脸识别率,且单幅人脸识别时间要小于其他算法,增强了人脸识别的实时性,具有更高的实际应用价值。

基于二维Gabor小波和孪生支持向量机的图像识别算法

为了提高图像识别性能,采用孪生支持向量机用于图像分类识别,并结合二维Gabor小波对图像纹理特征进行提取,借助局部线性嵌入(Locally linear embedding,LLE)降维,以进一步提高图像识别准确率和识别效率。采用二维Gabor小波对图像数据进行有效滤波,获得图像关键纹理特征,然后对大量纹理特征进行LLE降维,以降低维度过高带来的运算量巨大问题,采用孪生支持向量机(Twin support vector machine,TWSVM)对关键纹理特征进行分类,获得图像分类结果并完成图像识别。实验证明,Gabor+LLE+TWSVM方法对图像识别的适用度高,相比常用图像识别算法,通过合理设置二维Gabor小波的尺度和方向参数,并借助LLE有效降维,运用孪生支持向量机可以获得更高的图像识别准确率。

基于线性和非线性算法的高效人脸识别系统

文中提出了一种基于外观的线性和非线性人脸识别方法,所用的线性算法有主成分分析(PCA)和线性判别分析(LDA)。两种非线性方法分别是核主成分分析(KPCA)及核费希尔分析(KFA),线性降维投影方法基于二阶相依性编码模式信息,非线性方法用于处理三个或更多像素之间的关系。首先通过Gabor对图片进行预处理,然后采用线性、非线性分析进行降维。通过马哈利诺比斯-余弦(Mahcos)度量用于定义两幅图像通过相应的降维技术后的相似性度量。实验表明,当与Gabor小波一同使用时,LDA和KFA的性能最高,分别为CMC和ROC结果的93.33%。通过对AT&T数据库400幅图像的综合分析,发现线性和非线性算法的性能受图像分类数目、图像预处理及识别测试集的人脸图像数目的影响。

基于多尺度稀疏近邻图的近邻保持嵌入算法

针对近邻保持嵌入算法NPE中构造近邻图所存在的缺陷,提出了基于多尺度稀疏近邻图的近邻保持嵌入算法.对于每个待识别的人脸图片,该方法都建立一个具有九个尺度的图像金字塔,并且计算金字塔中每个尺度的图片与其他图片金字塔对应尺度的稀疏近邻.利用稀疏表示算法抗遮挡的特性,通过计算样本多尺度近邻的方法克服了传统方法丢失人脸图片二维结构的缺点.结果表明,该算法具有较强的鲁棒性,比传统的NPE算法具有更好的识别效果.

AI虚拟主播技术的发展和应用分析

随着人工智能、智能语音及虚拟成像等技术的逐渐成熟,AI虚拟主播开始广泛应用于广播电视、新媒体及互联网各领域。因此,简述AI虚拟主播发展历程,分析各大媒体的AI虚拟主播应用案例,探究AI虚拟主播在广播电视行业的应用和发展。

人脸检测与识别技术的研究分析

人脸检测与识别是一种常见管理手段,作为认定人员身份的工作方法,在各类管理系统中广泛应用。该文首先对人脸检测与识别技术进行简述,在此基础上结合企业管理工作,对其运用进行分析,包括运用框架、关键技术、基本流程等,并通过模拟分析论证其优势。考虑到人脸检测与识别技术的运用仍得到较多关注,该文对其运用困境和发展方向进行了分析,以进一步推动该项服务技术的发展、应用优化。