【摘 要】
：
由于2D人脸识别率容易受到姿态、表情、光照以及自身遮挡影响的问题,这一定程度上阻碍了2D人脸识别技术的鲁棒性与发展。而3D人脸数据提供了在3D人脸领域很有前景的特征描述,也有很大潜力提高人脸识别技术的识别率。针对二维人脸识别中的局限性,先对三维人脸数据进行预处理,人脸分割、平滑去燥等,提出了一种改进的三维人脸分割的方法。改进了三维人脸进行特征提取,使用平均曲率,高斯曲率,增加了协方差,拉普拉斯算子
论文部分内容阅读
由于2D人脸识别率容易受到姿态、表情、光照以及自身遮挡影响的问题,这一定程度上阻碍了2D人脸识别技术的鲁棒性与发展。而3D人脸数据提供了在3D人脸领域很有前景的特征描述,也有很大潜力提高人脸识别技术的识别率。针对二维人脸识别中的局限性,先对三维人脸数据进行预处理,人脸分割、平滑去燥等,提出了一种改进的三维人脸分割的方法。改进了三维人脸进行特征提取,使用平均曲率,高斯曲率,增加了协方差,拉普拉斯算子等描述符,且融合其最佳的描述符组合作为三维人脸的特征,计算基于网格局部二值模式(Mesh-LBP)进行提
其他文献
水下试验是研究潜航体表面空泡发展特性的重要手段。针对大尺度水下试验空泡推进过程识别的逐测点识别法和基于压力空间分布的识别法的不足,提出了基于压力时间-空间云图的识别方法,并进行了比较分析。分析表明,基于压力时间-空间云图的识别法既从每个测点的角度又从全局的角度来识别,综合了逐测点识别法和基于压力空间分布的识别法的优点,并克服了二者各自的缺点,提高了识别的准确性,降低了识别的工作量,同时对于流场干扰
铁路物流系统在我国现代物流体系中发挥着至关重要的作用。基于物联网技术的铁路系统物流业务流程的构建,有助于铁路物流系统的运作效益的提升。本文主要从传统铁路物流体系中存在的问题入手,对基于物联网技术的铁路物流系统的仓储业务流程、运输业务流程和配送业务流程进行了探究。
针对汽车底盘序列图像的模糊复原以及伪像去除问题,提出了汽车底盘异物检测总体构架,并且成功利用二维最大公因子的图像序列盲复原(2D-GCD)算法以及小波图像融合规则实现了汽车底盘模糊图像的复原。首先对模糊图像序列进行预处理工作,过后利用SURF算法提取特征点进行匹配,根据匹配得到的多帧图像进行加权平均获得一副新的降质图像,然后将其与每幅图像用2D-GCD算法进行复原,得到的序列图像在小波变换的融合规
高压直流输电换流阀是交直流变换的核心设备,长期运行于高电压、强电磁环境下,常因部件过热引起火灾导致直流设备停运,而针对换流阀设备本体的常规在线监测主要依靠阀厅红外测温和摄像头实现,但不能实现近距离全景式的信息采集分析和诊断。设计根植于换流阀本体的数据图像采集终端系统,可实现全面、连续的提取换流阀关键部件红外光和可见光图像。依据图像加权融合算法研究,基于Open CV的换流阀终端图像融合平台进行验证
针对单一的一种聚类算法在处理实际定位问题时难以满足其精度需求的问题,提出一种基于网格的密度峰值聚类算法并将其应用于处理RFID定位系统中的空间数据信息,以实现对目标标签的定位。该算法结合了网格聚类算法和密度峰值聚类算法各自的特点,在保留了网格聚类算法处理大规模空间数据集的能力的同时,通过密度峰值聚类算法对网格聚类算法处理复杂聚类信息的能力进行提升,使得在处理基于RFID的室内定位问题时获得的定位效
由于可见光移动端虹膜识别中图像受光照不均、镜面反射等因素干扰,可能损失部分虹膜的结构信息和边缘信息,造成难以准确定位虹膜区域。为解决上述问题,提出一种基于混合测地线区域曲线演化的虹膜定位方法。该方法首先在图像预处理中采用拉格朗日插值法消除光斑;然后采用基于HOG特征和级联分类器的虹膜检测模型初步定位虹膜区域;再根据灰度梯度信息和拟合圆的方法确定虹膜内边缘;最后采用混合测地线区域曲线演化法定位虹膜外
为了保持植物内营养成份,使植物快速进入休眠状态,以含水土壤作为研究对象,采用数值计算方法,构造水的物性方程组,建立三维模型,采用有限容积法进行数值求解,分析土壤在不同高温壁面、不同Ra以及不同孔隙率条件下的流动反转现象。研究结果表明:含水土壤在3.98℃时水密度最大;在3.98℃时出现流动反转现象,此时流场和温度场均以中心呈轴对称;流动反转现象不会由于Ra大小的变化而变化,变化的只是流动的剧烈程度
为了提高篡改检测方法对复制区域几何变换的鲁棒性,以及解决常规匹配算法带来的误匹配问题,提出了一种基于对抗颜色空间梯度SURF特征匹配复制黏贴篡改检测方法,首先,将完成图像对抗颜色空间梯度的获取,采用梯度值替代灰度值完成SURF的128维特征描述子提取。然后,采用凝聚层次聚类算法对匹配特征关键点进行聚类处理,采用仿射变换估计对聚类后匹配关键点进行估计。最后,采用RANSAC算法优化估计结果。通过实验
国内外研究人员对图像分类和图像压缩问题分别进行了大量研究,但是对于图像测试集压缩参数与图像分类性能之间的定量关系,还缺少公开的文献报导。针对这一问题,选择典型的卷积神经网络(CNN)图像分类算法和常用的JPEG图像压缩方法,通过联合设计图像测试集的压缩与分类实验,研究了图像质量因子和采样尺度比两种压缩参数对图像分类准确率的影响,并为其他测试集归纳出了优化的压缩参数设置策略。所提方法通过为图像数据集
目标物体尺寸和方位识别是移动机器人在未知环境下实现自主搬运的关键技术,主要难点是如何从混有地面和周边环境信息的3维点云数据中提取物体信息,并准确识别其方位和尺寸。常用的方法是通过3维点云建立物体包围盒,但是现有的基于PCA(主成分分析)或基于边缘点云提取的包围盒建立方法对物体边缘点云噪声比较敏感。文中主要针对室内搬运场景中方形箱式物体,提出1种基于3维点云欧氏聚类和RANSAC(随机采样一致性)边