【摘 要】
：
针对人脸识别中的特征提取,提出了一种新的核正交等度规映射(KOIsoP,kernel orthogonal isometric projection)人脸识别算法。首先用核方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,从而更好地提取人脸非线性流形结构信息。然后通过等度规映射做一线性映射得到基向量。最后正交化得到的基向量,使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和
论文部分内容阅读
针对人脸识别中的特征提取,提出了一种新的核正交等度规映射(KOIsoP,kernel orthogonal isometric projection)人脸识别算法。首先用核方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,从而更好地提取人脸非线性流形结构信息。然后通过等度规映射做一线性映射得到基向量。最后正交化得到的基向量,使得算法更利于保留人脸非线性子流形空间与距离有关的结构信息和重构样本,以便获得更好的识别效果。ORL和PIE库上的人脸识别实验验证了算法的有效性。
其他文献
无线射频识别技术从沃尔玛的率先大胆应用,到现在已有相当的年头,其在中国也取得了一定的发展。毋庸置疑,中国必定会是RFID技术应用的巨大市场。那么,目前RFID技术在中国的发展状况如何呢?本文调查分析了目前国内应用RFID技术的现状,并对未来的RFID市场应用前景进行了展望。
A fluorescence molecular tomography system for in vivo tumor imaging is developed using a 748-nm continuous wave diode laser as an excitation source.A high sensitivity cooled charge-coupled device (CC
Bagging方法无法在稳定的分类器(如最近邻分类器)上构建多样的分量分类器,因此它不适合于稳定的分类器。同时,小样本特性Bagging也很难应用于人脸识别等任务中。本文提出了一种局部Bagging(L-Bagging)方法以同时解决上述两个问题。L-Bagging和Bagging的主要区别是L-Bagging在每个事先划分好的局部区域内进行自助集的采样而不是如Bagging那样在原始的样本集上采
1.引言GIBBS采样算法是一种较特殊的蒙特卡罗(Makov chain Monte Carlo,MCMC)法。该算法最早由Lawrence用于蛋白质序列中的模式识别。后来Liu将该算法综合进贝叶斯模型
为了降低迭代正则化中定尺度参数对快速收敛的敏感性、自适应地优化尺度参数并提高其去噪效果,提出了一种变尺度参数的迭代正则化去噪算法.首先,修改了经典的正则化项,并推导出尺度参数公式;然后,通过研究迭代次数与尺度参数序列的变化趋势,得到变尺度参数的初始值;最后,进行正则化去噪.数值实验表明:相对于恒定尺度参数的IRM算法,变尺度参数IRM算法比选取尺度参数偏小的IRM算法迭代次数大大减少;比选取尺度参
为了改善实际交通环境中运动车辆车牌图像的质量,提出一种新的超分辨率重建方法,即通过融合低分辨率图像间的互补信息得到一幅高分辨率车牌图像.首先,在超分辨率重建正则化框架下引入梯度残差项作为一个梯度强制项来改善重建图像的质量.其次,为了提高重建算法的鲁棒性,用L1范数度量数据残差项和梯度残差项.最后,用最速下降法求解相应的最小能量泛函.模拟和实际视频图像序列的实验结果验证了所提方法的有效性和实用性,所
为了扩大成像系统的视场,设计了一套视场拼接系统。系统中,整个像面被分割成4部分,并分别由4个图像传感器接收,将4幅图像拼接可以获得完整的图像。将基于特征点的图像配准算法应用到光学拼接系统中,实现4幅图像的配准。由于4幅图像边缘有较严重的渐晕现象,为了提高图像配准的稳定性,提出了基于模板匹配的配准算法。将模板法和直接配准法的结果进行了对比,实验表明,模板法能够给出稳定的配准结果,从而能够保证配准的精
采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。
针对传统心脏图像分析方法将运动分析和材料分析作为两个独立过程带来的弊端,本文基于心脏连续生物力学模型,利用有限元方法和扩展卡尔曼滤波器(EKF),将运动分析和材料分析作为一个问题来解决,取得了较好的结果。仿真实验验证了本文方法的有效性,给出了利用真实病人心脏图像实现三维运动和材料信息的同时重建的结果。
根据Zernike矩基本原理,提出了基于9×9模板尺寸的Zernike矩边缘算子。首先推导Zernike矩模板计算过程,然后计算出2个9×9模板,并选取二值图像和经过5次平滑的模糊图像为对象对新算子进行了测试。结果表明:对于理想的二值图像,新算子具有较强的边缘细化能力,且边缘检测精度也较高;而对于模糊图像,虽然新算子的边缘检测效果也较好,但应注意边缘图像表征与亚像素坐标数据间存在不一致的现象。最后