期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于噪声空间结构嵌入和高维梯度方向嵌入的鲁棒人脸识别方法 被引量:1
1
作者 李小薪 李晶晶 +1 位作者 贺霖 刘志勇 《计算机科学》 CSCD 北大核心 2018年第4期285-290,共6页
基于核范数的矩阵回归方法(Nuclear norm based Matrix Regression,NMR)对人脸图像中因遮挡和光照变化等噪声引发的误差具有很强的鲁棒性。分析了NMR的鲁棒性的基本原理:首先,误差的核范数度量的是误差在其主方向上的能量,而主方向上的... 基于核范数的矩阵回归方法(Nuclear norm based Matrix Regression,NMR)对人脸图像中因遮挡和光照变化等噪声引发的误差具有很强的鲁棒性。分析了NMR的鲁棒性的基本原理:首先,误差的核范数度量的是误差在其主方向上的能量,而主方向上的能量通常都去除了常规噪声的干扰;其次,误差的核范数度量嵌入了噪声的空间结构信息,而噪声的空间结构对于表示并排除噪声的影响至关重要。然而,仅仅考虑噪声的空间结构并不能有效消除噪声的影响。将具有噪声抑制能力的高维梯度方向(High-dimensional Gradient Orientation,HGO)特征嵌入NMR,提出了一种基于高维梯度方向特征的NMR方法(High-dimensional Gradient Orientations-based NMR,HGO-NMR)极大地提升了NMR的识别性能。其重要意义在于指出噪声空间结构信息和噪声抑制机制对于面向现实的鲁棒人脸识别系统同等重要,单方面强调其中任何一种机制都将导致不稳定的识别性能。 展开更多
关键词 人脸识别 图像梯度方向 核范数 矩阵回归
下载PDF
对称性的图像梯度方向在人脸识别中的应用 被引量:1
2
作者 段练 王梨清 《宜宾学院学报》 2018年第12期34-37,50,共5页
人脸识别中,样本图像很容易受到光照、表情以及姿态等这些外部因素变化的影响,通过利用图像梯度方向代替传统的像素强度来表示像素之间的相关性,一定程度上缓解了这个问题.然而训练样本的有限性很难准确地描述原始样本图像产生的变化,... 人脸识别中,样本图像很容易受到光照、表情以及姿态等这些外部因素变化的影响,通过利用图像梯度方向代替传统的像素强度来表示像素之间的相关性,一定程度上缓解了这个问题.然而训练样本的有限性很难准确地描述原始样本图像产生的变化,特征提取过程中容易导致样本图像部分信息的损失.利用原始样本的镜像原理重构对称样本图像,在图像梯度方向的基础上,提出对称性的图像梯度方向人脸识别方法(S-IGO),将S-IGO方法分别与PCA、LDA、IGO-PCA、IGO-LDA以及扩展的E-IGO方法在不同人脸库上的识别结果进行比较,并分析改进算法的在人脸识别中的优势.实验结果表明,相较PCA、LDA和IGO方法,E-IGO方法和S-IGO方法通过利用样本图像的镜像原理生成对称样本图像,在拓展样本集合上进行特征提取,可以选择更稳定的特征空间,从而提高最终的识别结果.大部分情况下, S-IGO方法的识别结果要优于E-IGO方法,这是因为S-IGO算法在E-IGO方法的基础上,进一步利用了人脸对称性这个先验信息,在降维过程中,尽可能多地保留了原始样本的有效信息,提高了算法的准确度. 展开更多
关键词 图像梯度方向 对称性 人脸识别 线性鉴别分析
下载PDF
融合图像梯度方向的客户相关算法分析
3
作者 许常青 《宜宾学院学报》 2018年第12期14-17,23,共5页
针对人脸图像受光照变化影响导致大部分传统的依赖图像表征信息的子空间学习算法鲁棒性差这一问题,在图像梯度方向和客户相关技术的研究基础上,提出一种融合图像梯度方向的客户相关算法(CS-IGO-LDA).采用图像梯度方向来代替像素强度表... 针对人脸图像受光照变化影响导致大部分传统的依赖图像表征信息的子空间学习算法鲁棒性差这一问题,在图像梯度方向和客户相关技术的研究基础上,提出一种融合图像梯度方向的客户相关算法(CS-IGO-LDA).采用图像梯度方向来代替像素强度表示原始样本,并用客户相关方法提取每一个不同个体的样本特征向量以更好地描述不同类别之间的差异.提出的CS-IGO-LDA方法充分利用了图像梯度和客户相关方法在人脸识别中的优势.在XM2VTS人脸库上的实验证明了新算法在人脸验证方面的有效性. 展开更多
关键词 客户相关 图像梯度方向 人脸识别 人脸验证
下载PDF
一种基于多条件综合验证的精确定位瞳孔方法
4
作者 卢永峰 屈志毅 赵勇 《计算机科学与技术汇刊(中英文版)》 2014年第4期127-131,共5页
本文首先使用梯度方向直方图(HOG)对瞳孔进行初次定位,提取感兴趣区域(ROI),缩小处理范围,去除部分噪声干扰,然后根据圆的几何特征检测瞳孔,对瞳孔进行再定位;最后依据瞳孔边界灰度梯度差最大的特征,逐个像素填充瞳孔边界,... 本文首先使用梯度方向直方图(HOG)对瞳孔进行初次定位,提取感兴趣区域(ROI),缩小处理范围,去除部分噪声干扰,然后根据圆的几何特征检测瞳孔,对瞳孔进行再定位;最后依据瞳孔边界灰度梯度差最大的特征,逐个像素填充瞳孔边界,对已定位结果进行校正,在定位过程中,结合多种条件综合对瞳孔边界像素进行验证,保证边界像素的准确性,从而实现对不规则瞳孔边界的无误检测,达到精确定位瞳孔的目的。 展开更多
关键词 图像梯度方向直方图 ROI 几何特征 定位
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部