图像特征抽取算法研究及其应用PDF电子书下载

第1章 绪论 1

1.1研究意义 1

1.2图像识别研究概述 2

1.2.1国内外研究进展 2

1.2.2图像识别中常用的分类准则 7

1.2.3图像识别算法的评价标准 8

1.2.4常用生物特征图像库 9

1.3人脸识别技术的难点 12

参考文献 12

第2章 基于非负低秩表示的半监督学习方法 18

2.1引言 18

2.2相关工作 20

2.2.1高斯场和调和函数 20

2.2.2低秩表示 21

2.3基于非负低秩表示的流形嵌入分类 21

2.3.1动机 21

2.3.2 MEC-NNLRR算法 23

2.4实验结果 25

2.4.1参数选择 25

2.4.2 Yale图像数据库实验 27

2.4.3扩展YaleB图像数据库实验 28

2.4.4 AR图像数据库实验 28

2.4.5 CMU PIE图像数据库实验 29

2.4.6 Yale噪声数据库实验 30

2.5本章小结 31

参考文献 31

第3章 一种自适应Gabor图像特征抽取和权重选择的人脸识别方法 34

3.1问题的提出 34

3.2光照预处理 35

3.2.1局部对照增强 35

3.2.2改进的局部对照增强 36

3.3自适应Gabor特征抽取 37

3.3.1 Gabor小波变换 37

3.3.2离散余弦变换 39

3.3.3鉴别力量分析 41

3.4自适应权重计算与分类识别 43

3.4.1自适应权重计算 43

3.4.2分类识别 44

3.5基于自适应Gabor图像特征抽取和权重选择的识别系统 44

3.6实验结果与分析 45

3.6.1改进的局部对照增强实验 45

3.6.2人脸识别实验 47

3.7本章小结 50

参考文献 50

第4章 距离保持投影非线性降维技术的可视化与分类 53

4.1引言 53

4.2距离保持投影 54

4.3距离保持投影的改进 55

4.3.1流形和测地线距离 55

4.3.2改进的距离保持投影 57

4.4距离保持投影的扩展——分类识别 61

4.4.1低维空间维数的确定 61

4.4.2有监督的数据投影构造 62

4.4.3分类构造 62

4.5算法时间复杂度的分析 63

4.6实验结果与分析 64

4.6.1数据可视化实验 64

4.6.2人脸识别实验 66

4.6.3实验分析 68

4.7本章小结 68

参考文献 68

第5章 增强局部鉴别排列及其核扩展 71

5.1引言 71

5.2鉴别局部排列 72

5.2.1局部最优化 72

5.2.2样本权重 74

5.2.3整体排列 74

5.3增强鉴别局部排列 75

5.4核增强鉴别局部排列 77

5.4.1核方法 77

5.4.2核增强鉴别局部排列算法 78

5.5实验结果与分析 79

5.5.1参数选择 80

5.5.2对光照变化的鲁棒性实验 81

5.5.3多种因素变化下的鲁棒性实验 83

5.6本章小结 88

参考文献 88

第6章 基于低秩稀疏表示的鉴别投影 91

6.1引言 91

6.2相关工作 93

6.2.1基于稀疏表示的分类 93

6.2.2低秩表示 94

6.3低秩稀疏表示的鉴别投影算法 94

6.3.1研究动机 94

6.3.2局部鉴别约束 95

6.3.3基于DP-LRSR的降维和分类算法 95

6.3.4 DP-LRSR算法的计算复杂性和收敛性 98

6.4实验 99

6.4.1 Yale图像数据库实验 99

6.4.2 CMU PIE图像数据库实验 100

6.4.3 Georgia Tech图像数据库实验 101

6.4.4 FERET图像数据库实验 102

6.4.5 PolyU掌纹数据库实验 103

6.4.6 AR图像数据库实验 104

6.5本章小结 105

参考文献 105

第7章 基于多尺度局部二值模式的人脸识别 109

7.1引言 109

7.2局部二值模式 110

7.2.1 LBP算子 110

7.2.2直方图的度量 111

7.3多尺度局部二值模式 111

7.4实验 113

7.4.1基于BLBP的人脸识别实验 113

7.4.2基于MS-LBP人脸识别实验 115

7.5本章小结 116

参考文献 116

第8章 基于WT/SVD和KPCA的人脸识别方法 118

8.1引言 118

8.2特征抽取 119

8.2.1小波变换 119

8.2.2奇异值分解 121

8.2.3核主成分分析 121

8.3分类识别——神经网络 122

8.4实验结果与分析 123

8.4.1 KPCA人脸识别实验 123

8.4.2基于PCA方法、KPCA方法和本章所提方法的特征抽取实验 124

8.4.3基于PCA方法、KPCA方法、SVD方法和本章所提方法的人脸识别实验 125

8.5本章小结 126

参考文献 126

第9章 基于线性子空间和商图像理论的人脸识别研究 129

9.1引言 129

9.2商图像方法 130

9.3人脸光照子空间 131

9.4基于9维线性子空间的商图像方法 133

9.4.1改进后的商图像 133

9.4.2合成新对象的9种光照基图像 134

9.4.3度量方式 134

9.5实验 134

9.5.1商图像 135

9.5.2基图像的合成 135

9.5.3人脸识别实验 136

9.6本章小结 137

参考文献 137

第10章 正交稀疏线性鉴别分析 140

10.1引言 140

10.2线性鉴别分析概述 141

10.3正交稀疏线性鉴别分析 142

10.3.1全局鉴别信息 142

10.3.2局部结构信息 142

10.3.3矩阵L2，1-范数和OSLDA算法 144

10.4实验结果 145

10.4.1 ORL图像数据库上的实验 146

10.4.2 Yale图像数据库上的实验 146

10.4.3 Georgia Tech图像数据库上的实验 147

10.4.4 AR图像数据库上的实验 148

10.5本章小结 149

参考文献 150