基于非下采样Contourlet梯度方向直方图的人脸识别

合集下载

基于Contourlet变换和PCA的人脸识别算法

度分解，得到原始人脸图像的低通采样和带通图像（原始图像和低通采样图像的差值图），即图像的低
频子带和高频子带．然后，禾Ｉｌ用多方向滤波器（ｄｉ — ｒｅｃｔｉｏｎａｌｆｉｌｔｅｒｂａｎｋ，ＤＦＢ）将高频子带分解为２
高人脸识别率的一个重要途径，受到越来越多学者
的关注，各种处理方法也陆续被提了出来．目前，效果较好的有基于朗伯光照模型的Ｒｅｔｉｎｅｘ、多尺度
人脸结构表达方法（ｍｕｌｔｉｓｃａｌｅｆａｃｉａｌｓｔｒｕｃｔｕｒｅ，
基于Ｃｏｎｔｏｕｒｌｅｔ变换和ＰＣＡ的人脸识别算法
的基本流程图如图２所示．
图１Ｃｏｎｔｏｕｒｌｅｔ滤波器组图
２ＰＣＡ方法
ＰＣＡ方法是由Ｔｕｒｋ和Ｐｅｎｔｌａｎｄ提出的一种基于特征点的人脸识别方法．主要思想是借助正交
维图像表示方法，相比于其他的多尺度几何分析方法，它具有多分辨率、局部定位、较强的多方向表示能力和各向异性等特点．Ｃｏｎｔｏｕｒｌｅｔ变换由拉普拉
斯金字塔分解和方向滤波器组成，滤波器组如图ｌ所示．首先由拉普拉斯金字塔变换对图像进行多尺

基于非下采样Contourlet梯度方向直方图的人脸识别

基于非下采样Contourlet梯度方向直方图的人脸识别作者：奉俊鹏等来源：《计算机应用》2014年第01期摘要：针对人脸识别系统准确度不高的问题，提出一种基于非下采样Contourlet梯度方向直方图（HNOG）的人脸识别算法。

先对人脸图像进行非下采样Contourlet变换（NSCT），并将变换后的各系数矩阵进行分块，再计算各分块的梯度方向直方图（HOG），将所有分块的直方图串接得到人脸图像HNOG特征，最后用多通道最近邻分类器进行分类。

在YALE人脸库、ORL人脸库上和CASPEALR1人脸库上的实验结果表明，人脸的HNOG特征有很强的辨别能力，特征维数较小，且对光照、表情、姿态的变化具有较好的鲁棒性。

关键词：非下采样Contourlet变换；梯度方向直方图；人脸识别；最近邻分类器中图分类号：TP391.413文献标志码：A0引言人脸识别近年来成为生物特征识别领域的一个研究热点，相对于人的其他生物特征识别技术，人脸特征识别具有非接触性和非强制性，因此在身份识别、金融安全和人机交互等领域有很好的应用前景。

在人脸识别系统中，人脸特征的描述最为关键，如果使用不恰当的人脸特征描述，即使使用再好的分类器，也达不到好的识别效果。

梯度方向直方图（HistogramsofOrientedGradient，HOG）是一种局部特征提取算子，最初在2005年由Dalal等[1]提出并应用于行人检测，2011年Deniz等[2]将HOG应用于人脸识别。

HOG能够很好地提取图像的梯度方向信息，且对光照、尺度、方向等有很好的鲁棒性[3-4]，后来向征等[5]详细分析了HOG各参数对人脸识别性能的影响，并证明HOG比LBP和Gabor小波具有更好的识别性能，但是直接对人脸图像使用HOG的识别结果并不十分理想。

研究表明Gabor小波可以提取图像特定区域内的多尺度、多方向空间频率特征，非常有利于人脸特征的提取，Gabor小波在人脸识别中的成功应用，使得图像的多尺度、多方向分析方法受到研究者们的关注，但Gabor滤波器所提取的原始特征维数过大，虽然弹性匹配图法能够有效降维，但是对特征点的选择和精度配准要求较高[6]，而基于子空间的方法识别率有限[7]，Contourlet变换也是一种多尺度、多方向分析工具，能够有效地提取的图像不同尺度不同方向的特征信息[8-9]。

非采样Contourlet变换与局部二值模式相结合的人脸识别

向的子带系数矩阵，然后利用ＬＰ算子从每个子带系数矩阵上抽取局部邻域关系，Ｂ得到各子带的ＬＰ特征图谱，Ｂ最后
将这些图谱分块统计并级联后作为人脸的识剐特征。利用多通道最近邻分类器的分类结果表明，所提方法能有效提高识剐率，所提取的特征对光照、表情和姿态等变化具有更好的鲁棒性。
ＡｂｔａｔＣｎｅｎｎｈｐｏｌｍｏｉｔｄｅｏｎｔｎａｅａｓｄｙａｉｔｎｉｐｓｔｎｉｕｎｔｎｎｓｒｃ：ｏｃｒｉｇｔｅｒｂｅｆｌｅｒｃｇｉｏｒｔｃｕｅｂｖｒａｉｓｎｏｉｏ，ｌｍｉａｉａｄｍｉｉｏｉｌｏ
ｅｐｅｓｎｉｃｅｏｎｉ，ａｆｃｎｆｃｅｏｎｉｔｏａｅｎＮｎｕｓｍｌｏｔｒｔｒｎｆｍ（ＳＴｘｒｓｏｆｅｒｃｇｉｏｉｎａｔｎｎｅｉｉｔａｅｒｃｇｉｏｍｅｄｂｓｄｏｏｓｂａｐｅＣｎｕｌａｓｒＮＣ）ｆｅｔｎｈｄｏｅＴｏａｄＬｃｌｉａａｅ（Ｂ）ｗｓｒｐｓｄｉｔ，ａｆｃｇａｅｏｐｓｄｗｔＮＣ，ａｄＮＣｏｆｃｅｔｉｎｏａＢｎｒＰｔｒＬＰａｏｏｅ．ＦｒｌｅｉｅｗｓｄｃｍｏｅｉＳＴｎＳＴｃｅｉｎｓｎｙｔｎｐｓｙａｍａｈｆｉ
ＣＥＮＪＩＵＯＤＹＩＤ
ｈｔ：／ｗ．ｏａｃｔ／ｗｗｊｃ．ａｐ
ｄｉ１．７４
非采样Ｃｎｏｒｔ换与局部二值模式相结合的人脸识别ｏｔｕｌ变ｅ

基于非下采样Contourlet变换的图像边缘检测

基于非下采样Contourlet变换的图像边缘检测
岳爱菊;汪西莉
【期刊名称】《计算机工程与应用》
【年(卷),期】2009(045)014
【摘要】以非下采样Contoudet变换为基础,充分利用了该变换的尺度相关性以及各个尺度方向子带系数的方向性,提出了一种新的图像边缘检测的方法.通过实验,验证了新方法可以更好地把握图像的曲线或直线状边缘特征,与基于小波模的极大值边缘检测方法相比,效果更好.
【总页数】3页(P161-163)
【作者】岳爱菊;汪西莉
【作者单位】陕西师范大学,计算机科学学院,西安,710062;陕西师范大学,计算机科学学院,西安,710062
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于非下采样Contourlet变换的多传感器图像边缘检测 [J], 王小军
2.基于非下采样Contourlet变换和形态学的图像边缘检测 [J], 刘静寒;鲁昌华;刘玉娜
3.基于非下采样contourlet变换的图像边缘检测新方法 [J], 肖易寒;席志红;海涛;郭亮
4.基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法 [J], 柏涛
涛;王茜娟;谭云兰
5.基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法 [J], 柏涛涛;王茜娟;谭云兰;
因版权原因，仅展示原文概要，查看原文内容请购买。

基于非下采样Contourlet变换系数直方图匹配的自适应图像增强

基于非下采样Contourlet变换系数直方图匹配的自适应图像增强周妍;李庆武;霍冠英【期刊名称】《光学精密工程》【年(卷),期】2014(022)008【摘要】由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数,无法实现自适应增强,本文将直方图均衡化和NSCT域增强相结合,提出了一种基于NSCT系数直方图匹配的自适应图像增强算法.该算法首先对低对比度含噪原图像进行直方图均衡化,然后对原图和直方图均衡化后的图像分别进行NSCT分解,得到低频子带系数和各高频方向子带系数.对低频子带,将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上.对各个高频子带,则先进行阈值去噪,再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上.最后,经NSCT重构得到增强后的最终图像.实验结果表明,本文方法增强效果明显优于直方图均衡化,与Contourlet变换增强法相比,实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05％、16.97％、13.29％和20.63％,且与NSCT域非自适应增强法(人工选取参数)的处理效果相当.该方法无需手工调节参数,具有自适应性和实用性强的优点.【总页数】9页(P2214-2222)【作者】周妍;李庆武;霍冠英【作者单位】河海大学物联网工程学院,江苏常州213022;常州市传感网与环境感知重点实验室,江苏常州213022;河海大学物联网工程学院,江苏常州213022;常州市传感网与环境感知重点实验室,江苏常州213022;河海大学物联网工程学院,江苏常州213022;常州市传感网与环境感知重点实验室,江苏常州213022【正文语种】中文【中图分类】TP391.4【相关文献】1.基于小波分解子带直方图匹配的矿井视频图像增强方法 [J], 范凌云;梁修荣2.基于提升小波和直方图匹配的图像增强方法 [J], 刘斌;谌文江;辛迦楠3.基于暗原色和直方图匹配的雾天图像增强算法 [J], 张洪坤;周浦城;薛模根4.基于奇异值分解和非下采样Contourlet变换的红外图像增强新算法 [J], 赵翱东;奚茂龙;叶茜5.基于引导系数加权和自适应图像增强去雾算法 [J], 何立风;周广彬;姚斌;赵晓;李笑因版权原因，仅展示原文概要，查看原文内容请购买。

基于非下采样Contourlet变换和MB＿LBP直方图的掌纹检测

基于非下采样Contourlet变换和MB＿LBP直方图的掌纹检测∗戴桂平;林洪彬【期刊名称】《传感技术学报》【年(卷),期】2014(27)10【摘要】结合NSCT分解的多尺度、多方向性、各向异性、平移不变性以及MB ＿LBP算法的局部特征提取、旋转灰度不变性等优势，提出一种基于非下采样Contourlet变换NSCT( Nonsubsampled Contourlet Transform)和多块分区局部二进制模式MB＿LBP ( Multi￣Block Local Binary Patterns)相结合的掌纹检测方法。

该方法首先采用NSCT算法对预处理过的掌纹图像进行多尺度、多方向稀疏分解；其次，利用MB3－LBP8，2算子分别提取低频子图及各高频子图分块子区域的MB＿LBP直方图特征向量并级联；最后，采用AdaBoost算法测试( NSCT＋MB＿LBP )的检测性能。

仿真结果表明，与( Contourlet＋MB＿LBP )、(2D－EMD＋ICAⅡ)、( Contourlet＋NMF)以及单独的MB＿LBP相比，该方法能更有效地提取掌纹特征，检测率更高。

%A novel method based onNSCT( Nonsubsampled Contourlet Transform) and MB_LBP ( Multi￣Block Local Binary Patterns) was proposed to solve palm print detection. The multi￣scale,multi￣direction,anisotropy,shift invari￣ance of NSCT and local texture property,rotation invariance and gray invariance of MB_LBP were utilized to extract the palm print features. Firstly,the preprocessed palm print image was decomposed by NSCT;and then MB3-LBP8,2 was used to respectively extract MB_LBP histogram eigenvectors of each blockregion of low and high frequency sub￣bands;Finally,the detection performance of the integrated method ( NSCT+MB_LBP ) was tested on the Hong Kong Polytechnic University palm print database through AdaBoost sorting algorithms. Experimental results show that the proposed method not only extracts the palm print features effectively and accurately,but also achieves higher detection rate in comparison with ( Contourlet+MB_LBP ),( 2D-EMD+ICAⅡ),( Contourlet+NMF ) and the single MB_LBP .【总页数】7页(P1387-1393)【作者】戴桂平;林洪彬【作者单位】苏州市职业大学电子信息工程学院，江苏苏州215104;燕山大学电气工程学院，河北秦皇岛066004【正文语种】中文【中图分类】TP391.41【相关文献】1.基于MB_LBP旋转不变特征的AdaBoost人脸检测算法研究 [J], 亢洁;李珍;王晓东;李晓静;2.基于非下采样Contourlet变换系数直方图匹配的自适应图像增强 [J], 周妍;李庆武;霍冠英3.基于非下采样Contourlet变换的异常检测SVDD算法 [J], 陈海挺4.基于HSV和MB_LBP特征的级联Adaboost车牌检测算法 [J], 马永杰;李欢;刘姣姣5.基于MB_LBP旋转不变特征的AdaBoost人脸检测算法研究 [J], 亢洁;李珍;王晓东;李晓静因版权原因，仅展示原文概要，查看原文内容请购买。

基于非下采样Contourlet变换和区域特征的医学图像融合

李超，李光耀，谭云兰，徐祥龙
（通信作者电子邮箱ｌｉｅ３２１＠１６３．ｃｏｎ）ｒ（１．同济大学电子与信息工程学院，上海２０１８０４；２．井冈山大学电子与信息工程学院，江西井冈山３４３００９）
ＬＩＣｈａｏ，ＬＩＧｕａｎｇｙａｏ，ＴＡＮＹｕｎｌａｎ一，ＸＵＸｉａｎｇｌｏｎｇ（１．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＴｏｎｇｊｉＵｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ２０１８０４，Ｃｈｉｎａ；２．ＣｏｌｌｅｇｅｆＥｏｌｅｃｔｒｏｎｉｃｓａｄｎＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｅｅｎｉｒｎｇ，ＪｉｎｇｇａｎｇｓｈａｎＵｎｉｅｎｖｉｔ￣ＪｉｎｇｇａｎｇｓｈａｎＪｉａｎｇｘｉ３４３００９，Ｃｈｉａ）ｎ
摘
要：针对非下采样Ｃｏｎｔｏｕｒｌｅｔ变换具有多尺度分析及平移不变的性质，结合计算机断层成像（ＣＴ）和核磁共振
（ＭＲＩ）医学图像各自的成像特性，提出了基于非下采样Ｃｏｎｔｏｕｒｌｅｔ变换和区域特征策略来对低频、高频子带进行融合的医学图像融合方法；介绍了图像融合的评价标准，阐述了非下采样Ｃｏｎｔｏｕｒｌｅｔ变换的原理及实现；从视觉效果和客观数据指标方面对融合图像进行主观评判和数值评价。下颌骨系统ｃＴ和ＭＲＩ图像的融合实验结果表明，该方法相对于小波变换和Ｃｏｎｔｏｕｒｌｅｔ变换方法，可有效综合这两种断层图像的有效信息和细节信息，融合后图像具有更优的视觉

基于非下采样Contourlet变换的异常检测SVDD算法

基于非下采样Contourlet变换的异常检测SVDD算法陈海挺【期刊名称】《红外技术》【年(卷),期】2016(038)001【摘要】由于图像复杂背景信息的干扰,一般检测算法的应用受到了限制,致使异常检测的虚警率较高,而基于支持向量数据描述(Support Vector Data Description,SVDD)的异常检测算法不需要对背景或者目标数据作任何分布假设,可将原始数据映射到高维特征空间进行异常检测.基于此,本文提出了一种基于非下采样Contourlet变换的异常检测SVDD算法.算法首先对高光谱数据进行NSCT(Nonsubsampled Contourlet Transform)分解,得到高频信息图像和低频信息图像;然后对低频信息作差,得到背景残差数据,抑制了背景信息;接着通过加权融合得到背景抑制后的高光谱图像,最后利用非线性SVDD将背景抑制后的高光谱图像映射到高维特征空间,完成异常目标的检测.通过仿真实验验证可知,所提出的算法与RX算法、KRX算法和未进行背景抑制的SVDD算法相比,具有较低的异常检测虚警率和优良的检测性能.【总页数】6页(P47-52)【作者】陈海挺【作者单位】浙江越秀外国语学院网络传播学院,浙江绍兴312000【正文语种】中文【中图分类】TP751【相关文献】1.高光谱图像全局异常检测RFS-SVDD算法 [J], 谌德荣;宫久路;何光林;曹旭平2.基于主动学习的高光谱异常检测SVDD算法 [J], 曾现灵;张立燕;胡荣华3.基于ACPSO-SVDD的齿轮箱故障异常检测方法研究 [J], 刘志远; 赵欣洋; 王化玲; 晁战云; 刘小峰4.改进DM-SVDD算法的异常检测研究及应用 [J], 王杰;张雪英;李凤莲;杜海文;于丽君;马秀5.改进鲸鱼算法优化SVDD的辊道窑窑温异常检测 [J], 董明明;印四华;朱成就;金熹因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

关键词：非下采样Ｃｏｎｔｏｕｒｌｅｔ变换；梯度方向直方图；人脸识３９１．４１３文献标志码：Ａ
Ｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｈｉｓｔｏｇｒａｍｓｏｆｎｏｎｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔｏｒｉｅｎｔｅｄｇｒａｄｉｅｎｔ
奉俊鹏，杨恢先，蔡勇勇，翟云龙，李球球
（湘潭大学材料与光电物理学院，湖南湘潭４１１１０５）（通信作者电子邮箱ｙａｎｇｈｘ＠ｘｔｕ．ｅｄｕ．ａｎ）
摘
要：针对人脸－／ｅ，￣＇１系统准确度不高的问题，提出一种基于非下采样Ｃｏｎｔｏｕｒｌｅｔ梯度方向直方图（ＨＮＯＧ）的人
ＮｏｎｓｕｂｓａｍｐｌｅｄｃｏｎｔｏｕｒｌｅｔＯｉｒｅｎｔｅｄＧｒａｄｉｅｎｔ（ＨＮＯＧ）ｗａｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ａｆａｃｅｉｍａｇｅｗａｓｄｅｃｏｍｐｏｓｅｄｗｉｔｈＮｏｎ — ＳｕｂｓａｍｐｌｅｄＣｏｎｔｏｕｒｌｅｔＴｒａｎｓｆｏｒｍ（ＮＳＣＴ）ａｎｄｔｈｅｃｏｅｆｉｆｃｉｅｎｔｓｗｅｒｅｄｉｖｉｄｅｄｉｎｔｏｓｅｖｅｒａｌｂｌｏｃｋｓ．Ｔｈｅｎｈｉｓｔｏｇｒａｍｓｏｆｏｉｒｅｎｔｅｄ
ＪｏｕｒｎａｌｏｆＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
ＩＳＳＮ１００ｌ一９０８１
２０１４．０１．１０
计算机应用，２０１４，３４（１）：１５８—１６１，１６６文章编号：１００１－９０８１（２０１４）Ｏ１．０１５８ — ０４
ｒａｇｄｉｅｎｔｗｅｒｅｃａｌｃｕｌａｔｅｄｌｌａｏｖｅｒｔｈｅｂｌｏｃｋｓａｎｄｕｓｅｄａｓｆａｃｅｆｅａｔｕｒｅｓ．Ｆｉｎａｌｌｙ，ｍｕｈｉ — ｃｈａｎｎｅｌｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｃｌａｓｓｉｉｅｆｒＷｓａｕｓｅｄｔｏｃｌｓｓａｉｆｙｔｈｅｆａｃｅｓ．ＴｈｅｅｘｐｅｉｒｍｅｎｔｌａｒｅｓｕｌｔｓｏｎＹＡＬＥ．ＯＲＬａｎｄＣＡＳ — ＰＥＡＬ — Ｒ１ｆａｃｅｄａｔａｂａｓｅｓｓｈｏｗｔｈａｔｔｈｅｄｅｓｃｉｒｐｔｏｒＨＮＯＧｉｓｄｉｓｃｉｒｍｉｎａｔｉｖｅ，ｔｈｅｆｅａｔｕｒｅｄｉｍｅｎｓｉｏｎｉｓｓｍａｌｌａｎｄｔｈｅｆｅａｔｕｒｅｉｓｒｏｂｕｓｔｔｏｖａｉｒａｔｉｏｎｓｏｆｉｌｌｕｍｉｎａｔｉｏｎ，ｆａｃｅ
Ａｂｓｔｒａｃｔ：Ｃｏｎｃｅｎｉｒｎｇｔｈｅｌｏｗａｃｃｕｒａｃｙｏｆｆａｃｅｒｅｃｏｇｎｉｔｉｏｎｓｙｓｔｅｍｓ，ａｆａｃｅｒｅｃｏｎｉｇｔｉｏｎａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＨｉｓｔｏｇｒａｍｓｏｆ
Ｃ０ＤＥＮＪＹｌＩＤＵ
ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｅｎ
ｄｏｉ：１０．１１７７２／ｊ．ｉｓｓｎ．１００１－９０８１．２０１４．Ｏ１．０１５８
基于非下采样Ｃｏｎｔｏｕｒｌｅｔ梯度方向直方图的人脸识别
脸识别算法。先对人脸图像进行非下采样Ｃｏｎｔｏｕｒｌｅｔ变换（ＮＳＣＴ），并将变换后的各系数矩阵进行分块，再计算各分块的梯度方向直方图（ＨＯＧ），将所有分块的直方图串接得到人脸图像ＨＮＯＧ特征，最后用多通道最近邻分类器进行分类。在ＹＡＬＥ人脸库、ＯＲＬ人脸库上和ＣＡＳ．ＰＥＡＬ．Ｒ１人脸库上的实验结果表明，人脸的ＨＮＯＧ特征有很强的辨别能力，特征维数较小，且对光照、表情、姿态的变化具有较好的鲁棒性。
ＦＥＮＧＪｕｎｐｅｎｇ，ＹＡＮＧＨｕｉｘｉａｎ。，ＣＡＩＹｏｎｇｙｏｎｇ，ＺＨＡＩＹｕｎｌｏｎｇ，ＬＩＱｉｕｑｉｕ
（ＦａｃｕｌｔｙｏｆＭａ￣ｄａｌａｎｄＰｈｏｔｏｅｌｅｃｔｒｏｎｉｃＰｈｙｓｉｃｓ，ＸｉａｎｇｔａｎＵｎｉｖｅｒｓｉｔｙ，ＸｉａｎｇｔａｎＨｕｎａｎ４１１１０５，Ｃｈｉｎａ）