检索结果-南通市图书馆

字典学习优化结合hmax模型的鲁棒人脸识别

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2016年第15期39卷 53-57页

作者：孙新领谭志伟杨观赐河南工学院计算机科学与技术系河南新乡453003 贵州大学现代制造技术教育部重点实验室贵州贵阳550025

针对人脸识别中由于姿态、光照等变化而影响识别性能的问题,提出了字典学习优化结合hmax模型的人脸识别方法。首先,使用样本图像和从样本获得的仿射包模型联合表示一幅图像;然后,利用hmax模型提取C2特征,并利用字典学习优化特征矩阵;最... 详细信息

针对人脸识别中由于姿态、光照等变化而影响识别性能的问题,提出了字典学习优化结合hmax模型的人脸识别方法。首先,使用样本图像和从样本获得的仿射包模型联合表示一幅图像;然后,利用hmax模型提取C2特征,并利用字典学习优化特征矩阵;最后,将视觉注意模型与原始模型的C2特征进行组合,并利用支持向量机完成分类。在Caltech和AR人脸数据库上的实验结果表明,相比其他几种较新的人脸识别方法,提出的方法取得了更好的识别性能,对人脸表情和光照变化具有鲁棒性。

关键词：人脸识别 hmax模型鲁棒性支持向量机(SVM) 字典学习优化

在线全文

学校读者我要写书评

暂无评论

基于hmax模型的人脸表情识别研究

基于HMAX模型的人脸表情识别研究

作者：江达秀浙江理工大学

学位级别：硕士

人脸表情识别是一个涉及到模式识别、图像处理、人工智能等多学科的综合课题。所谓人脸表情识别是让计算机对人脸的表情信息进行特征提取分析,结合人类所具有的表情信息方面的先验知识使它进行自我思考、推理以及判断,进而去理解人脸表... 详细信息

人脸表情识别是一个涉及到模式识别、图像处理、人工智能等多学科的综合课题。所谓人脸表情识别是让计算机对人脸的表情信息进行特征提取分析,结合人类所具有的表情信息方面的先验知识使它进行自我思考、推理以及判断,进而去理解人脸表情蕴含的信息,实现人机之间智能化的交互。它在许多领域都有着潜在的应用价值,包括机器人技术、图像理解、视频检索、合成脸部动画、心理学研究、虚拟现实技术等。对人脸表情识别的研究主要包括三个部分：人脸检测、表情特征提取以及表情分类。目前在这三个方面计算机视觉研究者们进行了很多研究,但这三个方面仍有问题未得到很好的解决,包括人脸误检、表情识别的鲁棒等。本文分析了目前国内外有关人脸表情识别的理论和技术,着重对人脸检测、表情特征提取以及表情分类这三个环节进行了深入研究,其主要研究内容和成果如下：1.人脸检测方面本文研究了Viola提出的基于Harr-like特征、积分图、AdaBoost.M算法、级联模式的人脸检测方法和人脸模板匹配技术,分析了Viola人脸检测方法产生人脸误检的原因,提出了把Viola人脸检测方法和人脸模板匹配技术相结合来减少人脸误检率。本文首先采用Viola人脸检测方法搜寻可疑人脸区域,在此基础上,结合人脸模板匹配技术,对找到的可疑人脸区域进行验证以排除非人脸区域,获得真正的人脸区域。2.特征提取方面本文研究了表情特征的分布和hmax模型,并根据表情特征的分布特性对hmax模型的特征块模板抽取方法做了改进,最后使用改进的hmax模型进行表情特征的提取。所提取的表情hmax特征与其他通过图像处理得到的特征相比,具有更好的不变性和区分性。3.表情分类方面本文设计了基于AdaBoost.M2学习算法和BP神经网络的表情识别分类器。用BP神经网络作为弱分类器,利用AdaBoost.M2学习算法构造一个强分类器作为表情识别的分类器。4.在上述理论研究的基础之上,对人脸检测、表情特征提取以及表情分类进行了相关实验,证明了本文提出的方案的正确性。

关键词：人脸检测模板匹配 hmax模型表情识别 AdaBoost BP神经网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于hmax模型的仿生人脸识别算法

天津理工大学学报 2018年第1期34卷 42-46页

作者：朱晨岗宋世豹杨淑莹天津理工大学计算机与通信工程学院天津300384

为了提高人脸识别效率,减小特征提取的时间消耗,本文提出一种基于改进hmax模型的类脑识别算法,通过模拟生物视觉皮层的信息处理机制,构建了一个五层结构的分层网络用以提取目标图像的不变特征并进行识别.在S1层应用小波分解模拟视皮层V... 详细信息

为了提高人脸识别效率,减小特征提取的时间消耗,本文提出一种基于改进hmax模型的类脑识别算法,通过模拟生物视觉皮层的信息处理机制,构建了一个五层结构的分层网络用以提取目标图像的不变特征并进行识别.在S1层应用小波分解模拟视皮层V1简单细胞对目标图像进行滤波;在C1层进行特征提取,采用SVDP算法代替标准hmax模型中的最大值操作,得到对光照、表情、姿态不变性的代表特征;最后,在VTU层对人脸图像进行分类.实验表明,改进后的算法在对样本进行识别时,能够有效降低特征提取的时间开销,同时也提升了识别效率.

关键词：类脑识别 hmax模型小波分解奇异值分解

在线全文

学校读者我要写书评

暂无评论

基于双树复数小波的视觉信息处理模型

微计算机信息 2007年第2Z期23卷 254-255,186页

作者：董立娟练秋生秦皇岛燕山大学信息科学与工程学院 066004

本文基于双树复数小波变换的多尺度、多方向选择特性,对Jim Mutch提出的视觉信息处理模型进行改进。改进后算法大大提高了运算速度,同时获得的特征向量具有尺度、旋转和平移不变性。最后,利用支持向量基进行分类识别。Cal-tech101人脸... 详细信息

本文基于双树复数小波变换的多尺度、多方向选择特性,对Jim Mutch提出的视觉信息处理模型进行改进。改进后算法大大提高了运算速度,同时获得的特征向量具有尺度、旋转和平移不变性。最后,利用支持向量基进行分类识别。Cal-tech101人脸数据库的实验结果表明,该方法能够取得较好的分类效果。

关键词：视觉信息处理 hmax模型支持向量机

在线全文

学校读者我要写书评

暂无评论

基于生物视觉通路的目标识别算法

合肥工业大学学报（自然科学版） 2012年第4期35卷 481-484页

作者：宋皓徐小红合肥工业大学计算机与信息学院安徽合肥230009 中国电子科技集团公司第三十八研究所安徽合肥230088

研究哺乳动物视觉通路的结构和功能,为机器学习提供了广泛的思路。文章对经典稀疏编码和hmax模型进行改进,建立一种模拟完整视觉通路的算法。用4DGabor金字塔模拟了视觉信息从视网膜到腹侧通路V1区的处理过程;设计一种带稀疏编码性质的... 详细信息

研究哺乳动物视觉通路的结构和功能,为机器学习提供了广泛的思路。文章对经典稀疏编码和hmax模型进行改进,建立一种模拟完整视觉通路的算法。用4DGabor金字塔模拟了视觉信息从视网膜到腹侧通路V1区的处理过程;设计一种带稀疏编码性质的非线性滤波器,模拟了信息在V1区到PFC区的多层次处理步骤。实验表明该算法能够符合已知生物模型,达到现有同类先进算法的效果。

关键词：皮层 hmax模型目标识别

在线全文

学校读者我要写书评

暂无评论

基于视觉通路目标识别算法的研究

基于视觉通路目标识别算法的研究

作者：宋皓合肥工业大学

学位级别：硕士

基于大脑皮层的目标识别是当前计算机视觉领域研究的热点,其主要思想是利用各种神经元放电实验,建立数字图像的处理模型。目标识别和计算机视觉的目的都在于研究并体现具有与人类视觉认知水平相当的能力,因此从人类视觉认知系统出发研... 详细信息

基于大脑皮层的目标识别是当前计算机视觉领域研究的热点,其主要思想是利用各种神经元放电实验,建立数字图像的处理模型。目标识别和计算机视觉的目的都在于研究并体现具有与人类视觉认知水平相当的能力,因此从人类视觉认知系统出发研究图像处理具有重要的理论意义和应用前景。论文对于如何用机器算法完成视觉感知任务展开研究,建立了包括视网膜、膝状体、大脑腹侧皮层的完整视觉通路的目标识别算法。论文主要工作如下:(1)介绍卷积神经网络模型。基于隐层中简单细胞和复杂细胞神经生物学机理与算法作用,分析模型整体构建的思路,总结隐层中学习规则的优越性。(2)分析稀疏编码算法。解释目标函数的建立和学习规则中的迭代算法,利用Gabor滤波器和稀疏编码提取特征,说明稀疏编码的应用。(3)探讨hmax模型。从模型创建的角度说明其每层的生理学意义与建模算法。将原先4层模型结构归结成2层算法操作:Coding和Pooling层。在Pooling层对比平均汇聚算法和原先的最大汇聚算法,实验表明最大汇聚算法在分类精度方面有较好的表现。(4)建立了符合完整视觉通路的算法结构。利用卷积神经网络,建立4层训练框架,每层分为两步:Coding阶段和Pooling阶段。在Coding阶段中,选取稀疏编码中的梯度下降算法设计一种非线性滤波器,模拟视觉信息从视网膜到视皮层V1区的处理过程;在Pooling阶段中,提出采用hmax模型的最大汇聚算法,模拟视皮层V2区到V4区的视觉信息处理过程。实验结果表明该算法能够有效减小算法复杂度和提高分类精度。

关键词：目标识别卷积神经网络稀疏编码 hmax模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

生物启发式图像分类算法研究

生物启发式图像分类算法研究

作者：张林浙江大学

学位级别：硕士

在视觉研究领域,目标识别是一个很热门的研究课题,同时也是很有挑战的任务。然而人类大脑视觉皮层的独特信息处理机制,使其具备快速准确高效的目标识别能力。在过去的数十年中,很多视觉算法的提出,改善了目标识别的性能,但是现在的任何... 详细信息

在视觉研究领域,目标识别是一个很热门的研究课题,同时也是很有挑战的任务。然而人类大脑视觉皮层的独特信息处理机制,使其具备快速准确高效的目标识别能力。在过去的数十年中,很多视觉算法的提出,改善了目标识别的性能,但是现在的任何一种算法都未能超越人类大脑。因此,构建能够模拟人类大脑视觉皮层的目标识别机制,或者尽可能与人类视觉相匹敌的人工系统,一直都是具有吸引力但也很困难的目标。设计与构建鲁棒的目标识别算法,将会有益于诸多领域与应用,比如安全监控,机器人导航,医学图像理解等。本文主要围绕目标识别与图像分类算法展开研究。本文既借鉴神经生物学与认知生理学目前的研究成果,又考虑人类大脑的生物学习机制,结合hmax (Hierarchical Model and X)模型与极限学习机,设计与构建新颖的生物记发式图像分类算法网络。本文的主要研究内容包括：第一,传统视觉与生物视觉中的目标识别问题的研究,以及目标识别与图像分类问题的数学描述与解决方案。目标识别分为两种情况,鉴别与分类。从生理学和计算方面同时考虑目标识别问题的解决方案与策略,并且指出解决目标识别问题的两个重要阶段：构造包含足够多的有效信息的目标图像特征,与选择恰当的分类器对目标图像特征进行分类。这为目标识别与图像分类算法的设计提供总体理论支撑。第二,生物启发式图像分类算法网络的设计与实现。本文设计的生物启发式图像分类算法网络包括五个层级,分别是S1层、C1层、S2层、C2层与H层,即S1-C1-S2-C2-H。其前四个层级主要注重设计与构建特征结构描述,基于灵长类动物的视觉皮层生理学数据构造图像特征数据向量。网络的H层主要关注人类大脑的生物学习机制,通过极限学习机分类器来实现,对图像特征数据向量进行分类。同时,本文尝试将生物启发式特征构建机制与学习机制融合来构建新算法,为深入研究目标识别引入新思路与新视角。第三,生物启发式图像分类算法网络的实验结果与分析。本文选取三个图像数据集,设计了四个组别的图像分类实验,分别是识别准确率验证,参数敏感性分析,混淆矩阵计算,以及隐藏结点比较。通过实验验证与分析,本文提出的图像分类算法网络,具有较好的识别准确率性能以及快速的学习速度,同时也具有潜在的工程应用前景。总而言之,本文提出的生物启发式图像分类算法网络,在模仿人类大脑的识别与学习能力的算法研究上向前迈进了一小步。本文的研究工作在尝试搭建计算机视觉与神经科学之间沟通的桥梁。

关键词：目标识别图像分类生物启发 hmax模型极限学习机

自然场景下基于视觉注意力的神经网络类图像识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

自然场景下基于视觉注意力的神经网络类图像识别算法研究

作者：于千惠哈尔滨工程大学

学位级别：硕士

自然场景中目标类型多样、分布随机、背景复杂,给图像识别增添了难度。神经网络类算法仿照人脑神经处理图像信息的机理,以分层次的感知器提取图像特征用于分类,在识别领域中具有良好性能。视觉注意力思想可以类比人眼视觉在看到图像时... 详细信息

自然场景中目标类型多样、分布随机、背景复杂,给图像识别增添了难度。神经网络类算法仿照人脑神经处理图像信息的机理,以分层次的感知器提取图像特征用于分类,在识别领域中具有良好性能。视觉注意力思想可以类比人眼视觉在看到图像时快速扫描和锁定感兴趣区域的机制,抓去图像的关键信息,减少冗余的计算,节约了空间资源。因此,本文针对自然场景基于视觉注意力提出了如下的神经网络类图像识别算法:首先,提出了一种结合显著性区域分割的改进hmax算法。标准hmax算法在C1层之后采样特征块时随机抽选,没有考虑人眼视觉的注意机制。为了得到良好的识别结果就需要采集非常多的特征块,造成模板匹配时计算量过高。因此提出显著性区域分割模块,包括LC显著性检测、OTSU阈值分割、腐蚀膨胀和图像处理函数,以矩形框标记出分割的区域并从中提取特征块,使训练阶段存储的模板保留目标更多的有效信息。其次,提出一种具有尺度和旋转不变性的RI-hmax算法。hmax模型的图像识别依赖于训练时抽取的模板和输入图像的匹配程度,若识别时图像发生旋转,匹配程度会大幅降低。RI-hmax简化了Gabor滤波器组和池化层,加入特征提取层和特征表达层,使用汉明距离匹配特征,获得用于分类的特征向量。特征提取层选择Harris角点作为显著特征,特征表达层提出了像素环变换成的梯度方向—像素值和的二维图像表征方式,使算法对旋转和尺度变化具有鲁棒性。最后,本文介绍了具有超轻量化通道注意力的ECA模块及其原型SENet,在ShuffleNetV2模型的基础上设计了一种深度卷积神经网络识别算法。在网络基础单元中加入ECA层,不改变输入和输出通道,增加极微小的参数量和复杂度,优化了网络提取的特征,提高算法的识别性能。

关键词：图像识别显著性检测通道注意力 hmax模型 ShuffleNetV2网络

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于初级视觉模型的轮廓提取

基于初级视觉模型的轮廓提取

作者：崔弘睿吉林大学

学位级别：硕士

轮廓提取是图像处理中的一类特征提取方法。由于轮廓包含形状和结构信息,而且具有很强的鲁棒性,因此,轮廓提取是目标识别所不可缺少的特征提取方法。在轮廓提取方面,与经典边缘提取算法相比,基于非经典感受野抑制的轮廓提取算法具有较... 详细信息

轮廓提取是图像处理中的一类特征提取方法。由于轮廓包含形状和结构信息,而且具有很强的鲁棒性,因此,轮廓提取是目标识别所不可缺少的特征提取方法。在轮廓提取方面,与经典边缘提取算法相比,基于非经典感受野抑制的轮廓提取算法具有较好的处理效果,尤其适合提取复杂纹理背景中的物体轮廓。该算法利用非经典感受野抑制性质能够减弱背景中的边缘,从而提高轮廓提取效果。但是此算法只是基于两层视觉模型,轮廓提取的正确率还是不够理想。而hmax模型具备了基本的五层视皮层功能结构,但是它主要用于目标识别。对于输入的图像,经过处理,最后输出的是一个表示图像特征的向量。因此,hmax模型不适合轮廓提取。本文正是认识到了基于非经典感受野抑制的轮廓提取算法与hmax模型的优势与不足,将二者相结合,最后提出了本文算法并编写了代码。利用本文算法,对各类含有复杂纹理背景的图像进行了轮廓提取,并且与Canny算子和各向异性抑制算法进行比较。通过轮廓提取最佳效果图、评估参数表以及盒须图对三种方法进行了评估,结果表明本文算法提高了轮廓提取的正确率,减少了错误提取的背景边缘,是一种性能良好的轮廓提取算法,也为目标识别奠定了良好的基础。

关键词：轮廓提取复杂纹理背景 hmax模型非经典感受野抑制