基于超分辨激光成像的人脸图像模糊纹理识别方法

发布时间：2021-12-01 23:35

　　纹理特征依赖于图像的高频细节信息,当图像出现模糊时,单纯利用纹理特征的识别方法,识别人脸特征精度会急剧下降,提出基于超分辨激光成像的人脸图像模糊纹理识别方法。通过线激光三目立体视觉人脸扫描成像原理,获取低分辨率的人脸图像,依据该图像采用基于特征脸和匹配追踪算法重建超分辨人脸图像。采用LPQ与Fisherfaces融合的人脸识别算法识别超分辨人脸图像,分块处理超分辨人脸图像,通过LPQ算子获取人脸分块直方图并串接直方图,形成超分辨率人脸直方图,提取人脸图像模糊纹理特征,采用PCA算法和LDA算法对超分辨人脸图像直方图降维,获取2个特征子空间并融合得到融合算子空间,将训练样本的超分辨人脸图像直方图投影到融合算子空间,获取待识别样本特征,通过最近邻分类器对待识别样本特征进行模糊纹理识别。实验表明,所提识别方法识别人脸图像模糊纹理的识别率和准确率都很高,识别效果佳。 

【文章来源】：激光杂志. 2020,41(08)北大核心

【文章页数】：5 页

【部分图文】：

超分辨人脸图像重建过程

模糊人脸识别算法流程:将训练样本的超分辨人脸图像直方图(LPQHS)投影到特征子空间Wopt中，获取待识别样本特征，并通过最近邻分类器对该待识别样本人脸图像模糊纹理进行分类识别。图2为人脸图像模糊纹理识别算法流程图。5 实验分析

AR数据库包含有各种面部表情、非均匀光照以及有遮盖物条件下的人脸模糊纹理图像，共包含138个人的人脸模糊纹理图像，在进行人脸模糊纹理图像采集时，对光照环境、摄像机参数、摄像机距离等因素进行严格控制。每张人脸模糊纹理图像缩放至40像素×50像素。采用TFBP网络识别方法、小波包变换识别方法以及本文识别方法，对AR数据库中138人的人脸图像模糊纹理进行识别，共产138个识别率结果，取其平均值作为识别率。将三种方法下的识别率结果作对比，图4为AR数据库中不同方法对人脸图像模糊纹理的识别率对比结果。从图3中可知，三种方法随着分块的由大到小，识别率均呈现下降趋势，但本文识别方法在不同的分块下识别率均高于另外两种识别方法，由此可知分块数目选择对Yale人脸库中模糊人脸图像识别率影响很大，在相同的样本条件下，本文识别方法要优于其他几种方法，这是因为LPQ在模糊人脸情况下，识别率要优于其他识别方法，而且Fisherface提高了样本的鉴别能力，因此，本文识别方法在实际Yale人脸库的人脸图像模糊纹理识别中识别率高。

【参考文献】：
期刊论文
[1]基于激光照明的远距离视觉信息采集系统设计[J]. 张瑞,汤心溢.  红外技术. 2019(02)
[2]基于和频效应和环形光的超分辨红外显微成像方法[J]. 陈丹妮,李亚晖,刘伟,刘正一.  红外与激光工程. 2018(08)
[3]基于目标特征尺寸的可视化被动测距系统[J]. 杨金宝,杨晨,刘建国,祝宁华,于丽娟,刘亚超.  光学精密工程. 2018(01)
[4]结合光片照明与超分辨的三维荧光显微成像[J]. 谢新林,陈蓉,赵宇轩,费鹏.  中国激光. 2018(03)
[5]基于sCMOS相机的超分辨定位成像技术[J]. 桂丹,商明涛,黄振立.  中国激光. 2018(02)
[6]软X射线激光背光阴影成像技术的空间分辨研究[J]. 王琛,安红海,方智恒,熊俊,王伟,孙今人.  物理学报. 2018(01)
[7]超分辨显微技术在活细胞中的应用与发展[J]. 胡春光,查日东,凌秋雨,何程智,李奇峰,胡晓东,胡小唐.  红外与激光工程. 2017(11)
[8]具有抗漂移特性的激光共焦拉曼光谱成像技术与系统[J]. 李书成,王允,崔晗,邱丽荣,赵维谦,朱恪.  光谱学与光谱分析. 2017(10)
[9]基于焦散线方法的自加速光束设计[J]. 闻远辉,陈钰杰,余思远.  物理学报. 2017(14)
[10]凝视型激光主动成像系统性能验证[J]. 徐正平,许永森,姚园,李刚,石磊,孙翯,于潇,沈宏海.  光学精密工程. 2017(06)



本文编号：3527270