紋理特征依賴于圖像的高頻細節(jié)信息,當圖像出現(xiàn)模糊時,單純利用紋理特征的識別方法,識別人臉特征精度會急劇下降,提出基于超分辨激光成像的人臉圖像模糊紋理識別方法。通過線激光三目立體視覺人臉掃描成像原理,獲取低分辨率的人臉圖像,依據(jù)該圖像采用基于特征臉和匹配追蹤算法重建超分辨人臉圖像。采用LPQ與Fisherfaces融合的人臉識別算法識別超分辨人臉圖像,分塊處理超分辨人臉圖像,通過LPQ算子獲取人臉分塊直方圖并串接直方圖,形成超分辨率人臉直方圖,提取人臉圖像模糊紋理特征,采用PCA算法和LDA算法對超分辨人臉圖像直方圖降維,獲取2個特征子空間并融合得到融合算子空間,將訓(xùn)練樣本的超分辨人臉圖像直方圖投影到融合算子空間,獲取待識別樣本特征,通過最近鄰分類器對待識別樣本特征進行模糊紋理識別。實驗表明,所提識別方法識別人臉圖像模糊紋理的識別率和準確率都很高,識別效果佳。 

【文章來源】：激光雜志. 2020,41(08)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

超分辨人臉圖像重建過程

模糊人臉識別算法流程:將訓(xùn)練樣本的超分辨人臉圖像直方圖(LPQHS)投影到特征子空間Wopt中，獲取待識別樣本特征，并通過最近鄰分類器對該待識別樣本人臉圖像模糊紋理進行分類識別。圖2為人臉圖像模糊紋理識別算法流程圖。5 實驗分析

AR數(shù)據(jù)庫包含有各種面部表情、非均勻光照以及有遮蓋物條件下的人臉模糊紋理圖像，共包含138個人的人臉模糊紋理圖像，在進行人臉模糊紋理圖像采集時，對光照環(huán)境、攝像機參數(shù)、攝像機距離等因素進行嚴格控制。每張人臉模糊紋理圖像縮放至40像素×50像素。采用TFBP網(wǎng)絡(luò)識別方法、小波包變換識別方法以及本文識別方法，對AR數(shù)據(jù)庫中138人的人臉圖像模糊紋理進行識別，共產(chǎn)138個識別率結(jié)果，取其平均值作為識別率。將三種方法下的識別率結(jié)果作對比，圖4為AR數(shù)據(jù)庫中不同方法對人臉圖像模糊紋理的識別率對比結(jié)果。從圖3中可知，三種方法隨著分塊的由大到小，識別率均呈現(xiàn)下降趨勢，但本文識別方法在不同的分塊下識別率均高于另外兩種識別方法，由此可知分塊數(shù)目選擇對Yale人臉庫中模糊人臉圖像識別率影響很大，在相同的樣本條件下，本文識別方法要優(yōu)于其他幾種方法，這是因為LPQ在模糊人臉情況下，識別率要優(yōu)于其他識別方法，而且Fisherface提高了樣本的鑒別能力，因此，本文識別方法在實際Yale人臉庫的人臉圖像模糊紋理識別中識別率高。

【參考文獻】：
期刊論文
[1]基于激光照明的遠距離視覺信息采集系統(tǒng)設(shè)計[J]. 張瑞,湯心溢.  紅外技術(shù). 2019(02)
[2]基于和頻效應(yīng)和環(huán)形光的超分辨紅外顯微成像方法[J]. 陳丹妮,李亞暉,劉偉,劉正一.  紅外與激光工程. 2018(08)
[3]基于目標特征尺寸的可視化被動測距系統(tǒng)[J]. 楊金寶,楊晨,劉建國,祝寧華,于麗娟,劉亞超.  光學(xué)精密工程. 2018(01)
[4]結(jié)合光片照明與超分辨的三維熒光顯微成像[J]. 謝新林,陳蓉,趙宇軒,費鵬.  中國激光. 2018(03)
[5]基于sCMOS相機的超分辨定位成像技術(shù)[J]. 桂丹,商明濤,黃振立.  中國激光. 2018(02)
[6]軟X射線激光背光陰影成像技術(shù)的空間分辨研究[J]. 王琛,安紅海,方智恒,熊俊,王偉,孫今人.  物理學(xué)報. 2018(01)
[7]超分辨顯微技術(shù)在活細胞中的應(yīng)用與發(fā)展[J]. 胡春光,查日東,凌秋雨,何程智,李奇峰,胡曉東,胡小唐.  紅外與激光工程. 2017(11)
[8]具有抗漂移特性的激光共焦拉曼光譜成像技術(shù)與系統(tǒng)[J]. 李書成,王允,崔晗,邱麗榮,趙維謙,朱恪.  光譜學(xué)與光譜分析. 2017(10)
[9]基于焦散線方法的自加速光束設(shè)計[J]. 聞遠輝,陳鈺杰,余思遠.  物理學(xué)報. 2017(14)
[10]凝視型激光主動成像系統(tǒng)性能驗證[J]. 徐正平,許永森,姚園,李剛,石磊,孫翯,于瀟,沈宏海.  光學(xué)精密工程. 2017(06)



本文編號：3527270