針對(duì)養(yǎng)殖行業(yè)中動(dòng)物很難適應(yīng)耳標(biāo)的問(wèn)題,采用非入侵的識(shí)別方式進(jìn)行豬臉識(shí)別,提出了基于加權(quán)稀疏低秩組件編碼的豬臉識(shí)別算法.應(yīng)用視網(wǎng)膜皮層理論與區(qū)域協(xié)方差濾波器來(lái)估計(jì)光照,并結(jié)合文中新算法提出自適應(yīng)伽馬校正方法對(duì)獲取的反射分量進(jìn)行增強(qiáng),以減少光照對(duì)識(shí)別結(jié)果的影響;同時(shí),采用訓(xùn)練樣本中的低秩組件構(gòu)建字典矩陣,并重構(gòu)殘差函數(shù)處理誤差,以提升算法應(yīng)對(duì)含有污垢圖像的識(shí)別性能.在JDD2017豬臉數(shù)據(jù)集上進(jìn)行了光照和面部污垢驗(yàn)證試驗(yàn),分別統(tǒng)計(jì)其識(shí)別率與耗時(shí)情況.結(jié)果表明:文中所提出算法顯著優(yōu)于傳統(tǒng)稀疏表示方法,具有容忍光照變化、污垢和訓(xùn)練耗時(shí)短的優(yōu)點(diǎn). 

【文章來(lái)源】：江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,41(03)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

不同γ的變化曲線

為了解決光照和面部污垢對(duì)豬臉識(shí)別的影響,文中提出了一種基于加權(quán)稀疏低秩組件編碼的豬臉識(shí)別算法,算法總體流程圖如圖2所示.文中算法主要由兩部分組成:光照處理模塊和面部污垢處理模塊.在光照處理模塊中,融合區(qū)域協(xié)方差濾波器改善Retinex理論對(duì)圖像的增強(qiáng),提出自適應(yīng)伽馬校正算法對(duì)獲取的反射分量進(jìn)行增強(qiáng).通過(guò)對(duì)訓(xùn)練樣本和測(cè)試樣本進(jìn)行預(yù)處理,可以減少光照對(duì)分類的影響,進(jìn)而提高識(shí)別結(jié)果.

把求得的γ代入式(16)中,可以有效增強(qiáng)低對(duì)比度圖像.圖3為光照處理示意圖,應(yīng)用協(xié)方差濾波器處理后的圖像如圖3b所示,應(yīng)用自適應(yīng)伽馬校正增強(qiáng)的圖像如圖3c所示.2.2 稀疏低秩組件編碼

【參考文獻(xiàn)】：
期刊論文
[1]圖像去霧的最新研究進(jìn)展[J]. 吳迪,朱青松.  自動(dòng)化學(xué)報(bào). 2015(02)



本文編號(hào)：3282336