题名 典型相关分析的局部保持投影算法
被引量：2
1
作者
程卫月 林克正 刘帅 李姝
机构
哈尔滨理工大学计算机科学与技术学院
出处
《哈尔滨理工大学学报》
CAS
2013年第5期65-69,共5页
基金
黑龙江省教育厅科学技术研究项目(11551087)
文摘
针对传统子空间线性分析方法无法准确地描述样本具有的流形结构的问题,依据典型相关分析算法和局部保持投影算法的理论,将两种算法结合起来,提出了限制类别的典型相关分析的局部保持投影算法,该算法通过引入类信息,在区分了样本类信息的基础上,又保持样本类内的局部信息结构,而且还使两组样本间达到最大相关化以及各个特征投影之间具有不相关性,极大地提高了算法的识别率.该算法分别在YALE人脸库和AR人脸库上进行实验,识别率最高可达98%.
关键词
典型相关分析算法 局部保持投影算法 类信息 最大相关化
Keywords
canonical component analysis algorithm locality preserving projections algorithm class informa-tion maximum correlation
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于聚类的SIFT人脸检测算法
被引量：7
2
作者
刘帅 林克正 孙旭东 程卫月 李静天
机构
哈尔滨理工大学计算机科学与技术学院 海军广州
出处
《哈尔滨理工大学学报》
CAS
2014年第1期31-35,共5页
基金
国家自然科学基金(60873019) 黑龙江省教育厅科学技术研究项目(11551087)
文摘
为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.
关键词
人脸识别 特征提取 SIFT算法 聚类分析
Keywords
face recognition feature extraction SIFT algorithm clustering analysis
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 全局加权稀疏局部保留投影
被引量：3
3
作者
林克正 程卫月 刘帅
机构
哈尔滨理工大学计算机科学与技术学院
出处
《计算机应用》
CSCD
北大核心
2014年第3期760-762,779,共4页
基金
国家自然科学基金资助项目(60873019) 黑龙江省教育厅科学技术研究项目(11551087)
文摘
针对稀疏保留投影(SPP)算法运行时间较长并且忽略了样本的类间差异信息的问题,在稀疏保留投影算法的基础上,提出了全局加权稀疏局部保留投影(GWSLPP)算法。该算法在保持样本的稀疏重构关系的同时,使样本具有很好的鉴别能力,算法通过对样本进行稀疏重构处理;然后对样本进行投影并且最大化样本的类间散度;最后利用得到的投影将样本分类。该算法分别在FERET人脸库和YALE人脸库上进行实验。实验结果表明,全局加权稀疏保留算法在执行时间和识别率综合性能上,优于局部保留投影(LPP)、SPP和FisherFace算法,执行时间只有25 s,识别率能达到95%以上,实验数据验证了算法的有效性。
关键词
稀疏保留投影算法 类间差异 稀疏重构 类间散度
Keywords
Sparse Preserving Projection （SPP） algorithm difference between classes sparse reconstruction divergence between classes
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 压缩感知的人脸图像去噪
被引量：3
4
作者
林克正 魏颖 程卫月
机构
哈尔滨理工大学计算机科学与技术学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2015年第5期91-96,共6页
基金
黑龙江省教育厅科学技术研究项目(11551087)
文摘
为解决人脸识别领域的噪声图像恢复问题,提出一种压缩感知的人脸图像去噪算法,协同稀疏性度量(collaborative sparse measure,CSM).CSM算法利用图像的先验知识,用一个域将图像稀疏表示,将图像的二维稀疏表示和三维稀疏表示同时进行自适应混合空间域转换,利用增广拉格朗日技术求解.实验结果表明,CSM算法的信噪比明显高于传统算法的信噪比,具有高效性.
关键词
压缩感知 协同稀疏性度量 图像去噪 空间域
Keywords
compression perception collaborative sparse measurement image de-noising spatial domain
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 代价敏感学习的稀疏局部保留投影算法
5
作者
林克正 钟岩 程卫月
机构
哈尔滨理工大学计算机科学与技术学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2015年第3期45-50,共6页
基金
黑龙江省教育厅科学技术研究项目(11551087)
文摘
针对已有的局部保留投影(locality preserving projections,LPP)算法可能将相似的类别误投影到一起,导致正确识别率降低的问题.在局部保留投影算法的基础上,提出了一种基于代价敏感学习的稀疏局部保留投影算法(cost-sensitive sparse locality preserving projections,CSLPP).该算法将代价敏感学习引入到人脸识别中,首先对样本进行代价敏感思考,然后再将样本稀疏化,最后求得最优投影向量.通过在YALE人脸库和FERET人脸库上实验,结果表明CSLPP算法在投影之前将代价考虑进去,有效的避免了高风险,该算法在最近邻分类器上的的识别率明显高出其它算法的识别率.
关键词
局部保留投影 人脸识别 代价敏感 稀疏化
Keywords
locality preserving projections face recognition cost-sensitive sparse
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 融合全局与局部特征的深度卷积神经网络算法
被引量：9
6
作者
程卫月 张雪琴 林克正 李骜
机构
黑龙江工商学院 哈尔滨理工大学计算机科学与技术学院
出处
《计算机科学与探索》
CSCD
北大核心
2022年第5期1146-1154,共9页
基金
国家自然科学基金(62071157) 黑龙江省自然科学基金(F2015040) 黑龙江省青年创新人才项目(UNPYSCT-2018203)。
文摘
为进一步提高人脸表情识别的准确率,提出一种融合全局与局部特征的深度卷积神经网络算法(GL-DCNN)。该算法由两个改进的卷积神经网络分支组成,全局分支和局部分支,分别用于提取全局特征和局部特征,对两个分支的特征进行加权融合,使用融合后的特征进行分类。首先,提取全局特征,全局分支基于迁移学习,使用改进的VGG19网络模型进行特征提取;其次,提取局部特征,局部分支采用中心对称局部二值模式(CSLBP)算法进行第一次特征提取,得到原始图像的局部纹理信息,将其输入到浅层卷积神经网络进行第二次特征提取,使其自动提取出与表情相关的局部特征;再次,采用两个级联的全连接层对两个分支的特征进行降维,为其分配不同权重,进行加权融合;最后,采用softmax分类器进行分类。实验在CK+和JAFFE数据集上进行验证,分类精度分别达95%以上和93%以上,对比其他五种算法,该算法总体表现较好,具有较好的识别效果和良好的鲁棒性,可为人脸表情识别提供有效依据。
关键词
表情识别 特征融合 卷积神经网络(CNN) 深度学习
Keywords
facial expression recognition feature fusion convolutional neural networks(CNN) deep learning
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 融合并行网络特征的人脸表情识别算法
被引量：3
7
作者
苗壮 程卫月 林克正 李骜
机构
哈尔滨理工大学计算机科学与技术学院 黑龙江工商学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2022年第6期95-102,共8页
基金
国家自然科学基金(62071157) 黑龙江自然科学基金(F2015040)。
文摘
针对单一卷积神经网络对人脸表情特征提取不充分和参数量较大等问题,提出了一种融合并行网络特征的人脸表情识别算法。该算法首先对ResNet网络中的残差块进行修改,减少网络参数量同时使用预激活来减小错误率。之后将改进后的ResNet网络提取到的特征与剪层后的VGG网络提取到的特征进行融合,得到网络模型P-ResNet-VGG,其中损失函数使用交叉熵损失函数。该模型已在FER2013和JAFFE数据集上进行了大量实验。实验结果表明,该模型比其他几种模型在FER2013和JAFFE表情数据集上准确率都有所提高,具有更好的鲁棒性。
关键词
深度学习 卷积神经网络 人脸表情识别 并行网络 特征融合
Keywords
deep learning convolutional neural network facial expression recognition parallel network feature fusion
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 超分辨率重建的微小人脸识别算法
被引量：5
8
作者
李靖宇 程卫月 李子翔 林克正
机构
哈尔滨理工大学计算机科学与技术学院 黑龙江工商学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2022年第3期52-58,共7页
基金
国家自然科学基金(61501147) 黑龙江自然科学基金(YQ2019F011) 黑龙江省青年创新人才项目(UNPYSCT-2018203).
文摘
针对低分辨率下小尺度人脸图像缺失有效身份信息导致的识别率低的问题,提出了超分辨率重建的微小人脸识别算法。该算法首先将采集到的低分辨率人脸图像进行超分辨率重建,并采用细节增强的方法,以恢复图像的面部轮廓信息与纹理细节等高频信息,再通过一个改进的密集连接网络做特征提取,进行图像识别。实验结果表明,该方法对于小尺度的人脸图像,在图像识别率上优于其它人脸识别算法,能够有效解决现实环境中微小人脸识别率低的问题。
关键词
超分辨率重建 人脸识别 特征提取 细节增强
Keywords
super-resolution reconstruction face recognition feature extraction detail enhancement
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 联合损失下深度可分离残差网络的表情识别算法
被引量：1
9
作者
李靖宇 程卫月 林克正 苗壮 李骜
机构
哈尔滨理工大学计算机科学与技术学院 黑龙江工商学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2023年第1期54-63,共10页
基金
国家自然科学基金(62071157) 黑龙江自然科学基金(F2015040)。
文摘
为了增强神经网络特征提取能力进一步提高人脸表情识别准确率,提出了一种联合损失下深度可分离残差网络模型DSResNet-JLoss(deeply separable residual network under joint loss),该网络是基于深度可分离卷积与残差学习方法的轻量级网络模型。使用逐通道卷积和逐点卷积的方法取代常规卷积运算,解决了传统卷积神经网络参数冗余大,训练时间长收敛慢,且易过拟合的问题。并在网络中加入残差单元,使用shortcut连接,通过恒等映射,来解决因网络模型层数过多导致的梯度爆炸或衰减问题。提出联合损失函数,充分结合了交叉熵损失,中心损失和对比损失的优点,以减小表情特征的类内距离,增大类间距离。实验表明,该模型在FERPlus和RAF-DB两个公开数据集上均取得较好的成绩,表现出良好的泛化能力和鲁棒性。
关键词
深度可分离卷积 残差网络 表情识别 联合损失
Keywords
depth separable convolution residual network facial expression recognition joint loss
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于实时视频的人脸识别技术研究
被引量：1
10
作者
程卫月
机构
黑龙江工商学院
出处
《电子技术与软件工程》
2021年第15期128-130,共3页
文摘
本文针对人脸识别对光照的鲁棒性问题,实现了基于实时视频的人脸识别系统。在实时视频中利用AdaBoost算法自动的检测出人脸图像,对检测到的人脸图像进行进一步的旋转、缩放、裁剪和降噪等操作,利用圆形LBP算子提取预处理后人脸图像的纹理特征,最后使用最近邻分类器将人脸图像和人脸库的图像进行比较,将识别到的人脸名字在矩形的右上角标记出来。本文的开发环境是基于Microsoft Visual Studio 2010、OpenCV3.0和MFC实现的,实验结果表明该系统具有一定的准确性和鲁棒性。
关键词
人脸识别 ADABOOST算法 局部二值模型 最近邻分类器
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
题名 基于GCSLBP的DBN人脸识别算法
被引量：3
11
作者
关小蕊 程卫月 张雪琴 林克正 高铁洪
机构
哈尔滨理工大学计算机科学与技术学院 黑龙江工商学院 黑龙江教师发展学院
出处
《哈尔滨理工大学学报》
CAS
北大核心
2022年第2期69-75,共7页
基金
国家自然科学基金(62071157) 黑龙江自然科学基金(F2015040) 黑龙江省青年创新人才项目(UNPYSCT-2018203).
文摘
针对传统Gabor小波变换提取的特征向量维数较高以及DBN在完成人脸识别时会忽略局部信息的问题,提出了一种基于GCSLBP的DBN人脸识别算法(Gabor fusion central symmetric local binary pattern deep belief network,GCSLBP-DBN)。该算法首先改进了原始的Gabor变换,通过引入中心对称局部二值模式方法(local binary pattern,LBP)进行优化,然后利用直方图的方法表示最终的特征向量,既提取到图像丰富的局部特征,又能降低特征向量维数。最后使用深度信念网络方法提高分类鲁棒性,完成人脸的分类和识别。该算法已在ORL和CMU_PIE数据集上进行仿真实验,实验结果表明,本文GCSLBP-DBN算法有效的提高了人脸识别率,在光照等变换下也具有鲁棒性。
关键词
GABOR小波变换 中心对称局部二值模式 特征提取 深度信念网络
Keywords
Gabor wavelet transform centrosymmetric local binary pattern feature extraction deep belief network
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于注意力机制和马尔可夫判别器的图像去雾算法
被引量：2
12
作者
林克正 耿佳浩 程卫月 李骜
机构
哈尔滨理工大学计算机科学与技术学院 黑龙江工商学院
出处
《激光与光电子学进展》
CSCD
北大核心
2022年第16期102-109,共8页
基金
国家自然科学基金(61501147,62071157) 黑龙江省自然科学基金(F2015040)。
文摘
针对现有去雾算法无法根据有雾图像的不同区域特征进行差异化处理的问题,提出了一种基于注意力机制和马尔可夫判别器(PatchGAN)的图像去雾算法。注意力机制的加入使所提算法能够为不同区域的特征自适应分配权重;同时使用带有Inception机制的模块来预测全局相关的大气光值更加准确,也更为有效。将预测到的大气光值、透射率及有雾图像输入大气散射模型中即可得到去雾图像,最后将去雾图像输入PatchGAN中,由其判断真假。实验结果表明,所提算法在室内有雾图像和室外有雾图像上均取得了良好的去雾效果,并且提高了去雾图像的亮度和饱和度。
关键词
图像处理 模式识别 图像去雾 深度学习 注意力机制 马尔可夫判别器
Keywords
image processing pattern recognition image defogging deep learning attention mechanism Markov discriminator
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
