CN101571919A - 基于光学非下采样轮廓波变换的人脸识别方法 - Google Patents
基于光学非下采样轮廓波变换的人脸识别方法 Download PDFInfo
- Publication number
- CN101571919A CN101571919A CNA2009101039489A CN200910103948A CN101571919A CN 101571919 A CN101571919 A CN 101571919A CN A2009101039489 A CNA2009101039489 A CN A2009101039489A CN 200910103948 A CN200910103948 A CN 200910103948A CN 101571919 A CN101571919 A CN 101571919A
- Authority
- CN
- China
- Prior art keywords
- face
- light modulator
- spatial light
- place
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明涉及一种基于光学非下采样轮廓波变换的人脸识别方法,包括光学非下采样Contourlet变换模块,特征提取模块和模式分类模块;先将人脸图像经光学非下采样Contourlet变换模块实现非下采样Contourlet变换,得到人脸图像非下采样Contourlet变换的数值结果;然后由特征提取模块从人脸图像非下采样Contourlet变换的数值结果中提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征;再由模式分类模块将所提取的人脸特征与标准人脸图像的特征进行相似度比对,得到人脸识别结果。本发明提出的人脸识别方法可以用于机密信息存取控制、户口和身份证管理、门禁控制系统等众多领域,与传统的人脸识别方法相比,它可以提高人脸识别速度。
Description
技术领域
本发明属于模式识别技术领域,涉及人脸识别技术,具体地说,是一种基于光学非下采样Contourlet(轮廓波)变换的人脸识别方法。
背景技术
当今人类社会已进入信息社会,信息安全显示出前所未有的重要性。生物特征识别技术是利用人体特有的生理或行为特征来进行身份识别,具有良好的安全性、可靠性和有效性,已经被广泛地应用于机密信息存取控制、户口和身份证管理、罪犯鉴别、监狱安全、门禁控制系统等众多领域。人脸作为生物特征具有不易伪造、不会遗失、终身不变和随身携带等优点,与其它生物特征识别相比,人脸识别具有直接、友好、方便和鲁棒性强等特点。
小波变换是模式识别的有效工具,它能针对图像的特定频率成分进行处理,并很好地反映信号的零维奇异特征,已被成功地应用于人脸识别中。但是,常用的二维小波是由两个一维小波的张量积形成,其方向选择性有限,且各向同性,难以很好地表示图像的边缘、轮廓和纹理等具有高维奇异性的几何特征。
非下采样Contourlet变换是一种真正意义上的图像的二维表示方法,具有良好的多分辨率、局部化和方向性等优良特性,并且具有平移不变性。它将小波的优点延伸到高维空间,能够更好地刻画高维信息的特征,更适合应用于人脸识别中,提高人脸识别的准确性。
但是,非下采样Contourlet变换应用时的庞大的计算量制约了其应用的进一步推广,基于非下采样Contourlet变换的人脸识别技术具有识别速度慢的显著缺点,难以满足人脸识别的实时性的要求。
发明内容
本发明的目的是提供一种基于光学非下采样轮廓波变换的人脸识别方法,可以提高人脸识别的速度。
本发明的具体技术方案是:
一种人脸识别方法,包括光学非下采样Contourlet变换模块,特征提取模块和模式分类模块;
将人脸图像经所述光学非下采样Contourlet变换模块实现非下采样Contourlet变换,得到人脸图像非下采样Contourlet变换的数值结果;
将人脸图像非下采样Contourlet变换的数值结果经所述特征提取模块提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征;
将所提取的人脸特征经所述模式分类模块与标准人脸图像的特征进行相似度比对,得到人脸识别结果。
所述光学非下采样Contourlet变换模块中氦氖激光器位于针孔滤波器前方16~20cm处,针孔滤波器位于准直透镜的前焦面处,准直透镜后方16~20cm处安装分光器,分光器后方25~30cm处安装第一电寻址空间光调制器,该电寻址空间光调制器位于第一傅里叶透镜的前焦面处,第一傅里叶透镜后焦面处安装第一CCD(CCD:Charge Coupled Device,电荷耦合装置)光电耦合器件;分光器下方25~30cm处安装平面反射镜,平面反射镜后方25~30cm处安装第二电寻址空间光调制器,该电寻址空间光调制器位于第二傅里叶透镜的前焦面处,第二傅里叶透镜后焦面处安装第二CCD光电耦合器件;所述氦氖激光器、针孔滤波器、准直透镜、分光器、第一电寻址空间光调制器、第一傅里叶透镜、第一CCD光电耦合器件在同一轴线上;所述平面反射镜、第二电寻址空间光调制器、第二傅里叶透镜、第二CCD光电耦合器件在同一轴线上;所述平面反射镜的位置要保证分光器分出的平行光经平面反射镜反射后垂直入射到第二电寻址空间光调制器上;所述第一电寻址空间光调制器用电缆与第一计算机相连接,第一CCD光电耦合器件用电缆与第二计算机相连接,第二电寻址空间光调制器用电缆与第二计算机相连接,第二CCD光电耦合器件用电缆与第三计算机相连接。
其中:
氦氖激光器的型号为虹扬1500,输出功率为60-80mw,偏振比(方向)为1000∶1,发散角≤0.7mrad。
针孔滤波器的型号为GCO-001M,针孔直径为10μm。
准直透镜的型号为GCO-0203M,焦距为400mm,孔径直径为100mm。
分光器的分光角度为45-90度。
第一、第二电寻址空间光调制器的液晶板采用的是SONY-LCX038,其分辨率为1024×768,液晶尺寸为14.4mm×10.8mm,象元尺寸为14μm×14μm,刷新频率为60Hz,对比度为400∶1,最高透射率为21%。
第一、第二傅里叶透镜的型号为GCO-0203M,焦距为400mm,孔径直径为100mm。
第一、第二CCD光电耦合器件的型号为Cannon EOS 350D,其输出图像最大分辨率为3456×2304,感光元件尺寸为22.2mm×14.8mm。
所述特征提取模块对由光学非下采样Contourlet变换模块中得到的人脸图像非下采样Contourlet变换的数值结果中的各个高频方向子带系数的统计特征用GGD(GGD:Generalized Gaussian Density,广义高斯密度)模型拟合,利用极大似然估计来获得GGD模型的参数,提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征,该模块利用第三计算机实现。
所述模式分类模块用以图像的各个高频方向子带的基于GGD模型的K-L(K-L:Kullback-Leibler,库尔贝克-莱布勒)距离之和作为相似性测度,将输入的待识别人脸图像的特征与标准人脸图像的特征进行相似度比对,得到人脸识别结果,该模块利用第三计算机实现。
本发明的工作原理如下:
根据光学非下采样Contourlet变换系统的原理实现人脸图像的非下采样Contourlet变换,氦氖激光器通过针孔滤波器和准直透镜形成平行光经分光器透射在第一电寻址空间光调制器上,由第一计算机控制将输入图像与非下采样Contourlet滤波器加载到第一电寻址空间光调制器上,通过第一傅里叶透镜实现对输入图像与非下采样Contourlet滤波器的傅里叶变换,在第一傅里叶透镜的后焦面处形成输入图像与非下采样Contourlet滤波器的联合变换频谱,由第二计算机控制第一CCD光电耦合器件采集该联合变换频谱,并读入第二计算机,由第二计算机控制将该联合变换频谱加载到第二空间光调制器上,由分光器将平行光分路到平面反射镜,调整平面反射镜的位置,使分光器分路来的平行光经平面反射镜反射后垂直入射到第二空间光调制器上,通过第二傅里叶透镜实现对联合变换频谱的傅里叶变换,由第三计算机控制第二CCD光电耦合器件采集联合变换频谱的傅里叶变换结果,即输入人脸图像的非下采样Contourlet变换的数值结果,并读入第三计算机。
非下采样Contourlet变换的高频方向子带系数主要刻画了人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征。通过提取输入人脸图像的非下采样Contourlet变换的高频方向子带的统计特征,不仅可以有效的来表征这些信息,而且还能大大降低特征空间维数,从而提高识别效率。
自然纹理图像的小波变换细节子图的直方图可以用GGD模型来表示,其定义为:
式中,Γ(□)为Gamma函数,即
参数β表示峰值的递减率,α描述方差。
GGD模型的参数α与β可以利用极大似然估计来获得,定义似然函数为:
利用Newton-Raphson迭代算法,求得其准确解。
K-L距离是描述两个分布差异关系的一种测度,距离越大,表示两个概率分布差异越大;当两个概率分布相等时,K-L的距离为0。基于GGD模型的K-L距离可表示为:
两个子带的GGD模型的相似度可以由上式给出,两幅图像之间的相似度则可以表示为各个子带的K-L距离之和:
式中,M表示方向子带的数量。
对输入人脸图像进行非下采样Contourlet变换,然后对其各个高频方向子带系数的统计特征用GGD模型拟合,通过极大似然估计得到参数,再用各个高频子带的K-L距离之和作为相似性测度,将待识别人脸图像特征与标准人脸图像的特征进行相似度比对,得到人脸识别结果。
本发明与现有技术相比有如下优点:
(1)基于光学方法实现非下采样Contourlet变换,具有光学信息处理高速、并行和大容量的特征,与电学方法相比较,提高信息处理的速度。
(2)将光学非下采样Contourlet变换方法应用于人脸识别技术,有效提高人脸识别速度,促进实时动态的人脸识别技术的发展。
附图说明
图1为本发明的原理方框图。
图2为光学非下采样Contourlet变换系统结构示意图。
具体实施方式
下面结合附图对本发明的实施例做进一步详述:
实施例1:光学非下采样Contourlet变换模块的结构如图2所示,氦氖激光器1位于针孔滤波器2前方18cm处,针孔滤波器2位于准直透镜3的前焦面处,准直透镜3后方18cm处安装分光器4,该分光器4后方28cm处安装第一电寻址空间光调制器5,该电寻址空间光调制器5位于第一傅里叶透镜6的前焦面处,第一傅里叶透镜6后焦面处安装第一CCD光电耦合器件7;分光器4下方28cm处安装平面反射镜8,平面反射镜后方28cm处安装第二电寻址空间光调制器9,该电寻址空间光调制器9位于第二傅里叶透镜10的前焦面处,第二傅里叶透镜10后焦面处安装第二CCD光电耦合器件11;所述氦氖激光器1、针孔滤波器2、准直透镜3、分光器4、第一电寻址空间光调制器5、第一傅里叶透镜6、第一CCD光电耦合器件7在同一轴线上;所述平面反射镜8、第二电寻址空间光调制器9、第二傅里叶透镜10、第二CCD光电耦合器件11在同一轴线上;所述平面反射镜8的位置要保证分光器4分出的平行光经平面反射镜8反射后垂直入射到第二电寻址空间光调制器9上;所述第一电寻址空间光调制器5用电缆与第一计算机12相连接,第一CCD光电耦合器件7用电缆与第二计算机13相连接,第二电寻址空间光调制器9用电缆与第二计算机13相连接,第二CCD光电耦合器件11用电缆与第三计算机14相连接。
氦氖激光器的型号为虹扬1500,输出功率为70mw,偏振比(方向)为1000∶1,发散角≤0.7mrad。
针孔滤波器的型号为GCO-001M,针孔直径为10μm。
准直透镜的型号为GCO-0203M,焦距为400mm,孔径直径为100mm。
分光器的分光角度为90度。
第一、第二电寻址空间光调制器的液晶板采用的是SONY-LCX038,其分辨率为1024×768,液晶尺寸为14.4mm×10.8mm,象元尺寸为14μm×14μm,刷新频率为60Hz,对比度为400∶1,最高透射率为21%。
第一、第二傅里叶透镜的型号为GCO-0203M,焦距为400mm,孔径直径为100mm。
第一、第二CCD光电耦合器件的型号为Cannon EOS 350D,其输出图像最大分辨率为3456×2304,感光元件尺寸为22.2mm×14.8mm。
一种基于光学非下采样轮廓波(Contourlet)变换的人脸识别方法的总体方法流程如图1所示。
实施例2与实施例1结构及方法相同,所不同的是实施例2中氦氖激光器1位于针孔滤波器2前方16cm处,准直透镜3后方16cm处安装分光器4,该分光器4后方26cm处安装第一电寻址空间光调制器5,分光器4下方26cm处安装平面反射镜8,该平面反射镜8后方26cm处安装第二电寻址空间光调制器9,分光器的分光角度为50度。
实施例3与实施例1结构及方法相同,所不同的是实施例3中氦氖激光器1位于针孔滤波器2前方20cm处,准直透镜3后方20cm处安装分光器4,该分光器4后方30cm处安装第一电寻址空间光调制器5,分光器4下方30cm处安装平面反射镜8,该平面反射镜8后方30cm处安装第二电寻址空间光调制器9,分光器的分光角度为70度。
应用光学非下采样Contourlet变换模块实现人脸图像的非下采样Contourlet变换,如图2所示,氦氖激光器1通过针孔滤波器2和准直透镜3形成平行光,经分光器4透射在第一电寻址空间光调制器5上,由第一计算机12控制将人脸图像与非下采样Contourlet滤波器加载到第一电寻址空间光调制器5上,通过第一傅里叶透镜6实现对输入图像与非下采样Contourlet滤波器的傅里叶变换,在第一傅里叶透镜6的后焦面处形成输入图像与非下采样Contourlet滤波器的联合变换频谱,由第二计算机13控制第一CCD光电耦合器件7采集该联合变换频谱,并读入第二计算机13,由第二计算机13控制将采集得到的该联合变换频谱加载到第二空间光调制器9上,由分光器4将平行光分路到平面反射镜8,调整平面反射镜8的位置,使分光器4分路来的平行光经平面反射镜8反射后垂直入射到第二空间光调制器9上,通过第二傅里叶透镜10实现对联合变换频谱的傅里叶变换,由第三计算机14控制第二CCD光电耦合器件11采集联合变换频谱的傅里叶变换结果,即输入人脸图像的非下采样Contourlet变换的数值结果,并读入第三计算机14。
应用特征提取模块提取人脸特征,对由光学非下采样Contourlet变换模块中得到的人脸图像非下采样Contourlet变换的数值结果中的各个高频方向子带系数的统计特征用GGD模型拟合,利用极大似然估计来获得GGD模型的参数,提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征,该模块利用第三计算机14实现。
应用模式分类模块进行人脸识别,用以图像的各个子带的基于GGD模型的K-L距离之和作为相似性测度,将待识别人脸图像特征与标准人脸图像的特征进行相似度比对,得到人脸识别结果,该模块利用第三计算机14实现。
本发明提出一种基于光学非下采样Contourlet变换的人脸识别方法,可用于机密信息存取控制、户口和身份证管理、门禁控制系统等众多领域,与传统的人脸识别方法相比,它可以提高人脸识别的速度。
Claims (6)
1、一种基于光学非下采样轮廓波变换的人脸识别方法,其特征在于:包括光学非下采样Contourlet变换模块,特征提取模块和模式分类模块;
将人脸图像经所述光学非下采样Contourlet变换模块实现非下采样Contourlet变换,得到人脸图像非下采样Contourlet变换的数值结果;
将人脸图像非下采样Contourlet变换的数值结果经所述特征提取模块提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征;
将所提取的人脸特征经所述模式分类模块与标准人脸图像的特征进行相似度比对,得到人脸识别结果;
所述光学非下采样Contourlet变换模块中氦氖激光器(1)位于针孔滤波器(2)前方16~20cm处,该针孔滤波器(2)位于准直透镜(3)的前焦面处,准直透镜(3)后方16~20cm处安装分光器(4),该分光器(4)后方25~30cm处安装第一电寻址空间光调制器(5),该电寻址空间光调制器(5)位于第一傅里叶透镜(6)的前焦面处,第一傅里叶透镜(6)后焦面处安装第一CCD光电耦合器件(7);所述分光器(4)下方25~30cm处安装平面反射镜(8),该平面反射镜(8)后方25~30cm处安装第二电寻址空间光调制器(9),该电寻址空间光调制器(9)位于第二傅里叶透镜(10)的前焦面处,该第二傅里叶透镜(10)后焦面处安装第二CCD光电耦合器件(11);所述氦氖激光器(1)、针孔滤波器(2)、准直透镜(3)、分光器(4)、第一电寻址空间光调制器(5)、第一傅里叶透镜(6)、第一CCD光电耦合器件(7)在同一轴线上;所述平面反射镜(8)、第二电寻址空间光调制器(9)、第二傅里叶透镜(10)、第二CCD光电耦合器件(11)在同一轴线上;所述平面反射镜(8)的位置要保证分光器(4)分出的平行光经平面反射镜(8)反射后垂直入射到第二电寻址空间光调制器(9)上;所述第一电寻址空间光调制器(5)用电缆与第一计算机(12)相连接,第一CCD光电耦合器件(7)用电缆与第二计算机(13)相连接,第二电寻址空间光调制器(9)用电缆与第二计算机(13)相连接,第二CCD光电耦合器件(11)用电缆与第三计算机(14)相连接。
2、按照权利要求1所述基于光学非下采样轮廓波变换的人脸识别方法,其特征在于:所述氦氖激光器(1)输出功率为60-80mw,偏振比(方向)为1000∶1,发散角≤0.7mrad;所述针孔滤波器(2)的针孔直径为10μm;所述准直透镜(3)的焦距为400mm,孔径直径为100mm;所述分光器(4)的分光角度为45-90度;所述第一、第二电寻址空间光调制器(5、9)的分辨率为1024×768,液晶尺寸为14.4mm×10.8mm,象元尺寸为14μm×14μm,刷新频率为60Hz,对比度为400∶1,最高透射率为21%;所述第一、第二傅里叶透镜(6、10)的焦距为400mm,孔径直径为100mm;所述第一、第二CCD光电耦合器件(7、11)的输出图像最大分辨率为3456×2304,感光元件尺寸为22.2mm×14.8mm。
3、按照权利要求1所述基于光学非下采样轮廓波变换的人脸识别方法,其特征在于:所述特征提取模块对由光学非下采样Contourlet变换模块中得到的人脸图像非下采样Contourlet变换的数值结果中的各个高频方向子带系数的统计特征用GGD模型拟合,利用极大似然估计来获得GGD模型的参数,提取人脸的轮廓、姿态,以及眼睛、鼻子、嘴巴等器官的特征,该模块利用第三计算机实现。
4、按照权利要求1所述基于光学非下采样轮廓波变换的人脸识别方法,其特征在于:所述模式分类模块用以图像的各个高频方向子带的基于GGD模型的K-L距离之和作为相似性测度,将输入的待识别人脸图像的特征与标准人脸图像的特征进行相似度比对,得到人脸识别结果,该模块利用第三计算机实现。
5、一种按照权利要求1所述的基于光学非下采样轮廓波变换的人脸识别方法,用于人脸识别的用途。
6、一种按照权利要求1所述的基于光学非下采样轮廓波变换的人脸识别方法,用于机密信息存取控制、户口和身份证管理、门禁控制系统的用途。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101039489A CN101571919B (zh) | 2009-05-26 | 2009-05-26 | 基于光学非下采样轮廓波变换的人脸识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009101039489A CN101571919B (zh) | 2009-05-26 | 2009-05-26 | 基于光学非下采样轮廓波变换的人脸识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101571919A true CN101571919A (zh) | 2009-11-04 |
CN101571919B CN101571919B (zh) | 2011-08-31 |
Family
ID=41231274
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009101039489A Expired - Fee Related CN101571919B (zh) | 2009-05-26 | 2009-05-26 | 基于光学非下采样轮廓波变换的人脸识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101571919B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101833658A (zh) * | 2010-04-29 | 2010-09-15 | 南京理工大学 | 一种复杂光照人脸识别的光照不变量提取方法 |
CN101894364A (zh) * | 2010-05-31 | 2010-11-24 | 重庆大学 | 基于光学非下采样轮廓波变换的图像融合方法和装置 |
CN102222351A (zh) * | 2011-05-31 | 2011-10-19 | 重庆大学 | 基于光学轮廓波变换的图像压缩系统 |
CN102466945A (zh) * | 2010-11-19 | 2012-05-23 | 北京海鑫智圣技术有限公司 | 标准人像采集装置中的led补光及人像剪裁评价系统 |
CN102713975A (zh) * | 2010-01-12 | 2012-10-03 | 日本电气株式会社 | 图像整理系统、图像整理方法和计算机程序 |
CN103645564A (zh) * | 2013-12-18 | 2014-03-19 | 重庆大学 | 用于光学图像处理的二维全光负反馈系统 |
US9311564B2 (en) | 2012-10-05 | 2016-04-12 | Carnegie Mellon University | Face age-estimation and methods, systems, and software therefor |
CN105844267A (zh) * | 2016-06-14 | 2016-08-10 | 皖西学院 | 一种人脸面部识别算法 |
CN107958235A (zh) * | 2017-12-28 | 2018-04-24 | 泰康保险集团股份有限公司 | 一种人脸图像检测方法、装置、介质和电子设备 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
CN108615007A (zh) * | 2018-04-23 | 2018-10-02 | 深圳大学 | 基于特征张量的三维人脸识别方法、装置及存储介质 |
CN108684207A (zh) * | 2017-06-13 | 2018-10-19 | 深圳市汇顶科技股份有限公司 | 光学生物识别模组、显示装置以及电子设备 |
WO2019218895A1 (zh) * | 2018-05-15 | 2019-11-21 | 成都理想境界科技有限公司 | 一种应用于深度学习的特征提取方法及系统 |
-
2009
- 2009-05-26 CN CN2009101039489A patent/CN101571919B/zh not_active Expired - Fee Related
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102713975B (zh) * | 2010-01-12 | 2016-02-03 | 日本电气株式会社 | 图像整理系统、图像整理方法和计算机程序 |
CN102713975A (zh) * | 2010-01-12 | 2012-10-03 | 日本电气株式会社 | 图像整理系统、图像整理方法和计算机程序 |
US8938132B2 (en) | 2010-01-12 | 2015-01-20 | Nec Corporation | Image collation system, image collation method and computer program |
CN101833658B (zh) * | 2010-04-29 | 2013-07-24 | 南京理工大学 | 一种复杂光照人脸识别的光照不变量提取方法 |
CN101833658A (zh) * | 2010-04-29 | 2010-09-15 | 南京理工大学 | 一种复杂光照人脸识别的光照不变量提取方法 |
CN101894364A (zh) * | 2010-05-31 | 2010-11-24 | 重庆大学 | 基于光学非下采样轮廓波变换的图像融合方法和装置 |
CN101894364B (zh) * | 2010-05-31 | 2012-10-03 | 重庆大学 | 基于光学非下采样轮廓波变换的图像融合方法和装置 |
CN102466945A (zh) * | 2010-11-19 | 2012-05-23 | 北京海鑫智圣技术有限公司 | 标准人像采集装置中的led补光及人像剪裁评价系统 |
CN102466945B (zh) * | 2010-11-19 | 2013-09-11 | 北京海鑫智圣技术有限公司 | 标准人像采集装置中的led补光及人像剪裁评价系统 |
CN102222351A (zh) * | 2011-05-31 | 2011-10-19 | 重庆大学 | 基于光学轮廓波变换的图像压缩系统 |
US9311564B2 (en) | 2012-10-05 | 2016-04-12 | Carnegie Mellon University | Face age-estimation and methods, systems, and software therefor |
CN103645564B (zh) * | 2013-12-18 | 2015-08-05 | 重庆大学 | 用于光学图像处理的二维全光负反馈系统 |
CN103645564A (zh) * | 2013-12-18 | 2014-03-19 | 重庆大学 | 用于光学图像处理的二维全光负反馈系统 |
CN105844267A (zh) * | 2016-06-14 | 2016-08-10 | 皖西学院 | 一种人脸面部识别算法 |
CN108684207A (zh) * | 2017-06-13 | 2018-10-19 | 深圳市汇顶科技股份有限公司 | 光学生物识别模组、显示装置以及电子设备 |
CN107958235A (zh) * | 2017-12-28 | 2018-04-24 | 泰康保险集团股份有限公司 | 一种人脸图像检测方法、装置、介质和电子设备 |
CN107958235B (zh) * | 2017-12-28 | 2021-10-26 | 泰康保险集团股份有限公司 | 一种人脸图像检测方法、装置、介质和电子设备 |
CN108389215A (zh) * | 2018-03-15 | 2018-08-10 | 京东方科技集团股份有限公司 | 一种边缘检测方法、装置、计算机存储介质及终端 |
CN108615007A (zh) * | 2018-04-23 | 2018-10-02 | 深圳大学 | 基于特征张量的三维人脸识别方法、装置及存储介质 |
CN108615007B (zh) * | 2018-04-23 | 2019-07-19 | 深圳大学 | 基于特征张量的三维人脸识别方法、装置及存储介质 |
WO2019218895A1 (zh) * | 2018-05-15 | 2019-11-21 | 成都理想境界科技有限公司 | 一种应用于深度学习的特征提取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101571919B (zh) | 2011-08-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101571919B (zh) | 基于光学非下采样轮廓波变换的人脸识别方法 | |
CN101894364B (zh) | 基于光学非下采样轮廓波变换的图像融合方法和装置 | |
CN100557623C (zh) | 基于各向异性双树复小波包变换的人脸识别方法 | |
Wu et al. | Curvelet feature extraction for face recognition and facial expression recognition | |
CN112215296B (zh) | 基于迁移学习的红外图像识别方法及存储介质 | |
Winarno et al. | Anti-cheating presence system based on 3WPCA-dual vision face recognition | |
Wang et al. | The cat's eye effect target recognition method based on visual attention | |
Qu et al. | Texture image retrieval based on contourlet coefficient modeling with generalized gaussian distribution | |
Molley | Implementing the difference-squared error algorithm using an acousto-optic processor | |
Wang et al. | A Deep Learning based Target Recognition Method for Entangled Optical Quantum Imaging System | |
Zhao et al. | Multi-scale fusion algorithm of intensity and polarization-difference images based on edge information enhancement | |
CN106557756A (zh) | 一种人员再识别系统 | |
Chitaliya et al. | Comparative analysis using fast discrete Curvelet transform via wrapping and discrete Contourlet transform for feature extraction and recognition | |
Wen et al. | Improved Haar wavelet feature extraction approaches for vehicle detection | |
Zhang et al. | A comparative study of wavelet and Curvelet transform for face recognition | |
CN103093448B (zh) | 双色中波红外图像变换域多规则融合方法 | |
Patil et al. | Performance improvement of face recognition system by decomposition of local features using discrete wavelet transforms | |
CN111402183A (zh) | 基于八度金字塔框架的多聚焦图像融合方法 | |
Mahmoud et al. | 2D-multiwavelet transform 2D-two activation function wavelet network-based face recognition | |
Karine et al. | A non-Gaussian statistical modeling of SIFT and DT-CWT for radar target recognition | |
Dai et al. | Research on recognition of painted faces | |
Wang | Moving vehicle detection combined contourlet transform with frame difference in highways surveillance video | |
Bin et al. | Multi-Band infrared and visual video registration and fusion parallel acceleration method | |
Haselhoff et al. | On filtering by means of generalized integral images: a review and applications | |
Ning et al. | Texture classification based on multi-scale wavelet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20110831 Termination date: 20120526 |