专利汇可以提供一种融合双树复小波变换和离散小波变换的人脸识别方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种融合双树复 小波变换 和 离散小波变换 的 人脸识别 方法。其步骤为:采用双树复小波变换和离散小波变换相融合的方法对输入的人脸图像进行特征提取;采用监督 局部线性嵌入 方法对提取的 特征向量 X进行 降维 ,将测试人脸图像的特征向量与训练集图像的特征向量进行余弦相似度计算,将输入图像与相似度最高的训练图像归为一类,得到人脸识别结果。本发明采用双树复小波变换和离散小波变换相融合的方法可实现多方向、丰富的人脸特征提取,可以快速的降维,实现准确和高效的人脸识别。,下面是一种融合双树复小波变换和离散小波变换的人脸识别方法专利的具体信息内容。
1.一种融合双树复小波变换和离散小波变换的人脸识别方法,包括如下步骤:
(1)对每一幅给定的人脸图像I,进行二维双树复小波变换,得到各尺度子带的复系数矩阵,计算每个子带矩阵复系数的幅度值,将其转化为实数矩阵,即该子带的幅度矩阵;
(2)将每一个幅度矩阵按列方向展开,排成一个列向量,用Vu,v表示,其中u∈{1,2,
3,4}和v∈{±15°,±45°,±75°}分别代表DT-CWT的尺度参数和方向参数,将各子带对应的列向量进行连接得到人脸特征向量XD1,其中D1表示DT-CWT特征向量的维数,(3)将给定的人脸图像进行垂直与水平方向的离散小波变换,得到各尺度子带的复系数矩阵,计算每个子带矩阵复系数的幅度值,将其转化为实数矩阵,即该子带的幅度矩阵;
每一个幅度矩阵按垂直与水平方向分别展开得到列向量XD2,其中D2表示DWT特征向量的维数,
(4)人脸图像I的特征向量X通过将DT-CWT特征向量XD1和DWT特征向量XD2连接起来组成;
(5)采用监督局部线性嵌入方法对提取的特征向量X进行降维,将测试人脸图像的特征向量与训练集图像的特征向量进行余弦相似度计算,将输入图像与相似度最高的训练图像归为一类,得到人脸识别结果。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)的DT-CWT是4级6个尺度方向,并得到24个尺度子带的幅度矩阵。
3.根据权利要求1所述方法,其特征在于,所述步骤(4)X=(XD1,XD2)。
4.根据权利要求1所述的方法,其特征在于,所述步骤(5)采用监督局部线性嵌入方法进行降维的步骤为:
第一步:选取邻域,设样本点的总数为n,计算每个样本点Xi的k个近邻点Xi,其中i∈{1,...,n},j∈{1,...,k};
第二步:计算出样本点的局部重建权值矩阵W,定义误差函数:
计算出每个样本点Xi能用k个近邻线性重构的最小化误差ξ的最优重构权值Wij,其中Wij是Xi与Xj之间的权值;
第三步:用最优重构权值Wij计算低维空间的坐标Y,
其中I是d×d维单位矩阵,Yi为Xi的输出向量,Yj为Yi的k个近邻点,所以ξ(Y)也T T
可以表示为ξ(Y)=tr{YMY},其中M=(I-W)(I-W)是稀疏矩阵,要使ξ(Y)达到最小值,则Y为M的最小m个非零特征值所对应的特征向量。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种多小波变换矢量图像融合方法 | 2020-05-11 | 112 |
一种提升小波变换FPGA实现的方法 | 2020-05-12 | 369 |
利用小波变换测量群延迟的方法 | 2020-05-12 | 534 |
一种并行二维离散小波变换电路 | 2020-05-12 | 493 |
利用小波变换的视频编码方法 | 2020-05-13 | 917 |
一种融合双树复小波变换和离散小波变换的人脸识别方法 | 2020-05-11 | 596 |
模拟小波变换器件 | 2020-05-11 | 355 |
一种基于小波变换的语音识别方法 | 2020-05-13 | 647 |
一种三维小波变换的极化SAR滤波方法 | 2020-05-13 | 803 |
基于FPGA的多级复用小波变换器 | 2020-05-13 | 546 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。