基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对传统人脸识别方法在单样本条件下受姿态、表情、遮挡和光照影响识别效果不佳等问题,提出一种改进的纹理特征和边缘特征相结合的人脸描述算子ε-WLBD(ε-Weber Local Binary Descriptor)。先用改进的局部二值模式和改进的Kirsch算子进行纹理特征和边缘特征提取,然后分别进行直方图统计,并将其串接起来作为人脸识别的总体特征向量,最后利用最近邻算法进行分类识别。在YALE和AR人脸库上进行测试,实验结果表明所提方法简单有效,且对姿态、表情、遮挡和光照等变化具有较强鲁棒性,对单样本人脸描述具有较好的效果。
推荐文章
基于SIFT特征的单样本人脸识别研究
尺度不变性特征变换
单样本问题
特征匹配
人脸识别
基于两级DCT和正交投影的单样本人脸识别
DCT
正交投影
单样本
多姿态
线性物体类理论
自适应加权LBP的单样本人脸识别方法
人脸识别
单样本
局部二值模式
加权
基于图像的单样本人脸识别研究进展
人脸识别
单样本
特征提取
子空间学习
通用库
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 纹理与边缘相结合的单样本人脸识别
来源期刊 计算机工程与应用 学科 工学
关键词 人脸识别 ε-WLBD算子 局部二值模式 Kirsch算子 单样本
年,卷(期) 2016,(7) 所属期刊栏目 图形图像处理
研究方向 页码范围 191-195,221
页数 6页 分类号 TP391.41
字数 3752字 语种 中文
DOI 10.3778/j.issn.1002-8331.1404-0423
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨恢先 湘潭大学材料与光电物理学院 89 692 12.0 22.0
2 蔡勇勇 湘潭大学材料与光电物理学院 7 55 5.0 7.0
3 翟云龙 湘潭大学材料与光电物理学院 7 47 5.0 6.0
4 奉俊鹏 湘潭大学材料与光电物理学院 6 42 4.0 6.0
5 李球球 湘潭大学材料与光电物理学院 6 42 4.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (82)
共引文献  (93)
参考文献  (18)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1971(1)
  • 参考文献(1)
  • 二级参考文献(0)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(11)
  • 参考文献(1)
  • 二级参考文献(10)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(11)
  • 参考文献(0)
  • 二级参考文献(11)
2009(8)
  • 参考文献(2)
  • 二级参考文献(6)
2010(12)
  • 参考文献(3)
  • 二级参考文献(9)
2011(10)
  • 参考文献(3)
  • 二级参考文献(7)
2012(13)
  • 参考文献(2)
  • 二级参考文献(11)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
人脸识别
ε-WLBD算子
局部二值模式
Kirsch算子
单样本
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导