旋转均值跳动特征及其在模糊人脸识别中的应用.pdf

旋转均值跳动特征是一种用于图像处理和计算机视觉领域的特征提取方法，特别是在模糊人脸识别中表现出了优越性。本文由钟国韵、王檬檬、汪宇玲、常艳荣和吴忠粱等人提出，旨在解决远距离拍摄导致的模糊人脸识别率低下的问题。 在传统的模糊人脸识别中，由于图像质量下降，如模糊、光照变化等因素，识别效果往往不佳。为了解决这一问题，研究人员引入了“有序”全局结构性特征的旋转均值跳动特征提取算法。该算法的核心在于它能够捕捉图像中垂直方向的纹理信息，并且具有良好的鲁棒性和稳定性，即使在图像模糊的情况下也能有效识别。 该算法在图像的每一条垂线上进行操作。按照从上至下的顺序，图像被等分并选择若干个采样点。这些采样点的选择策略有助于保持图像的结构信息，确保特征提取的连贯性。 接着，采用均值跳动的方法对采样点进行编码。这一步骤涉及到计算每条垂线上所有非零像素的平均值。然后，将选中的采样点像素值与这个平均值进行比较。如果像素值大于平均值，则编码为1，小于则编码为0。这种比较过程依次进行，直到所有采样点都完成编码，最终生成一个8位二进制数。这个二进制数的十进制值范围与原始像素值的范围相同，代表了整条垂线的特征值。因此，每条垂线都可以通过这样一个独特的编码来描述其纹理特征。 为了进一步增强特征的表达能力，该方法还结合了图像预处理和直方图归一化。图像预处理可以去除噪声，提高图像质量，而直方图归一化则可以使不同光照条件下的图像具有相似的亮度分布，便于特征的对比和匹配。 实验结果显示，旋转均值跳动特征提取方法在模糊人脸识别任务上相对于深度学习模型有显著的性能提升。这表明，即使在图像模糊的情况下，该方法也能提取出足够区分人脸的特征，提高了识别准确率。 总结来说，旋转均值跳动特征是一种创新的图像处理技术，尤其适用于模糊人脸识别。通过有序的全局结构性特征提取，该方法能够在复杂条件下保持良好的识别性能，对于未来模糊图像处理和人脸识别领域的发展具有重要的参考价值。同时，这种方法还可能推广到其他领域，如视频监控、生物识别等，以应对各种挑战性的图像识别任务。