吉林大学学报(工学版) ›› 2023, Vol. 53 ›› Issue (11): 3201-3206.doi: 10.13229/j.cnki.jdxbgxb.20220813

• 计算机科学与技术 • 上一篇    下一篇

基于深度学习算法的人脸图像活体特征变换尺度提取

吕晓琪1,2,3(),李浩1,2,谷宇1,2   

  1. 1.内蒙古科技大学 信息工程学院，内蒙古 包头 014010
    2.内蒙古科技大学 内蒙古自治区模式识别与智能图象处理重点实验室，内蒙古 包头 014010
    3.内蒙古工业大学 信息工程学院，呼和浩特 010051
  • 收稿日期:2022-06-27 出版日期:2023-11-01 发布日期:2023-12-06
  • 作者简介:吕晓琪（1963-），男，教授，博士.研究方向：智能医学图像处理系统及医学图像压缩，配准与融合技术研究.E-mail：lvxiaoqi7895@126.com
  • 基金资助:
    国家自然科学基金项目(62001255);内蒙古自治区科技计划项目(2019GG138);中央引导地方科技发展项目(2021ZY0004);内蒙古自治区自然科学基金项目(2019MS06003);内蒙古自治区高等学校科学研究项目(NJZY145);教育部“春晖计划”合作科研项目(教外司留［2019］1383号)

Adaptive blur and deduplication algorithm for digital media image based on wavelet domain

Xiao-qi LYU1,2,3(),Hao LI1,2,Yu GU1,2   

  1. 1.College of Information Engineering，Inner Mongolia University of Science and Technology，Baotou 014010，China
    2.Inner Mongolia Key Laboratory of Pattern Recognition and Intelligent Imag Processing，Inner Mongolia University of Science and Technology，Baotou 014010，China
    3.Institute of Information Engineering，Inner Mongolia University of Technology，Hohhot 010051，China
  • Received:2022-06-27 Online:2023-11-01 Published:2023-12-06

RICH HTML

 6   

PDF (PC)

202

摘要：

针对目前人脸图像的特征提取方法存在提取准确度低、效率低等问题，提出了基于深度学习算法的人脸图像活体特征变换尺度提取方法。先利用深度学习方法完成人脸图像的去噪处理；然后使用Gabor波滤器分解人脸信号，并将其输入到深层子空间模型完成特征变换尺度的提取；最后基于（粒子PSO群优化算法）完成人脸图像活体特征变换尺度提取。实验结果表明：提出人脸图像特征提取方法的准确度更高，识别速度更快，整体应用效果更好。

关键词: 人脸特征提取, 深度学习, 去噪处理, Gabor波滤器, 深层子空间模型

Abstract:

The quality of face feature extraction results affects the accuracy of face recognition. At present， the feature extraction methods of face images still have the problems of low extraction accuracy and low efficiency. In order to solve the problems in the methods， a scale extraction method of face image living feature transformation based on deep learning algorithm is proposed. The deep learning method is used to denoise the face image. Based on this， Gabor wave filter is used to decompose the face signal and input it into the deep subspace model to extract the feature transform scale. Based on PSO （particle swarm optimization）， the scale extraction of face image living feature transformation is completed. The experimental results show that the proposed face image feature extraction method has higher accuracy， faster recognition speed and better overall application effect.

Key words: facial feature extraction, deep learning, denoising, Gabor filter, deep subspace model

中图分类号: 

  • TP391.41

图1

实验图像集"

图2

文献［3］算法的图像噪声鲁棒性"

图3

文献［4］算法的图像噪声鲁棒性"

图4

本文算法的图像噪声鲁棒性"

表1

ORL人脸数据库平均识别率"

训练样本ORL人脸数据库平均识别率/%
本文方法文献［3］方法文献［4］方法
182.680.280.6
292.881.992.3
393.290.391.6
494.692.891.8
592.691.790.3
694.592.891.5
793.692.491.7
892.591.490.9
990.489.388.9
1093.392.191.6

图5

人脸图像识别时间"

1 杨恢先, 付宇, 曾金芳, 等. 基于正交Log-Gabor滤波二值模式的人脸识别算法[J]. 智能系统学报, 2019, 14(2): 330-337.
Yang Hui-xian, Fu Yu, Zeng Jin-fang, et al. Face recognition based on orthogonal Log-Gabor binary pattern[J]. CAAI Transactions on Intelligent Systems, 2019, 14(2): 330-337.
2 聂栋栋, 贺悦悦, 马勤勇. 基于PCA_LDA和协同表示分类的人脸识别算法[J]. 燕山大学学报, 2019, 43(2): 176-181.
Nie Dong-dong, He Yue-yue, Ma Qin-yong. Face recognition based on PCA_LDA and collaborative representation[J]. Journal of Yanshan University, 2019, 43(2): 176-181.
3 胡超, 李春国, 杨绿溪. 稀疏特征重用的人脸特征提取网络[J]. 信号处理, 2021, 37(7): 1153-1163.
Hu Chao, Li Chun-guo, Yang Lv-xi. Face feature extraction network based on sparse feature reuse[J]. Journal of Signal Processing, 2021, 37(7): 1153-1163.
4 栗科峰, 黄全振, 卢金燕. 基于热红外光谱的人脸特征提取算法[J]. 激光与光电子学进展, 2019, 56(2): 229-236.
Li Ke-feng, Huang Quan-zhen, Lu Jin-yan. Extraction algorithm of face features based on thermal infrared spectra[J]. Laser & Optoelectronics Progress, 2019, 56(2): 229-236.
5 孙文赟, 宋昱, 陈昌盛. 基于卷积-反卷积网络的正交人脸特征学习算法[J]. 深圳大学学报: 理工版, 2020, 37(5): 474-481.
Sun Wen-yun, Song Yu, Chen Chang-sheng. An orthogonal facial feature learning method based on convolutional-deconvolutional network[J]. Journal of Shenzhen University (Science & Engineering), 2020, 37(5): 474-481.
6 陈叶飞, 赵广社, 李国齐, 等. 无监督多重非局部融合的图像去噪方法[J]. 自动化学报, 2022, 48(1): 87-102.
Chen Ye-fei, Zhao Guang-she, Li Guo-qi, et al. Unsupervised multi-non-local fusion image denoising method[J]. Acta Automatica Sinica, 2022, 48(1): 87-102.
7 石翠萍, 韩崇彬, 邓强强, 等. 基于图形小波变换的遥感图像表示与去噪[J]. 电讯技术, 2020, 60(1): 76-80.
Shi Cui-ping, Han Chong-bin, Deng Qiang-qiang, et al. Representation and denoising of remote sensing image based on graph wavelet transform[J]. Telecommunication Engineering, 2020, 60(1): 76-80.
8 周航, 苏延池, 李占山, 等. 基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法[J]. 吉林大学学报: 理学版, 2023, 61(1): 118-126.
Zhou Hang, Su Yanchi, Li Zhan-shan, et al. Mixed noise removal method for hyperspectral images based on subspace representation and weighted low-rank tensor regularization[J]. Journal of Jilin University (Science Edition), 2023, 61(1): 118-126.
9 成丽波, 陈鹏宇, 李喆, 等. 基于剪切波变换和拟合优度检验的遥感图像去噪[J]. 吉林大学学报: 理学版, 2023, 61(5): 1187-1194.
Cheng Libo, Chen Pengyu, Li Zhe,et al. Remote sensing image denoising based on shearlet transform and goodness of fit test[J]. Journal of Jilin University (Science Edition), 2023, 61(5): 1187-1194.
10 徐华平, 贾小宁. 基于仿射不变块相似度量的BM3D图像去噪算法[J]. 吉林大学学报: 理学版, 2022, 60(1): 109-0118.
Xu Hua-ping, Jia Xiao-ning. Image denoising algorithm based on affine invariant patch similarity measure[J]. Journal of Jilin University (Science Edition), 2022, 60(1): 109-0118.
11 徐少平, 刘婷云, 林珍玉, 等. 用于去除随机脉冲噪声的两阶段盲卷积降噪模型[J]. 计算机学报, 2020, 43(9): 1673-1690.
Xu Shao-ping, Liu Ting-yun, Lin Zhen-yu, et al. Learning a two-stage blind convolutional denoising model for the removal of random-valued impulse noise[J]. Chinese Journal of Computers, 2020, 43(9): 1673-1690.
12 王晓红, 刘芳, 麻祥才. 基于深度残差学习的彩色图像去噪研究[J]. 包装工程, 2019, 40(17): 235-242.
Wang Xiao-hong, Liu Fang, Ma Xiang-cai. Color image denoising based on depth residual learning[J]. Packaging Engineering, 2019, 40(17): 235-242.
13 丁罗依, 段锦, 宋宇, 等. 基于残差学习和视觉显著性映射的图像融合[J]. 激光与光电子学进展, 2020, 57(16): 116-123.
Ding Luo-yi, Duan Jin, Song Yu, et al. Image fusion based on residual learning and visual saliency mapping[J]. Laser & Optoelectronics Progress, 2020, 57(16): 116-123.
14 李军军, 曹建农, 朱莹莹, 等. 高分辨率遥感影像建筑区域局部几何特征提取[J]. 遥感学报, 2020, 24(3): 233-244.
Li Jun-jun, Cao Jian-nong, Zhu Ying-ying, et al. Built-up area detection from high resolution remote sensing images using geometric features[J]. Journal of Remote Sensing, 2020, 24(3): 233-244.
15 汤松梅. 基于群智能的图书馆人脸识别系统关键技术[J]. 吉林大学学报: 工学版, 2021, 51(6): 2216-2224.
Tang Song-mei. Key technology of face recognition system based on swarm intelligence in library[J]. Journal of Jilin University (Engineering and Technology Edition), 2021, 51(6): 2216-2224.
16 熊李艳, 朱宁. 基于局部结构保留的级联子空间深度聚类[J]. 计算机应用研究, 2020, 37(8): 2358-2361.
Xiong Li-yan, Zhu Ning. Cascade subspace clustering based on local structure preservation[J]. Application Research of Computers, 2020, 37(8): 2358-2361.
17 王小玉, 胡鑫豪, 韩昌林. 基于生成对抗网络的人脸铅笔画算法[J]. 吉林大学学报: 工学版, 2021, 51(1): 285-292.
Wang Xiao-yu, Hu Xin-hao, Han Chang-lin. Face pencil drawing algorithms based on generative adversarial network[J]. Journal of Jilin University (Engineering and Technology Edition), 2021, 51(1): 285-292.
18 方明, 陈文强. 结合残差网络及目标掩膜的人脸微表情识别[J]. 吉林大学学报: 工学版, 2021, 51(1): 303-313.
Fang Ming, Chen Wen-qiang. Joint AIHS and particle swarm optimization for pan-sharpening[J]. Journal of Jilin University (Engineering and Technology Edition), 2021, 51(1): 303-313.
[1] 霍光,林大为,刘元宁,朱晓冬,袁梦,盖迪. 基于多尺度特征和注意力机制的轻量级虹膜分割模型[J]. 吉林大学学报(工学版), 2023, 53(9): 2591-2600.
[2] 金小俊,孙艳霞,于佳琳,陈勇. 基于深度学习与图像处理的蔬菜苗期杂草识别方法[J]. 吉林大学学报(工学版), 2023, 53(8): 2421-2429.
[3] 耿庆田,刘植,李清亮,于繁华,李晓宁. 基于一种深度学习模型的土壤湿度预测[J]. 吉林大学学报(工学版), 2023, 53(8): 2430-2436.
[4] 巫威眺,曾坤,周伟,李鹏,靳文舟. 基于多源数据和响应面优化的公交客流预测深度学习方法[J]. 吉林大学学报(工学版), 2023, 53(7): 2001-2015.
[5] 张振海,季坤,党建武. 基于桥梁裂缝识别模型的桥梁裂缝病害识别方法[J]. 吉林大学学报(工学版), 2023, 53(5): 1418-1426.
[6] 吴飞,农皓业,马晨浩. 基于粒子群优化算法⁃长短时记忆模型的刀具磨损预测方法[J]. 吉林大学学报(工学版), 2023, 53(4): 989-997.
[7] 何科,丁海涛,赖宣淇,许男,郭孔辉. 基于Transformer的轮式里程计误差预测模型[J]. 吉林大学学报(工学版), 2023, 53(3): 653-662.
[8] 王军,王华琳,黄博文,付强,刘俊. 基于联邦学习和自注意力的工业物联网入侵检测[J]. 吉林大学学报(工学版), 2023, 53(11): 3229-3237.
[9] 孙舒杨,程玮斌,张浩桢,邓向萍,齐红. 基于深度学习的两阶段实时显式拓扑优化方法[J]. 吉林大学学报(工学版), 2023, 53(10): 2942-2951.
[10] 曲优,李文辉. 基于多任务联合学习的多目标跟踪方法[J]. 吉林大学学报(工学版), 2023, 53(10): 2932-2941.
[11] 高金武,贾志桓,王向阳,邢浩. 基于PSO-LSTM的质子交换膜燃料电池退化趋势预测[J]. 吉林大学学报(工学版), 2022, 52(9): 2192-2202.
[12] 申铉京,张雪峰,王玉,金玉波. 像素级卷积神经网络多聚焦图像融合算法[J]. 吉林大学学报(工学版), 2022, 52(8): 1857-1864.
[13] 李晓英,杨名,全睿,谭保华. 基于深度学习的不均衡文本分类方法[J]. 吉林大学学报(工学版), 2022, 52(8): 1889-1895.
[14] 胡丹,孟新. 基于时变网格的对地观测卫星搜索海上船舶方法[J]. 吉林大学学报(工学版), 2022, 52(8): 1896-1903.
[15] 高明华,杨璨. 基于改进卷积神经网络的交通目标检测方法[J]. 吉林大学学报(工学版), 2022, 52(6): 1353-1361.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 李寿涛， 李元春. 在未知环境下基于递阶模糊行为的移动机器人控制算法[J]. 吉林大学学报(工学版), 2005, 35(04): 391 -397 .
[2] 李红英;施伟光;甘树才 .

稀土六方Z型铁氧体Ba3-xLaxCo2Fe24O41的合成及电磁性能与吸波特性

[J]. 吉林大学学报(工学版), 2006, 36(06): 856 -0860 .
[3] 张全发，李明哲，孙刚，葛欣 . 板材多点成形时柔性压边与刚性压边方式的比较[J]. 吉林大学学报(工学版), 2007, 37(01): 25 -30 .
[4] 杨树凯，宋传学，安晓娟，蔡章林 . 用虚拟样机方法分析悬架衬套弹性对
整车转向特性的影响[J]. 吉林大学学报(工学版), 2007, 37(05): 994 -0999 .
[5] 冯金巧；杨兆升；张林；董升 . 一种自适应指数平滑动态预测模型[J]. 吉林大学学报(工学版), 2007, 37(06): 1284 -1287 .
[6] 车翔玖，刘大有，王钲旋 .

两张NURBS曲面间G1光滑过渡曲面的构造

[J]. 吉林大学学报(工学版), 2007, 37(04): 838 -841 .
[7] 刘寒冰，焦玉玲，，梁春雨，秦卫军 . 无网格法中形函数对计算精度的影响[J]. 吉林大学学报(工学版), 2007, 37(03): 715 -0720 .
[8] 冯浩，席建锋，矫成武 . 基于前视距离的路侧交通标志设置方法[J]. 吉林大学学报(工学版), 2007, 37(04): 782 -785 .
[9] 曲昭伟，陈红艳，李志慧，胡宏宇，魏巍 . 基于单模板的二维场景重建方法[J]. 吉林大学学报(工学版), 2007, 37(05): 1159 -1163 .
[10] 聂建军，杜发荣，高峰 . 存在热漏的内燃机与斯特林联合循环的有限时间的热力学研究[J]. 吉林大学学报(工学版), 2007, 37(03): 518 -0523 .
版权所有 © 《吉林大学学报(工学版)》编辑部
地址：长春市人民大街5988号　电话：+86-431-85095297　传真：+86-431-85094074　E-mail: xbgxb@jlu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发