方法根据熵贡献提取特征值。受的启发,我们提述其中和分别称为馈入输入和连接输入和是时间常数,通常和是归化常数和是突触加权系数是外部刺激,通常等于图像像素值是神经元的内部状态,是连接参数依赖于内部状态和阈值。我们介绍了基于滤波器和连接输入和是时间常数,通常和是归化常数和是突触加权系数是外部刺激,通常等于图像像素值是神经元的内部状态,是连接参数依赖于内部状态和阈值。第步,根据熵的贡献,通过和提取融合图像的特征。该方法,王运琼基于概率主成分分析的人脸识别红外与激光工程,黄丽瑾,施俊,钟瑾基于核熵成分分析的数据降维计算机工程,赖思渝,王娟,李明东种基于区域分割的图像融合方法微型电脑应用,高涛,何明,白磷,等组合局部多通道滤波器和的人脸描述与识别计算机应用研究,。特征水平图像融合的多模态人脸识别新方法原稿的图像通过基于区域分割和的图像融合得到。采用和方法对融合图像进行特征提取。在基准数据库上验证了该方法的有效性,识别率优于其它方法。可见光谱和红外光谱信息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即识别性能。总结和结论本论文提出了种基于特征级图像融合和熵成分分析的人脸识别新方法。融合后的图像通过基于区域分割和的图像融合得到。采用和方法对融合图像进行特征提取。在基准数据库上验证了该方法的有效性,识别率优于其它方法。可见光谱和红外光谱到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好的识别性能。总结和结论本论文提出了种基于特征级图像融合和熵成分分析的人脸识别新方法。融合验都是用模拟的。我们使用数据库来分析我们的算法性能,数据库是热红外和视觉人脸识别技术的标准。在我们的研究中,我们从个不同的人中选择了人脸图像,每个人有对热红外和可见光图像,其中包含种照明类型和。每个照明有两个姿势。经过多尺度小波分解后,低频系数表示图像的近似权重,包含图像的轮廓信息高频分量表示图像的细节,反映图像的边缘和纹理特征。由于低频段和高频段包含的信息种类不同,因此对低频段和高频段分别采用不同的融合方法。当低频时,我们选择最大频率作为融合频率。假设表示源图像中第像。然后我们将融合后的图像与其他图像进行人脸识别性能的比较。在识别实验中,每人选择张图像到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好在模式识别领域,主成分分析是种流行的方法。在主成分分析中,人们希望通过投影矩阵使训练样本的方差最大化。维主成分分析是种直接利用图像矩阵的维主成分分析方法。与这些基于特征值贡献的方法相比,核熵分量分析方法根据熵贡献提取特征值。受的启发,我们提互补信息的融合来进行人的识别,以解决这些领域中存在的缺陷。本文的其余部分安排如下第节总结了前人的工作,第节对本文提出的算法进行了说明。第节介绍了实验结果。最后,第节结束了这项工作。特征水平图像融合的多模态人脸识别新方法原稿。人们提出了许多技术,包括高分辨率静止图像的的数据降维计算机工程,赖思渝,王娟,李明东种基于区域分割的图像融合方法微型电脑应用,高涛,何明,白磷,等组合局部多通道滤波器和的人脸描述与识别计算机应用研究,。特征水平图像融合的多模态人脸识别新方法原稿。在模式识别领域,主成分分析是种流行息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即使在光照较差的情况下也是如此。此项研究对人脸识别技术具有重要的价值。参考文献葛微自动人脸识别的关键问题研究叶剑华,刘正光多模态人脸识别融合方法比较研究计算机工程与应用,刘直芳,游志像。然后我们将融合后的图像与其他图像进行人脸识别性能的比较。在识别实验中,每人选择张图像到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好的图像通过基于区域分割和的图像融合得到。采用和方法对融合图像进行特征提取。在基准数据库上验证了该方法的有效性,识别率优于其它方法。可见光谱和红外光谱信息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即数据库是热红外和视觉人脸识别技术的标准。在我们的研究中,我们从个不同的人中选择了人脸图像,每个人有对热红外和可见光图像,其中包含种照明类型和。每个照明有两个姿势图像。然后我们将融合后的图像与其他图像进行人脸识别性能的比较。在识别实验中,每人选择张图特征水平图像融合的多模态人脸识别新方法原稿别多幅静止图像的识别和多模态人脸识别。在影响人脸识别性能的几个因素中,在视觉图像的情况下,光照条件却不是很致,在采集人脸纹理细节时。其他因素如太阳镜胡须胡子等也在识别过程中起到了积极的作用。多模态人脸识别的重点是利用互补信息的融合来进行人的识别,以解决这些领域中存在的缺的图像通过基于区域分割和的图像融合得到。采用和方法对融合图像进行特征提取。在基准数据库上验证了该方法的有效性,识别率优于其它方法。可见光谱和红外光谱信息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即于特征提取。人们提出了许多技术,包括高分辨率静止图像的识别多幅静止图像的识别和多模态人脸识别。在影响人脸识别性能的几个因素中,在视觉图像的情况下,光照条件却不是很致,在采集人脸纹理细节时。其他因素如太阳镜胡须胡子等也在识别过程中起到了积极的作用。多模态人脸识别的重点是利示图像的细节,反映图像的边缘和纹理特征。由于低频段和高频段包含的信息种类不同,因此对低频段和高频段分别采用不同的融合方法。当低频时,我们选择最大频率作为融合频率。假设表示源图像中第区域的高频小波系数,并分别表示融合后的频率小波系数。高频融合的方法如下将,分别归化为和方法。在主成分分析中,人们希望通过投影矩阵使训练样本的方差最大化。维主成分分析是种直接利用图像矩阵的维主成分分析方法。与这些基于特征值贡献的方法相比,核熵分量分析方法根据熵贡献提取特征值。受的启发,我们提出了熵分量分析和维熵分量分析像。然后我们将融合后的图像与其他图像进行人脸识别性能的比较。在识别实验中,每人选择张图像到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好在光照较差的情况下也是如此。此项研究对人脸识别技术具有重要的价值。参考文献葛微自动人脸识别的关键问题研究叶剑华,刘正光多模态人脸识别融合方法比较研究计算机工程与应用,刘直芳,游志胜,王运琼基于概率主成分分析的人脸识别红外与激光工程,黄丽瑾,施俊,钟瑾基于核熵成分分到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好的识别性能。总结和结论本论文提出了种基于特征级图像融合和熵成分分析的人脸识别新方法。融合提出了熵分量分析和维熵分量分析用于特征提取。我们介绍了基于滤波器的纹理特征提取。从每个窗口中提取特征向量。每个特征向量由个特征组成。以个簇为已知簇数,用算法对特征向量,进行聚类,得到,作为的输入计算和的,结果作为和的连接强度次迭代后,表示和,作为和各自的发射图高频系数的融合取决于实验和结果在本研究中,所有的实验都是用模拟的。我们使用数据库来分析我们的算法性能,特征水平图像融合的多模态人脸识别新方法原稿的图像通过基于区域分割和的图像融合得到。采用和方法对融合图像进行特征提取。在基准数据库上验证了该方法的有效性,识别率优于其它方法。可见光谱和红外光谱信息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即的纹理特征提取。从每个窗口中提取特征向量。每个特征向量由个特征组成。以个簇为已知簇数,用算法对特征向量,进行聚类,得到,。经过多尺度小波分解后,低频系数表示图像的近似权重,包含图像的轮廓信息高频分量到张图像作为训练集,其余图像作为测试集。我们融合图像的识别率高于其他条件。融合图像中包含的细节和特征比加权融合图像和小波融合图像中包含的细节和特征要多。结果表明,融合后的方法具有较好的识别性能。总结和结论本论文提出了种基于特征级图像融合和熵成分分析的人脸识别新方法。融合在数据库上进行了测试,实验结果的比较表明,该方法在人脸识别中表现良好。是由多个神经元组成的反馈网络。在图像处理中,是个单的维连接网络,神经元的数目等于图像中输入像素的数目。因此,对应于像素的神经元数目,神经元由以下数学模型征水平图像融合的多模态人脸识别新方法原稿。是由多个神经元组成的反馈网络。在图像处理中,是个单的维连接网络,神经元的数目等于图像中输入像素的数目。因此,对应于像素的神经元数目,神经元由以下数学模型描述其中和分别称为馈入输息的协同融合增加了融合图像的解释内容。实验结果表明,该方法对多模式人脸识别是有效的,即使在光照较差的情况下也是如此。此项研究对人脸识别技术具有重要的价值。参考文献葛微自动人脸识别的关键问题研究叶剑华,刘正光多模态人脸识别融合方法比较研究计算机工程与应用,刘直芳,游志像。然后我们将融合后的图像与其他图像进行人脸识别性能的比较。在识别实验中,每人选择张图像到张图像作为训练集,其余图像