模糊人脸识别新方法：旋转均值跳动特征提取

"旋转均值跳动特征及其在模糊人脸识别中的应用.pdf" 本文主要探讨了一种用于模糊人脸识别的创新特征提取方法——旋转均值跳动特征提取算法。这种方法是针对监控摄像头远距离拍摄导致的人脸图像模糊问题，旨在提高模糊人脸识别的准确性和效率。 首先，该算法的核心在于“有序全局结构性特征”。它通过在图像的每一条垂线上进行操作，自上而下等间隔地选取采样点。然后，利用均值跳动的策略对这些采样点进行编码。具体来说，计算每条垂线上所有非零像素的平均值，并将选取的采样点像素值与这个平均值进行比较，根据比较结果生成一个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范围相同，代表了整条垂线的特征值，有效地提取了垂线的纹理特征信息。 其次，为了进一步优化特征提取，文章提到了图像预处理和直方图归一化步骤。这两个步骤有助于减少图像噪声，增强纹理对比度，同时确保不同图像间的特征具有可比性，从而实现纹理图像的融合特征信息提取。 实验结果显示，旋转均值跳动特征提取算法在模糊人脸识别任务上相比于深度学习方法有显著的提升。这表明该方法在处理低质量、模糊的人脸图像时具有更高的鲁棒性和识别精度。 关键词涉及人脸识别、特征提取、均值跳动、结构性特征以及全局特征，表明该研究聚焦于人脸识别的关键技术，特别是如何在复杂条件下（如模糊图像）有效提取和利用特征。文章的分类号TP391.4和文献标志码A则提示这是一篇关于信息技术与计算机科学领域的学术论文，且具有较高的科研价值。 DOI: 10.3969/j.issn.1007-130X.2020.03.013，表明该论文已发表在相应的学术期刊上，可供同行评审和后续引用。旋转均值跳动特征提取方法及其在模糊人脸识别中的应用，不仅为解决实际问题提供了新思路，也为未来的研究工作提供了有价值的参考。