基于小波近似分量非参数鉴别分析人脸识别算法

根据小波变换原理,采用dbl小波基函数,对人脸图像进行3级小波分解。将3层小波近似分量进行重组,得到新的样本向量集。由于非参数鉴别分析对非高斯分布样本集具有良好的适应性,提出了基于小波近似分量和非参数鉴别分析的人脸识别算法。在样本向量集上应用非参数鉴别分析,形成类内和类间矩阵,然后利用Fisher线性鉴别进行人脸识别。实验结果表明,在ORL和CAS-PEAL-R1人脸库上使用上述算法的识别率分别为95％和97．5％。     

基于Gabor小波特征的人脸识别算法研究

二维Gabor小波变换对图像边缘敏感,具有良好的方向选择性和尺度选择性,而对光照变化不敏感.本文提出了一种新型的Gabor特征人脸识别方法.该方法通过Gabor小波变换进行精确的人脸眼睛坐标定位,选取有利的人脸识别特征区域,通过构造新的Gabor小波特征,采用最近邻分类器对该特征进行分类.本文将该方法在YALE人脸库上进行了人脸识别实验,结果表明了该方法的有效性.     

基于小波子空间集成的人脸识别

基于小波变换的人脸识别方法通常选用低频子图进行人脸识别,这样会丢失其他子段图像中的识别信息。针对这一问题,提出了两种小波子空间集成人脸识别方法并与其他相关方法进行了实验比较。第1种方法集成每1层小波低频子空间图像进行人脸识别;第2种方法首先对人脸图像做L层小波分解,然后对每1层的3个高频子空间图像求平均,连同每层的1个低频子空间图像得到L个小波子空间图像,最后集成这L个小波子空间图像进行人脸识别。本文提出的方法充分利用了不同频率小波子段图像的识别信息,能够提高人脸识别的精度。在ORL、YALE和JAFFE 3个人脸数据库上的实验结果显示,本文提出的方法特别是方法2在识别精度方面都优于其他方法。     

图象压缩中小波基的选择

小波变换用于图象压缩时,小波基的一些性质对编码的效果有很大影响。通过分析双正交小波、正交小波的特点,以及小波基的正则性和消失矩在图象编码时对恢复图象质量的影响。从而给出地图象编码是选择双正交小波的原则。最后通过三个被主宰的标准进行了分析,并通过实验进行了验证。     

图象压缩中小波基的选择

小波变换用于图象压缩时,小波基的一些性质对编码的效果有很大影响.通过分析双正交小波、正交小波的特点,以及小波基的正则性和消失矩在图象编码时对恢复图象质量的影响.从而给出了图象编码是选择双正交小波的原则.最后通过三个被证实的标准进行了分析,并通过实验进行了验证.     

结合小波分析和LBP算子的人脸描述与识别

为提高人脸识别的准确性和实用性,提出了一种结合小波分析和LBP算子的人脸描述与识别算法.先利用小波分析对原始人脸图像进行降维,再分块求取小波系数的2类LBP直方图,最后将所有区域的2类LBP直方图连接起来得到整幅图像的小波直方图序列特征(HSWLBP),并将其作为人脸的鉴别特征用于分类识别.所提出的算法在ORL人脸数据库上取得高达0.99的人脸识别率.实验分析表明,HSWLBP具有较强的特征表示能力和可鉴别性,且对光照、人脸表情和位置的变化具有较高的鲁棒性.     

小波神经网络在齿轮箱故障诊断中的应用

介绍了小波神经网络的基本概念及基构造,并针对齿轮箱故障的复杂性,综合利用小波函数的特点,构造了用于齿轮箱故障诊断的小波网络,对齿轮箱的状态进行判别,实现故障诊断。实验结果表明,小波神经网络在故障诊断领域具有良好的实用性。     

小波基的选择与织物图像处理

小波基的选择是用小波变换方法进行织物组织图像处理的一个重要方面．目前常用的各种小波基各有自己的特点,对不同图象需要分析或处理的任务和目的也各不相同,故应有针对性地选取合适的小波基．本文探讨了两种小波基与织物图像处理效果的关系,实验结果表明,在织物组织图像处理方面,无论从处理速度还是从图像效果上Ｍａｌｌａｔ小波基都优于Ｌｅｍ ａｒｉｅ 小波基．     

基于小波变换和主分量分析的人脸识别

提出了基于小波变换和主分量分析的人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间,将人脸图像在特征空间的投影作为KNN分类器的输入,由KNN分类器对提取的特征进行识别.在ORL人脸数据库上的实验结果表明该方法具有良好的性能.     

一种改进的基于小波变换的人脸光照归一化方法

针对光照对人脸识别影响的问题,提出了一种改进的基于对数域多级小波分解的光照归一化方法。首先将手工裁剪后的人脸图片进行对数变换,然后将对数域图像进行多级小波分解,将低频系数置零,并将多个尺度上的高频系数分别乘以不同的高频增益,突出光照不变性分量。采用经典的PCA人脸识别算法,在耶鲁B与CMU PIE人脸数据库的实验结果表明,本文方法能有效地消除光照对人脸识别的影响,并有效提高识别率。     

基于小波分析和矩不变量的车型识别

提出了一种利用小波分析和矩不变量技术对汽车车型进行自动识别的方法,包括汽车车型图像的分割、矩特征的提取和车型自动识别。实验证明,文中的算法有着较高的识别精度和良好的分类效果。     

小波图像编码技术的研究

小波图像编码由于基高压缩效率而得到广泛关系,其主要由小波、量化以及编码技术组成。本文主要对小波压缩技术的3部分进行了分析和评价,并对多个小波图像编码进行了比较。随后使用2个小波、3个编码器和3个编码器对Lena图像进行了实验。实验结果表明性能优越的小波编码器可以通过综合现有的小波、量化和无损编码技术而得到,并且在开发应用时,可使用该方法从众多的小波编码器中选择适合于自己应用的编码方案。     

基于准确重建滤波器组的小波构造

小波应用领域广泛，因此对具有良好特性的新小波需求很大。传统的小波构造方法复杂，不利于构造各类适合不同问题求解的小波。分析了准确重建滤波器组的双正交性，基于准确重建滤波器组构造了一类新小波，并在紧支撑区间上得到尺度函数、小波函数、对偶尺度函数和对偶小波函数的图形。     

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法．该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决．在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3．5％～37．8％,有效提高了人脸识别算法的性能．     

基于尺度函数的插值小波构建方法

经典小波采样理论应用正交小波构建插值小波，然而正交小波的解析表达式通常比较复杂或难以获得，因此在实践中确定和构建插值小波，成为信号处理及调和分析领域研究的重要课题。为此，提出一种构建插值小波的新方法。该方法应用尺度函数构建插值小波，避免了对正交小波的求解，提高了构建插值小波的效率。以Daubechies和Coiflets多分辨分析为例，验证了该方法的正确性和有效性。     

基于小波变换的EEG噪声滤除算法设计与实现

对采样频率为1 ooo Hz的脑电波实测信号分别进行了基于快速傅里叶变换的频谱加窗滤波算法分析和采用小波变换的自适应阈值算法仿真对比分析．分析结果表明：采用传统的频谱加窗滤波算法,在信号噪声频带交叠的情况(如白噪声)中应用效果较差,无法滤除低频范围内与脑电信号混叠的白噪声;采用小波变换的自适应阈值算法的消噪效果明显好于传统的频谱加窗滤波算法,具有良好的应用价值．     

小波与BP神经网络在零件识别应用中的研究

针对目前在线零件识别系统在速度和精确度上存在的缺陷,采用小波多尺度边缘检测技术,结合BP神经网络的识别系统,提出了一种新的基于小波和BP神经网络的零件识别技术.实验结果表明,该方法不仅提高了识别准确率,还使目标识别具有更好的抗噪能力.     

小波变换与小波神经元的选择

研究了单隐层前馈型小波神经网络模拟高度复杂的非线性映射。针对如何减小网络结构，提出了用小波元能量密度作为衡量其是滞是有效神经元的标准，并对网络构造，学习中的问题提出了观点。     

基于改进小波网络的TE 过程故障诊断

针对BP 算法容易陷入局部极小值、收敛速度慢及容易振荡等缺点, 采用小波BP 网络且对小波网络采用基于梯度符号变化的局部学习率自适应算法和引入动量项的改进。将改进后的算法对多变量非线性的田纳西-伊斯曼过程进行了仿真研究, 结果表明改进算法提高了故障分类的辨识精度。     

基于加权小波变换和2D-PCA的人脸识别改进算法

基于小波变换的人脸识别方法通常将图像变换成低频和高频信息,传统的人脸识别算法大多数都是基于小波变换后的低频信息,没有充分利用高频信息,造成了高频信息中对识别有利信息的丢失. 本文提出了一种基于加权小波变换和2D-PCA的人脸识别改进算法. 首先基于二维离散小波(2D-DWT)对图像进行二层小波变换,将所得的低频信息和水平、垂直和对角高频信息进行加权融合. 在此基础上,采用二维主成分分析(2D-PCA)方法进行特征提取; 最后采用最近邻分类器进行分类识别. 基于ORL标准人脸数据库的实验结果表明,本文提出的方法比传统的2D-PCD识别算法和2D-DWT+2D-PCA识别算法有更好的识别效果,且人脸受光照等因素的影响表现出良好的鲁棒性.