垮落煤岩性状识别研究

针对综放工作面垮落煤岩性状识别的技术问题,提出了一种基于连续小波变换和改进奇异值分解的识别方法。采用基于单边Jacobi的奇异值分解(SVD)方法对小波系数矩阵进行分解,得到与小波系数矩阵列向量位置对应的奇异值向量,并将奇异值向量作为神经网络的输入向量来识别落煤和落岩2种工况。现场试验结果表明,基于连续小波变换与SVD得到的奇异值向量可用于识别垮落煤岩,但基于连续小波变换与改进SVD得到的奇异值向量具有更高的识别率。     

基于改进的BP神经网络和小波奇异值的交通事件检测

针对交通事件检测,提出了利用改进的BP神经网络和小波奇异值的新方法。首先利用小波奇异值来量化原始交通流信号的特征,然后将小波奇异值作为神经网络的输入,对交通事件类型进行识别。对交通流信号进行小波包变换分解,获取交通事件的小波系数;利用相重构技术将小波系数向量形成系数矩阵,并对该矩阵作奇异值分解,获取小波奇异值;最后用MATLAB进行仿真分析,结果表明该算法能较准确的进行分类,具有一定的应用价值。     

一种基于DWT和SVD的数字图像水印算法

该文研究并提出了一种基于离散小波变换和奇异值分解的数字图像水印算法。为保证水印算法的安全性,首先对水印图像进行置乱变换预处理;然后对宿主图像进行二维离散小波变换,根据嵌入策略将预处理后水印图像的奇异值嵌入宿主图像二维小波分解得到的中频区域。最后利用Matlab对该算法及其对攻击的鲁棒性进行了仿真。     

基于压缩感知和GHM多小波变换的信息隐藏算法

针对基于秘密信息置乱方法等类型的信息隐藏算法不可见性低和抗攻击性弱这一问题,提出了一种基于压缩感知和GHM多小波变换的信息隐藏算法。首先,将载体图像进行一次GHM多小波变换,再对所得到的中间能量区域进行一次小波变换得到HH分量,将HH分量进行奇异值分解;其次,将秘密图像进行小波变换,将得到的小波系数进行压缩感知得到观测矩阵,再对观测矩阵元素进行奇异值分解;最后,利用秘密图像的奇异值替换掉载体图像的奇异值来完成秘密信息的嵌入。实验结果表明,相比两种加密算法,算法不可见性（PSNR值）分别提高5.99%和22.11%;对低通滤波、椒盐噪声、高斯噪声、JPEG压缩等常见攻击具有良好的鲁棒性,相关系数（NC）平均增强了4.11%和11.53%。     

基于小波变换的SVD数字图像水印算法研究

提出一种基于小波变换和奇异值分解的数字图像水印算法,针对数字图像的特点,充分利用人类视觉系统(HVS)的特性和图像奇异值的稳定性,先将原始图像进行两级小波分解,再将得到的概貌系数进行奇异值分解,然后利用加性准则修改原始图像的奇异值信息,实现水印的嵌入.MATLAB仿真结果表明,改进算法在保证水印不可感知性的基础上,对常规攻击如JPEG压缩、高斯噪声、椒盐噪声、高斯低通滤波、中值滤波、缩小、放大、旋转等的鲁棒性较强,可用于版权保护.     

基于小波变换和奇异值分解的剪纸纹样识别

针对民间传统剪纸艺术的计算机创作问题,在分析剪纸艺术特点的基础上,提出一种基于小波变换和奇异值分解的剪纸纹样识别方法.首先对剪纸纹样图像进行归一化和二值化处理,然后应用小波变换提取剪纸纹样图像的低频分量并进行奇异值分解,最后通过对奇异值进行归一化和降维处理作为最终的特征向量,利用最近邻分类器进行模式识别.实验结果表明,该方法能够有效地去除噪声干扰,较好的识别有一定艺术夸张变形的剪纸纹样.     

基于混合变换域的奇异值分解水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)及离散余弦变换(Discrete Cosine Transform,DCT)的混合变换域与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行分块DCT变换,抽取各块含图像大部分能量的部分合并,并对此矩阵进行奇异值分解再进行水印的嵌入。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。     

基于DWT-SVD域的图像水印算法

离散小波变换和奇异值分解都可以作为数字水印算法有效的工具,提出一种基于离散小波变换和奇异值分解的数字水印算法.此算法先将整个图像分成4个区域,然后再对每个区域运用奇异值分解方法,通过修改奇异值来嵌入水印信息.实验结果表明,该算法具有很好的稳健性,在经过一般的信号处理操作后,嵌入的水印能被可靠地提取和检测.     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解，由于小波变换具有良好的多尺度特征表达能力，能将图象的大部分能量集中到低频子图中，使图象得到有效压缩。然后，对得到的每幅低频子图进行基于奇异值分解的特征提取，并将奇异值特征向量进行压缩，把压缩后的特征向量作为每幅人脸图象的特征，进而求出每一类人脸图象的特征向量中心。最后，将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

基于奇异值分解（SVD）和小波变换的图像压缩算法

提出一种基于奇异值分解（SVD）和小波变换的图像压缩算法,该算法通过对小波变换后的小波系数或经小波重构处理后的图像利用SVD进行二次压缩。实验结果表明,该算法性能良好,优于单纯利用小波变换的图像压缩算法。     

混合样本融合边缘信息的单样本人脸识别研究

在进行人脸识别的时候,训练样本数量对识别率的大小影响非常大,由于存储技术和训练样本采集困难等诸多条件的限制,如何利用一幅人脸有用的信息尽可能地生成并包含更多的人脸信息成为了学术界的难点。针对该问题,提出一种按不同权值将原始图像和虚拟样本混合后再融合其人脸不同灰度值的边缘信息,构成新的训练样本。首先将原始样本灰度处理后生成轴对称图像和镜像图像,按不同权值混合。再提取混合后的边缘信息按不同灰度值与混合后的图像融合。使单幅人脸图像包含更多的特征信息。实验结果表明,混合权值之和大于1并且融合其边缘信息后生成的训练样本,相比原始样本信息的人脸识别率能提升2%~12%,表明该方法能有效地提高人脸识别率。     

基于自适应特征融合的人脸识别

针对单一人脸特征在人脸识别中的局限性问题和二维主成分分析人脸特征缺少判别信息的问题,利用互补思想,提出了一种改进的二维主成分分析与二维线性鉴别分析加权融合的人脸识别算法。利用离散余弦变换对原始人脸图像进行压缩并重建,以滤除图像中人眼并不敏感的中高频部分,再利用二维主成分分析方法进行人脸特征的提取;运用二维线性鉴别分析方法提取原始人脸图像中具有鉴别性的人脸特征;最后,提出一种自适应的权值选取方法,将两种人脸特征进行加权融合以实现分类识别。在ORL和Yale人脸数据库上的实验结果证明了该方法的有效性。     

基于局部奇异值对称平均的人脸识别方法

提出了一种基于局部奇异值对称平均的人脸识别方法。该方法首先对原始图像进行线性映射处理;接着采用局部奇异值分解提取人脸特征,并对所获得的特征作对称平均处理;最后依据最近邻决策规则进行识别。基于ORL人脸数据库的实验结果表明,该方法大大降低了原始特征空间的维数,有效地消除了图像亮度和噪声的影响,并取得了较高且稳定的正确识别率,在人脸识别中是一种有效的方法。     

基于深度学习的多模态融合三维人脸识别

二维人脸识别受光照、遮挡和姿态的影响较大. 为了克服二维人脸识别的缺点, 本文提出了一种基于深度学习的多模态融合三维人脸识别算法. 该方法首先使用卷积自编码器将彩色图像和深度图进行融合, 将融合后的图像作为网络的输入进行预训练, 并且设计了一种新的损失函数cluster loss, 结合Softmax损失, 预训练了一个精度非常高的模型. 之后使用迁移学习将预训练的模型进行微调, 得到了一个轻量级神经网络模型. 将原始数据集进行一系列处理, 使用处理之后的数据集作为测试集, 测试的识别准确率为96.37%. 实验证明, 该方法弥补了二维人脸识别的一些缺点, 受光照和遮挡的影响非常小, 并且相对于使用高精度三维人脸图像的三维人脸识别, 本文提出的算法速度快, 并且鲁棒性高.     

一种M2DPCA和NSA相结合的人脸识别方法

将非参数子空间分析方法（NSA）和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA 的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。     

基于增强Gabor特征和直接分步线性判别分析的人脸识别

Gabor特征能从不同方向和尺度有效表示人脸图片的局部特征,但是利用传统Gabor特征的方法却忽略原始人脸图片所包含的全局特征。文中把Gabor特征和原始图片信息结合起来,构成增强的Gabor特征,并结合直接分步线性判别分析算法,提出一种人脸识别方法。在Yale、ORL和Georgia Tech人脸库的仿真实验结果表明,相对于传统Gabor特征,增强Gabor特征能够有效提高人脸识别率。     

二阶分块PCA的人脸特征提取方法研究

为了提取更为有效的鉴别特征,在已有的二阶特征脸方法和分块主成分分析(PCA)方法上,提出了二阶分块PCA人脸特征提取方法.该方法对原始人脸图像和经重建得到的剩余图像分别运用分块PCA,将提取的一阶和二阶特征线性组合为一个特征矩阵,再进行分类识别.此特征能更充分反映人脸图像的低频和高频特性.采用ORL人脸库和FERET人脸库的实验结果表明该二阶分块PCA正确识别率优于普通分块PCA算法,具有较强的特征提取能力.     

一种自适应加权变形的2DPCA人脸识别方法

为了充分利用图像矩阵的局部信息和更多的鉴别信息,以提高2DPCA的识别率,提出了一种自适应加权变形的2DPCA人脸识别方法.该方法将人脸图像矩阵分块,然后利用变形的2DPCA方法提取特征,接着自适应地计算每个分块在分类中的权值,最后根据类别的权值大小进行分类.在ORL人脸库中进行的实验研究表明,该方法在正确识别率和识别...     

基于人眼定位的快速人脸检测及归一化算法

本文提出了一种基于人眼定位的有效人脸图像归一化算法。该算法首先利用Harr特征的快速检测法从图像中检测出人脸的大致位置，然后基于人脸的几何分布特征和灰度信息特征准确检测人眼瞳孔位置建立人脸坐标系，最后对人脸图像作旋转、尺度和灰度的归一化校正。实验结果证明，该算法能够有效并准确地检测和校正人脸，可以显著提高识别率。     

图像多模态扰动的人脸识别方法

为了克服因人脸图像检测引起的配准不稳定性和小样本引起的维数灾难,由一副二维人脸图像通过上下左右平移生成4个图像,把生成的图像与原来的图像一起加入训练样本集,构成新的训练图像集。基于二维图像,结合图像局部结构信息,设计了准则函数,获得双投影矩阵,抽取人脸特征。对待识别人脸图像,由它的扰动图像设计识别方法。与传统的人脸识别方法相比,该方法的识别效果更好;Yale和ORL人脸数据库上的实验结果验证了该方法的有效性。