从傅立叶变化到小波变化

小波变换目前成功地被应用于许多信号处理领域,它是Ｆｏｕｒｉｅｒ变换的新发展,其思想也是来源于Ｆｏｕｒｉｅｒ变换。本文阐述了Ｆｏｕｒｉｅｒ变换、加窗Ｆｏｕｒｉｅｒ变换和小波变换的概念,对它们之间的区别与联系进行了分析。     

一种基于小波变换的FBM图象生成方法

提出了一种基于小波变换的ＦＢＭ图象生成方法，实验证明了这种基于小波变换的生成方法比传统的ＲＭＤＡ方法和Ｆｏｕｒｉｅｒ方法能更精确地生成二维ＦＢＭ图象。     

边界探测的小波变换方法

根据Ｍａｌｌａｔ的多尺度边界探测的思想,实现了连续小波变换的多尺度边界探测,并用Ｆｏｕｒｉｅｒ变换作为工具,进行连续小波变换的计算,在计算任意方向的模值时,了使用加权平均的方法。给出了算例。     

听觉系统识别语音信号的模拟

为模拟基底膜对语音信号的分析,本文提出了一种类似小波变换的时频分析方法。该方法克服了ＳＦＴ（短时Ｆｏｕｒｉｅｒ变换）分析对高、低频段具有相同的时间分辨率和频率分辨率的缺点,弥补了小波变换只能粗糙地模拟基底膜带通滤波器特性的不足。在识别阶段,本文采用了多模糊状态综合处理的识别模式,该模式有利于对各频段统计特征参数的提取和加强。实验表明,该模型具有良好的鲁棒性,较好地模拟了人的听觉系统对语音的识别过程。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

基于听觉及小波变换的汉语语音调值分析

提出了一种基于听觉与小波变换处理的汉语语音基音的方法，在对听觉系统描述的基础上，给出了人的听觉与小波变换的关系，选取适合汉语事音基频提取的小波函数，给出了基频提取的应用实例和基于ＦＣＭ模糊聚类分析的汉语四声调值识别结果。     

基于快速G小波变换的图像压缩及放大

本文采用离散小波变换的方法，利用Ｇ小波变换对ＴＩＦＦ格式的灰度进行了压缩及放大。利用Ｇ小波基函数的性质，提出了快速Ｇ小波变换的实现方案，使得Ｇ小波变换的速度得到了显著的提高，另外，对Ｇ小波变换进行了一些改进，使图象可以按任意比例进行压缩及放大；在小波变换后以按地数据进行了量化处理，提高了图象的保真度。     

Fourier变换和小波变换一般形式 —线调频小波变换和多普勒小波变换

Fourier变换、窗口Fourier变换与小波变换在许多领域得到广泛的应用。该文回顾了Fourier变换和小波变换的发展;介绍了两种新的处理非平稳信号的方法,即线调频小波变换和多普勒小波变换;分析了线调频小波变换是短时Fourier变换和小波变换的时频分析的统一时频表示形式,Fourier变换、小波变换以及线调频小波变换都是多普勒小波变换的特殊情况。线调频小波变换和多普勒小波变换比Fourier变换和小波变换更具灵活性,为图像、信号处理提供了新的方法和工具。     

基于Curvelet的边缘纹理特征提取及表情识别

针对小波变换在提取图像边缘特征上的局限性,提出一种使用Curvelet变换进行边缘纹理特征提取的表情识别方法。Curvelet变换在表达图像的边缘曲线上的奇异性时比小波变换更能得到稀疏的图像表示。在表情识别中,对表情图像使用Curvelet变换得到Curvelet系数作为边缘纹理特征能更好地反映表情的变化,使用K最邻近结点算法进行了识别。结果表明在表情识别中该方法比小波变换更有效。     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。     

基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

一种基于频谱脸和Fisherface的人脸识别新方法

频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的，所以对人脸图像使用二维小波变换，提取人脸图像的低频部分。再对人脸图像的低频部分使用傅立叶变换，从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高，所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征，降低特征的维数，提高识别效率。利用ORL人脸库进行了实验，实验结果表明该识别系统具有较好的识别能力。     

基于DCT和线性回归的人脸识别*

由于人脸图像常常因光照、姿态、表情变化及遮挡等因素的影响而具有非线性结构,在空间域直接使用线性方法就有其局限性。为此,提出了一种基于离散余弦变换和线性回归分类的人脸识别方法:通过离散余弦变换获取人脸图像的变换域特征,以减小光照、姿态变化等影响,然后再利用快速有效的线性回归方法得到识别结果。通过在几个常用人脸数据库上的测试结果表明,该方法在满足实时性的同时,能有效地增强面对这些问题的鲁棒性。     

基于分块PCA的人脸识别

设计了一种基于分块主分量分析(Block-PCA)的人脸识别方案。预处理阶段,首先将一幅脸像按不同方位划分为大小相同的数个子块,对各子块进行能量归一化和傅氏变换,以消除部分光照影响并估算子块的频谱。在此基础上进行分块PCA,提取各子块主分量特征,再将子块的主分量特征整合为整体特征,最后采用最近邻判决准则进行分类识别。对ORL人脸数据库的实验结果表明所设计方案是有效的。     

利用形状特征实现人脸身份识别

为了克服传统人脸形状描述符所具有的不稳定、缺乏平移、旋转、尺度不变性等缺点,新方法通过对人脸图像进行小波变换,获得多尺度下的不变矩,得到图像的特征描述符,采用改进的线性判别分析法获取分类特征,最终实现人脸识别。实验在PIE人脸数据库上进行,结果证明新方法具有很好的检索效果,获得的描述符具有旋转、平移、尺度不变性等优点,能够很好地描述人脸的形状和空间分布信息。     

基于Armlets的人脸光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法通过在对数域计算2维Armlets多小波变换来实现人脸光照补偿，然后直接在对数域进行人脸识别。在Yale B人脸库中与其他光照补偿算法进行了比较，实验结果表明，该方法的平均误识率仅为0.18%，优于现有的其他算法。     

人脸识别中基于多小波变换的光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法在对数域计算2维多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其它光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.70%,优于现有的绝大多数算法。     

基于曲波变换和Retinex人脸光照处理算法

针对光照对人脸识别影响问题,提出了一种基于曲波变换和Retinex人脸光照处理的算法。该算法对光照变化人脸对数变化后的图片进行曲波变换(Curvelet);利用Kimmel变分模型作为平滑滤波算子对低频图像进行平滑滤波,对高频系数进行阈值去噪。通过曲波逆变换得到光照亮度成分图像;利用Retinex模型提取光照不变成分。通过Yale B与CMU PIE人脸库的实验结果表明:该算法能有效地消除光照变化对人脸识别的影响并提高人脸识别率。     

基于谱域特征提取与线性回归分类的智能人脸识别算法

针对人脸识别中由于光线、表情变化和遮挡导致人脸图像变化的问题,提出了一种谱域特征提取与线性回归分类算法相结合的智能人脸识别方法。为了实现特征提取的目的,首先使用Viola-Jones算法从原始图像中提取初始人脸部分,并将其转换为120×120像素大小的灰度图像;然后提出了一种计算极坐标傅里叶变换（FFT）以获得预处理人脸图像主要幅度谱特征的新框架,进一步在预处理的图像上执行2D-DFT,并表示为1D P-FFT。特征值是1D P-FFT幅值中的最大值,提取的特征值用于构造表示人脸图像的符号对象。最后利用快速有效的线性回归分类算法实现分类。在AR和GT数据库上进行了各种实验,分别取得了97.51％和98.02％的准确率,与最近报道的一些人脸识别技术相比,提出的方法识别准确率更高。