基于Radon和解析Fourier-Mellin变换的尺度与旋转不变目标识别算法

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析Fourier-Mellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过Fourier-Mellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k-近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

基于改进Radon变换的芯片几何特征检测

在分析芯片几何特征检测的基础上,根据Radon变换的基本思想,提出一种用于芯片几何特征检测的改进Radon变换算法,对该算法在矩形芯片边界直线的检测过程中确定边界直线、剔除干扰和加快速度的具体应用进行了研究。试验结果表明,与传统算法相比,该算法可以有效提高识别效率30%,同时具有鲁棒性好及检测结果准确等特点。     

基于Radon变换的图像识别研究

基于Radon变换提出了一种新的图像识别方法，首先构造了二维图像在Radon变换空间的平移和比例不变量，然后根据变换空间数据的特性，利用奇异值分解得到了旋转不变量并将其用于三类飞机的识别，仿真结果表明该方法具有很好的性能和较高的实用价值。     

基于Radon变换的人脸识别

针对目前大部分的人脸识别算法不能同时克服光照、表情、遮挡等复杂条件干扰的问题,提出一种基于Radon变换的人脸识别算法。该算法首先采用一种光照归一化算法对人脸图像进行预处理,然后采用Radon变换提取人脸的不变特征,最后采用二维最近邻分类器进行人脸识别。通过在AR人脸库的人脸识别实验,说明了该算法对多种复杂条件下的人脸识别具有一定的鲁棒性和普适性。     

基于Radon变换和多级离散余弦变换的鲁棒性水印算法

将contourlet变换和多级离散小波变换的 "多级" 概念引入到离散余弦变换中,并针对当前传统的离散余弦变换域水印算法不能有效旋转几何攻效抵抗击行进了特性的分析和改进.在此基础上提出了一种基于Radon变换和多级离散余弦变换的鲁棒性水印算法,该算法首先从多级离散余弦变换系数中选择适当的位置嵌入水印信息;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息.实验结果表明本文算法的鲁棒性优于常规基于离散余弦变换的数字水印算法,并且它的实时性不受多级变换的影响.     

基于Radon变换特征提取的步态识别

提出了一种基于Radon变换特征提取的步态识别算法.该算法根据步态轮廓图下肢的宽度信息确定步态运动准周期性,对二进制准周期步态轮廓序列进行Radon变换构造特征向量模板.对特征向量进行主成分分析,并采用k-近邻法进行步态特征分类.在CASIA步态数据库上和CAS识别算法进行了详细的比较,实验结果表明,该算法在性能上有较大程度的提高,是一种有效的步态识别方法.     

基于Radon和平移不变性小波变换的鸟类声音识别

针对低信噪比（SNR）环境下鸟叫声识别率不够高的问题,提出一种对声谱图进行Radon变换（RT）和平移不变性离散小波变换（TIDWT）的抗噪型鸟类声音识别技术。首先,使用改进的多频带谱减法对鸟叫声进行降噪处理;其次,利用短时能量检测降噪后的鸟叫声的静音段,并去除静音段;接着,将去除静音段的声音信号转化为声谱图,并对声谱图进行RT和TIDWT,提取特征值;最后,采用支持向量机（SVM）分类器对提取的特征值进行分类识别。实验结果表明,该方法在信噪比为10dB及以下仍可以达到较好的识别效果。     

短时Fourier变换与小波变换的比较

本文首先介绍了短时Fourier变换和小波变换的基本概念，然后从离散变换与框架，正交基与多分辨分析等方面，对短时Fourier变换和小波变换作了分析比较，最后讨论了两者的适用范围和优劣评价。     

小波分析与Fourier变换

本文介绍了小波理论产生的背景,以数学的观点对Fourier变换进行了分析,指出了它的一些不足之处,然后以对比的方法,介绍了小波分析的基本思想,展示了其克服Fourier变换的缺陷的方法。     

基于B样条曲面和Radon变换的数字水印算法

数字水印技术是信息隐藏和版权维护的一种有效方法。文章提出了一种基于B样条曲面和Radon变换的小波域图象数字水印方案,该算法利用B样条曲面的特点,通过B样条曲面的形变来嵌入水印,同时结合Radon变换来解决水印抗几何攻击的问题。实验结果证明该算法的不可见性和鲁棒性。     

非线性Radon变换及其在人脸识别中的应用

探讨抛物线、双曲线、椭圆3种非线性Radon变换及其性质,分析它们之间的关系,并将所述3种非线性Radon变换应用于人脸识别．通过对这3种非线性Radon变换及其性质研究得出,当抛物线、双曲线及椭圆的形状参数趋于无穷大时,图像抛物线Radon变换与线性Radon变换相等,双曲线Radon变换与椭圆Radon变换相等;同时,非线性Radon变换具有降噪功能和表达图像纹理特征的特点．文中将受噪声污染的人脸图像分别表示为3种非线性Radon变换下的特征矩阵,并结合PCA算法应用于人脸识别．实验结果表明非线性Radon变换在人脸识别中的有效性．     

基于Mellin变换的语音新特征与频率归正说话人自适应技术

为了减小由于说话人之间声道形状的差异而引起的非特定人语音识别系统性能的下降,研究了两种方法,一种是基于最大似然估计的频率归正说话人自适应方法,另一种是基于Mellin变换的语音新特征.在非特定人孤立词语音识别系统上的初步实验表明,这两种方法都可以提高系统对不同说话人的鲁棒性,相比之下,基于Mellin变换的语音新特征具有更好的性能,它不仅提高了系统对不同话者的识别性能,而且也使系统对不同话者的误识率的离散程度大大减小.     

基于Radon变换的纹理图像多尺度不变量分析算法

为了更好地进行图像纹理分析,提出了一种基于Radon变换的不变量纹理识别算法。该算法首先利用Radon变换将图像投影到1维空间,然后通过对投影数据进行一种平移和比例不变的自适应小波变换来构造出具有比例和平移不变性的图像的特征矩阵。这种通过对特征矩阵进行多尺度分析得到的多尺度能量特征不但具有平移、比例和旋转不变性,而且反映出了纹理图像在不同尺度上的能量分布特征。在特征提取完成以后,即可利用支撑向量机进行分类。同其他方法的比较说明,该算法可较好地描述纹理特征,并可完成纹理识别。     

基于Mellin变换和Mel频率分析的非特定人语音识别特征研究

提出了一种结合Mellin变换和Mel频率分析的语音信号特征--MMCC特征.该特征利用Mellin变换的尺度不变性质,抑制了特征参数受不同说话人声道变化的影响,同时结合Mel频率的人耳听觉特性,改善了特征的鲁棒性,适合于非特定人识别系统的应用.仿真结果表明,采用MMCC特征的非特定人语音识别系统,其识别效果优于采用LPCC特征、MFCC特征和MMTLS特征的非特定人语音识别系统.     

基于有限Radon变换的图像纹理方向的检测

纹理方向检测是图像处理中经常遇到的问题,其检测效果直接影响到模式识别.基于有Radon变换的方法和特点,给出了一种新的具有直线特征纹理方向的检测方法.实验证明该方法是行之有效.     

基于局域Radon变换的尾迹提取算法

提出一种基于局域Radon变化的SAR图像尾迹提取算法,该算法首先利用滑窗对图像进行标准差归一化处理,以突出图像中灰度与海面背景有明显差别的区域;选出突出的像素点,并根据策略将其灰度值用某些常数代替;接着在局域Radon变换中,积分值对应于这些区域线性特征的长度,通过设定阈值去除线性区域较短的非尾迹区域产生的虚警,用形态学的膨胀算法将结果中靠的很近的两条亮线合成一条,再用合理的腐蚀处理,剔除噪声信号。实测数据处理结果表明,该算法能准确提取舰船尾迹,降低虚警,能确定尾迹的起点和终点,准确计算出尾迹的边之间的夹角,而且运算简单,满足人们对系统实时性的要求。     

基于SVD和Radon变换的抗旋转攻击盲水印算法

为了提高传统基于奇异值变换（SVD）的数字水印抗几何攻击能力,提出一种在小波变换域将Radon变换和奇异值变换相结合的抗旋转攻击鲁棒性水印算法。将宿主图像进行小波变换,对变换后的低频子带进行奇异值分解,将经过仿射变换置乱后的二值水印图像嵌入到奇异值中。在水印嵌入操作上采用了奇偶量化嵌入算法从而实现了二值水印图像在水印检测时的盲提取;同时在水印检测之前,利用Radon变换检测算法对待检测图像进行几何校正,然后提取水印信息。实验结果表明,该算法对于噪声感染、滤波、JPEG压缩等常规信号处理的鲁棒性优于传统的基于SVD的数字水印算法,同时对于旋转几何变换具有很好的鲁棒性。     

基于Radon变换的文本图像倾斜校正

归纳现有的多种倾斜字符校正方法,提出一种基于Radon变换用于一般字符校正的方法。该方法对文本图像做简单的数学形态学处理,利用Radon变换求出文本倾斜的角度。实验结果表明：与传统方法相比,本算法减少了计算量,提高了校正效率,且具有较强的适用性和鲁棒性。     

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Radon变换的颅骨多分辨率身份识别

颅骨以其生理位置的隐蔽性和解剖结构的相对稳定性,近来被提出作为一种特殊的生物特征并加以识别研究。准确、高效的识别是人们追求的主要目标。基于此,首先对活体颅骨的X线照片进行二值化处理,再使用Radon变换将二维的图像转换为一维信号,最后对一维信号进行小波多分辨率分析。同时为进一步提高识别效率,提出半分处理和方向特征组方法,实现了在多尺度下准确、快速实时的身份识别。试验结果表明该方法是有效可行并适合于非活体颅骨身份鉴定和识别。