曲波变换用于磨粒图像不变矩的提取

曲波变换(curvelet)具有各向异性和良好的曲线奇异性表达能力。为了克服Hu不变矩和不变小波矩在表达铁谱磨粒形貌信息方面的不足,将曲波变换引入磨粒特征提取过程,并与Hu不变矩结合,提出一种基于曲波变换的磨粒图像不变矩提取方法。首先利用曲波变换将图像进行分解与重构,得到不同尺度的子图像;然后提取各子图像的Hu不变矩,获得图像的曲波不变矩;最后将该方法应用于典型磨粒识别,总识别率达到83.33%。实验结果表明,与Hu不变矩和不变小波矩相比,磨粒图像的曲波不变矩能更好地表达磨粒的形貌特征。     

基于小波多尺度奇异值分解的人脸识别

作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORI, YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%.     

基于多尺度方向分解的纹理特征提取方法研究

为了有效提取图像的纹理特征,充分利用纹理的方向性以及纹理在不同方向具有不同频率成分这两个特性,提出了基于多尺度方向分解的纹理特征提取方法.首先根据Rado n变换的方法检测纹理方向,Rado n变换各角度投影向量方差的二阶导数最小值对应的投影角度即为纹理方向.然后根据得到的图像纹理方向信息,利用可控金字塔将图像沿纹理方向进行三个尺度的分解,得到纹理方向上图像的多尺度子带图像.最后以三个尺度子带图像的Legendre矩和Zernike矩作为图像的纹理特征.分别在Brodatz和VisTex数据集上进行实验验证,与其他方法的对比结果表明,采用多尺度分解的方法提取纹理,用于纹理图像识别时,识别准确率高,抗噪声能力强.     

基于PCNN和最优化评价准则的曲波域图像融合

利用曲波变换能够准确捕获图像高维奇异信息的特点,提出了一种在曲波域中基于脉冲耦合神经网络和最优化评价准则的图像融合方法。该方法用曲波变换对输入图像进行多尺度分解,再利用脉冲耦合神经网络的全局耦合特性对高频子带曲波系数进行选取,定义图像融合的目标函数,根据最优化目标函数确定低频曲波系数的融合权值,进行曲波逆变换得到融合图像。实验结果以及与其他算法的比较分析表明了算法的有效性和优越性。     

基于 SVD 压缩降秩与 KDA 的人脸识别新方法

文中提出了一种基于奇异值压缩降秩与核判别分析(KDA)变换方法的人脸特征提取新方法,同时结合对偶传播人工神经网络(CPN)对不同的人脸图像进行识别分类.该方法首先采用奇异值分解压缩降秩准则对人脸图像进行择优奇异值的选取,然后对提取后的择优特征值进行核判别分析(KDA)变换,进一步提取人脸图像最优特征值,最后将得到的人脸图像最优特征值作为网络的输入值,利用对偶传播人工神经网络(CPN)对人脸图像进行识别分类.实验结果表明该方法具有较高的识别率和较快的识别速度     

基于SVD压缩降秩与KDA的人脸识别新方法

文中提出了一种基于奇异值压缩降秩与核判别分析（KDA）变换方法的人脸特征提取新方法,同时结合对偶传播人工神经网络（CPN）对不同的人脸图像进行识别分类。该方法首先采用奇异值分解压缩降秩准则对人脸图像进行择优奇异值的选取,然后对提取后的择优特征值进行核判别分析（KDA）变换,进一步提取人脸图像最优特征值,最后将得到的人脸图像最优特征值作为网络的输入值,利用对偶传播人工神经网络（CPN）对人脸图像进行识别分类。实验结果表明该方法具有较高的识别率和较快的识别速度。     

应用于人脸识别的结合SVD变换的图像类特征提取算法

由于矩阵奇异值(SVD)为依据的图像识别技术中,SVD与矩阵之间不是一一对应的.为此提出了同类图像的类SVD变换及其图像特征提取方法.并采用最近邻法进行分类识别,应用于人脸识别中,有较好的效果.     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.     

应用R变换和奇异值分解的剪纸纹样识别

首先对剪纸纹样进行R变换,求出峰值数,对R变换数据进行归一化处理,通过奇异值分解得到图像识别的特征向量,根据特征向量值和峰值数对剪纸纹样的识别。使用该方法提取到的特征向量具有平移、旋转和尺度不变性,能较好地识别有一定艺术夸张变形的剪纸纹样。     

基于SAR影像海冰动态特征的提取方法

海冰边缘区(Marginal Ice Zone,MIZ)海冰种类繁多,具有较强的动态性,充分了解其覆盖范围及变化对于研究海冰变化、环境变化以及更好地开展人类活动等方面具有重要意义。以Radarsat-2SAR影像为例,根据MIZ在影像中的不同尺度和方向上的曲线特征,采用能够将图像分解为多尺度多方向信息的曲波变换进行特征提取。利用中尺度曲波系数邻域内的均值和灰度共生矩阵(GLCM)的能量值之间的相互关系,设计并实现了一种基于SAR影像的海冰动态特征的提取方法。利用此动态特征得到的MIZ与采用海冰密集度数据定义的MIZ相比较,准确率得到大幅的提升。结果表明:该特征能够有效地描述海冰的动态程度,为MIZ的识别算法提供基础和新的研究思路,同时能够为海冰分析模型、环境预测模型等提供有效参数。