基于四元数分数阶方向微分的图像增强

根据已有的四元数和分数阶微分的知识, 以及它们在现代信号处理中的应用, 推导出一种新知识: 四元数分数阶方向微分, 并将其应用于图像增强. 该方法首先将一幅彩色图像用一个四元数函数表示, 给出四元数函数的分数阶方向微分的定义和计算方法, 继而推导出沿八个方向的四元数分数阶方向导数的数值计算模板, 并根据八个方向的分数阶导数求出图像平面中各点的四元数分数阶方向微分的矩的最大值, 以该最大值代替该点的像素值, 从而得到增强后的图像. 实验结果表明, 该方法应用于图像增强能使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以非线性保留, 其视觉效果明显优于传统的微分锐化方法.     

基于加权判别局部多线性嵌入的人脸识别

张量算法克服了传统向量算法的维数灾难和小样本问题,在人脸识别中取得了较好的效果.尽管如此,现有张量算法容易导致邻近类别在低维空间中重叠,为此,提出了一种加权判别局部多线性嵌入算法.该算法设计了一种自适应加权的判别准则,结合类别信息,保持了同类人脸图像之间的局部流形结构,同时利用高斯基函数作为加权函数,根据人脸图像对其他类别的影响,自适应产生权重系数,加大了类间样本的区分度.此外,该算法采用张量形式表示图像数据,保留了图像的结构,继承了张量算法的优点,并且有效地解决了out-of-sample问题.人脸识别实验表明,对于光照,姿态和表情的变化,该算法具有较好的稳健性和较高的识别率.