基于离散余弦变换和支持向量机的掌纹识别

提出一种利用离散余弦变换提取掌纹的特征,通过支持向量机进行掌纹分类识别的方法。在利用离散余弦变换进行特征提取时,将变换系数矩阵左上角的部分元素作为掌纹图像的特征;在利用支持向量机进行掌纹分类识别时,采用“一对多”的分类方案。实验结果表明该方法的有效性。     

基于DST的实值离散Gabor变换

Gabor变换已被公认为是通信和信号处理中信号与图像表示的最好的方法之一,一直以来对Gabor变换的研究和应用实际上是基于Fourier变换的复值Gabor变换,因此这里对实值Gabor变换进行了研究。采用双正交分析方法,定义了一种基于离散正弦变换(DST)的实值离散Gabor变换(RDGT),该变换不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件(即该变换中综合窗与分析窗的双正交条件),该实验结果也验证了变换的完备性。针对实值信号,该变换由于仅涉及实值运算,并可利用快速DSTI、DST算法来加速变换,因此比传统复值离散Gabor变换在计算、实现方面更为简单。在实际应用中,将更方便于软件和硬件的实现。     

基于Contourlet变换与SVM的掌纹识别

提出一种基于轮廓波(Contourlet)变换与支持向量机(SVM)的掌纹识别算法。基于积分光密度与中心矩,对掌纹图像进行光照、位置与方向的归一化,提取Contourlet变换高频子带的一阶统计特征,形成掌纹特征,利用SVM进行分类与识别。实验结果表明,与基于统计特征的掌纹识别方法相比,该算法的识别率较高。     

基于Gabor小波变换和最佳鉴别特征的掌纹识别

提出了一种提取掌纹图像特征的方法,该方法的实现过程如下：首先,计算掌纹图像上均布离散位置的二维Gabor小波变换系数的幅值,将其作为掌纹图像的原始特征;其次,利用主分量分析实现Gabor小波特征的降维;最后,通过线性判别分析提取最有利于分类的最佳鉴别特征。实验结果表明了该方法的有效性。     

基于Gabor局部相对特征的掌纹识别

Gabor变换是掌纹识别中提取纹理特征的一个重要工具,但其性能易受图像的变化以及不均衡噪声等因素影响,因此提出了一种基于Gabor局部相对特征的掌纹识别算法。该算法对原始图像进行微尺度不变Gabor滤波;结合分形学的思想,将滤波后的图像分成大小相等的子域,每个子域又分成多个相同的子块,计算每个子块与它所在子域的相对方差,将所有子块的相对方差排列组成表征图像的特征向量进行识别。该算法将微尺度不变与局部相对特性统一,所提取的特征对各种变化有很强的鲁棒性,提高了识别精度和效率。实验使用北京交通大学BJTU_PalmprintDB证明该算法的有效性。     

基于空间频率能量分布的掌纹识别

提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,以此为基础使用欧式距离对特征向量进行了匹配识别。实验结果表明,该算法对掌纹图像小范围的平移、小角度的旋转和小范围的手掌伸缩具有鲁棒性,获得了比较理想的识别率。     

应用小波变换和支持向量机的掌纹识别

提出了一种新颖的掌纹识别方案。应用两维的两通道和三通道小波变换来得到低频子带图像,然后将其系数作为特征进行提取。再选择支持向量机（Support Vector Machine,SVM）作为分类器。实验结果证明了这是一个简单而有效的识别方案,正确识别率可达100％。     

基于辅助双正交的实值离散多Gabor变换

为了改善传统离散Gabor变换的时频分辨率,降低离散Gabor变换计算的复杂性,提出了一种基于多高斯窗的实值离散Gabor变换分析窗的快速求解算法。对多高斯窗下离散Gabor变换双正交关系式进行了简化,给出了分析窗组的代数方程表达式。该算法相对于多高斯Gabor展开的计算复杂度明显降低,仿真实验的结果也证明了该算法的有效性。     

基于DCT的2D实值离散Gabor变换

摘 要 本文提出了一种在临界抽样条件下基于2D DCT的二维实值离散Gabor变换(2D RDGT),介绍了其快速算法。并比较了该变换与二维复值离散Gabor变换(2D CDGT)的算法复杂性。     

基于DST的实值离散Gabor变换

Gabor变换已被公认为是通信和信号处理中信号与图像表示的最好的方法之一,一直以来对Gabor变换的研究和应用实际上是基于Fourier变换的复值Gabor变换,因此这里对实值Gabor变换进行了研究.采用双正交分析方法,定义了一种基于离散正弦变换(DST)的实值离散Gabor变换(RDGT),该变换不仅适用于临界抽样条件而且适用于过抽样条件,并证明了变换的完备性条件(即该变换中综合窗与分析窗的双正交条件),该实验结果也验证了变换的完备性.针对实值信号,该变换由于仅涉及实值运算,并可利用快速DST、IDST算法来加速变换,因此比传统复值离散Gabor变换在计算、实现方面更为简单.在实际应用中,将更方便于软件和硬件的实现.     

基于支持向量机的文本无关字迹鉴别系统

介绍一个脱机方式的文本无关的字迹鉴别系统 .系统由把手写的文字作为图像通过扫描仪输入计算机 ,预处理 ,提取特征参数 ,训练模型 ,最后进行识别等阶段组成 .在预处理阶段 ,提出了局部分割字符图像中的行 ,行的标准化 ,通过行的投影纠正行的水平位置 ,最后消除水平方向文字之间的空白的方法 .在参数提取阶段 ,采用 Gabor变换计算 4个方向每个方向 4个频率的笔迹特征 .在训练和识别阶段 ,使用支持向量机建立模型和进行识别 .通过对 17个人任意书写的笔迹进行实验 ,得到较好的结果     

基于DWT-DCT-SVM的人脸表情识别

提出了一种基于二维离散小波一离散余弦变换-支持向量机（DWT-DCT-SVM）面部表情识别算法。该算法先利用DWT在不明显损失图像信息的基础上对表情图像进行变换,变换后的图像数据量大大减少。再利用DCT提取代表原图像绝大部分能量的数据作为表情特征矢量,最后利用SVM来识别。实验表明：本算法提取的500个数据长度的表情矢量在一定条件下能较准确地识别出通用的6种表情,但是泛化性能较差。     

基于小波分析和DCT的人脸特征提取

人脸特征提取是人脸识别中重要的一个环节。本文提出利用小波分析,对人脸图像进行压缩,然后对压缩后的图像进行离散余弦变换,将提取到的系数作为特征向量。把特征向量用支持向量机进行分类。本文以matlab7.0为开发平台在ORL和YALE人脸图像库中对该方法的可行性进行了测试。实验表明,该方法与传统的KLT方法相比可以减少运算时间,并提高识别率5%-10%左右。它在准确率和计算速度上都取得了良好效果。     

FSVM方法在人眼状态识别中的应用

本文考虑眼睛状态检测问题,提出了一种结合用gabor滤波和模糊支持向量机进行人眼状态检测的方案。首先用gabor小波对人脸图像进行特征提取,从而得到眼睛特征图像,然后在特征空间中,用FSVM和三叉决策树相结合设计眼睛状态分类器。在AR人脸库上的实验结果表明,该算法能够取得较好的分类效果。     

小波域中基于支持向量机的鲁棒性数字水印算法

提出一种在小波域中新的基于支持向量机的鲁棒性水印嵌入和检测算法.通过对彩色图像中蓝色分量的小波变换,同时在小波域中计算低频子带的JND(just noticeable distortions)值,水印信号被自适应地嵌入到小波变换后的低频子带系数中.当图像经历各种攻击以后,通过支持向量机的训练,它仍然可以记住添加水印信号的位置同其周围像素之间的相对关系,利用支持向量机强的学习泛化能力,可以有效实现对水印信号的鲁棒性检测.实验结果表明,该方法对多种攻击具有较好的鲁棒性.     

实值离散ＧＡＢＯＲ变换及其最优双正交分析窗函数特性

Ｇabor变换在信号、图像处理中是一非常有用的工具。本文首先回顾了作者曾提出的实值离散Gabor变换方法,然后着重讨论了在已知综合窗函数的条件下,双正交分析窗函数的最优解特性,指出在许多情况下,这些最优解（如最小范数解与最优正交解）都是相同的,并讨论了采用奇异值分解（SVD）理论求解双正交分析窗函烽的方法。文末还给出了计算机求解实例。     

基于支持向量机的人脸识别研究

研究基于支持向量机的人脸识别技术.在识别过程中,首先将人脸图片分为子图片,再利用离散小波变换提取子图片特征组合为多维向量作为整幅人脸图片特征.在此基础上,为每个类构造一个支持向量机进行识别.基于ORL人脸数据库的模拟实验表明,算法实现较简单,并具有较好的性能.     

基于手轮廓的深度图像手势识别方法

提出了一种新的手势识别方法,该方法从深度图像中提取手形轮廓,通过计算手形轮廓与轮廓形心点的距离,使用离散傅里叶变换获得手势的表观特征,引入径向基核的支持向量机识别手势。建立了一个常见的10种手势的数据集,测试获得了97.9%的识别率。     

基于小波变换和支持向量机的人脸检测

提出一种基于小波变换和支持向量机的人脸检测算法,适用于复杂背景灰度图像的人脸检测。算法首先用双眼模板匹配方法进行粗筛选,之后时候选窗口用小波变换提取特征,将特征向量送入支持向量机进行分类检测。由于采用双眼模板进行粗筛选提高了检测速度,并且用小波变换提取特征向量,使特征向量的维数大大减少,从而有效地降低了分类器的训练难度。实验对比数据表明该方法具有较高的检测率和较低的虚警数,检测速度较高。