结合伽马变换和小波变换的PCA人脸识别算法

为了有效地提取人脸特征,提出了一种在传统PCA算法的基础上,结合伽马变换与小波变换的人脸识别算法。该方法对人脸图像进行伽马变换,消除光照等非线性因素的影响;对变换后的人脸图像进行小波分解,用得到的低频分量来替代原始人脸;对得到的人脸低频分量作PCA特征提取,得到最终的鉴别特征。在ORL人脸库上进行测试,该算法的识别率比传统的PCA算法提高了6.5%。     

遗传算法在人脸识别中的应用研究

研究人脸图像识别准确率问题,人脸是一个非刚体,具有变形大,针对影响因素多且易受干扰,用传统的方法识别率低.为了提高人脸图像识别正确率,提出了利用遗传算法的人脸特征提取的识别方法.首先采用小波变换和张量主成分分析(PCA)方法对人脸图像进行特征提取,然后通过改进的遗传算法对PCA提取的特征进一步的优化,得到人脸最优人脸特征子集,最后根据最优特征进行识别.利用标准人脸识别库进行仿真,试验结果表明,相对其它特征提取的人脸识别方法,不仅具有识别速度加快,而且正确率高,是有效的人脸识别算法.     

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。     

基于血流图的小波域分块DCT + FLD红外人脸识别方法

为了从生物特征角度同时结合人脸的局部特征和整体特征提高红外人脸的识别性能,提出了一种基于血流图的小波域分块DCT+FLD(Fisher线性判别)红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后用小波变换对人脸血流图像做两级小波分解,再对低频子带进行分块并对每个分块进行DCT变换,提取部分变换后的系数作为子块的特征值,对这些子块的特征值构成的组合特征值从整体上做Fisher线性分析,得到特征子空间,最后根据欧氏距离和三阶近邻分类器进行识别,得到最终的识别结果.实验表明,同基于传统PCA+FLD,DCT+FLD以及DWT+PCA+FLD方法相比,所提出的方法得到了更好的识别效果.     

一种混合特征的人脸识别算法仿真研究

研究人脸识别优化问题,人脸图像受光照、人脸表情和位置变化等因素影响,由于图像具有复杂的多尺度特征,传统人脸识别算法只能提提取局部或全局特征,不能准确描述人脸图像,导致人脸识别率低。为了提高人脸识别率,提出一种小波分解和LBP算子相结合的人脸识别算法(WTLBP)。WTLBP首先利用小波变换对人脸图像进行分解,将人脸图像分解成大尺度和小尺度图像,然后采用LBP算子提取人脸图像的多尺度特征,最后采用概率统计法对人脸进行匹配识别。对ORL人脸库进行仿真,结果表明,WTLBP能够提取到人脸图像更加丰富的局部和全局信息,对光照、人脸表情和位置变化具有较高的鲁棒性,提高了人脸识别率。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于加权小波的DCT人脸识别算法研究

针对图像维数过高,计算复杂的问题,提出一种基于加权小波分析和DCT的人脸识别方法,通过对人脸图像进行小波分解,提取低频和加权高频分量的DCT变换系数作为识别特征向量,采用加权距离进行分类识别.该方法在ORL和YALE人脸库上进行了测试比较,结果表明,无论训练时间还是识别率,都优于传统的PCA方法,和小波结合PCA的方法相比较,识别率也明显提高.     

基于HOG多特征融合与随机森林的人脸识别

针对人脸识别在复杂环境下识别率低的问题,提出了一种基于梯度直方图(HOG)多特征融合与随机森林的人脸识别方法.该方法通过HOG特征描述子对人脸进行特征提取.首先以网格作为采样窗在整个人脸图上进行整体HOG特征的提取,并将人脸图像分成均匀子块,在包含有人脸关键部分的子块中提取局部HOG特征.然后通过二维主成分分析(2DPCA)和线性判别分析(LDA)对整体和局部特征进行降维,并进行特征层融合形成最终分类特征,最后通过随机森林分类器对其进行分类.FERET人脸库、CAS-PEAL-R1人脸库、真实场景人脸库实验表明,该方法对光照具有鲁棒性,且有较高的识别率和较短的识别时间.     

基于DWT和ONMF的人脸表情特征提取

提出了一种基于离散小波变换(discrete wavelet transformation,DWT)和标准正交非负矩阵分解(orthonormal non-negative matrix factorization,ONMF)的人脸表情特征提取方法,该方法先通过离散小波变换,降低图像的噪声,并将得到的图像的低频信息作为研究对象;再采用标准正交非负矩阵分解来提取表情特征.实验结果表明相对于PCA,NMF和LNMF方法,本文方法能够有效地减小类内与类间距离的比值,体现了很好的聚类效果;较高的识别率和较快的识别速度表明了该特征提取方法的有效性.     

提取多尺度光照不变量的人脸识别

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题,为了提高人脸图像的识别率,提出了一种用于非均匀光照条件下人脸识别的算法.利用对数及二维小波变换的多尺度特性提取出人脸的光照不变量,然后运用PCA+LDA方法进行人脸特征提取,并采用基于欧氏距离的最近邻分类器进行识别.通过Matlab编程实验,在Yale B人脸库中达到了较高的识别率.     

基于人类视觉系统和离散小波变换的彩色图像水印

为了扩大数字水印的适用范围,提出一种基于人类视觉系统（HVS）和离散小波变换(DWT)的彩色图像数字水印算法。首先利用混沌加密算法把一个有意义的二值图像加密成水印;然后将彩色图像从RGB色彩空间转换到YCbCr空间,提取Y分量,对Y分量进行一级离散小波变换;最后求出低频分量LL1的视觉掩蔽值,根据视觉掩蔽值,将水印嵌入到彩色图像的Y分量的低频小波系数域上。实验结果表明,该算法具有较好的不可见性和鲁棒性。与以往的基于YCbCr颜色空间的算法相比,该算法具有更好的不可见性和鲁棒性。     

基于IWT和HVS的彩色图像盲水印算法

针对目前大多数图像水印技术是关于灰度图像并且基于离散小波变换的研究,提出了一种基于整型小波变换（Integer Wavelet Transform,IWT）将彩色数字水印嵌入到彩色宿主图像中的算法。采用YCbCr色彩空间的Y分量嵌入水印,利用人类视觉系统特性（Human Visual System,HVS）实现彩色水印嵌入位置的自适应确定;彩色水印的提取不需要原始水印和原始宿主图像。实验证明,嵌入水印后的图像具有很好的不易觉察性,并且对常见的图像处理操作具有很强的鲁棒性。     

基于二维混合变换(DCT-DWT)的图像水印算法

本文首先分析现有的离散余弦变换(DCT)和小波变换(DWT)结合的数字图像水印算法;然后,给出二维混合变换(DCT-DWT)的定义,性质,算法;最后提出基于DWT-DCT混合变换的嵌入和检测水印的算法。试验结果:该算法有很好的鲁棒性。     

基于多分辨率和HVS的盲图像水印隐藏方法

文章提出了一种盲图像水印隐藏方法,结合了人类视觉系统（ ＨＶＳ）和图像的 ＤＷＴ多分辨分解,实验结果表明这个方法是有效的。     

基于独立成分分析的高光谱图像有损压缩方法

提出一种结合小波变换和独立成分分析(ICA)的高光谱图像有损压缩方法。采用最大似然估计与最大噪声分离相结合的方法对原始高光谱数据进行维数估计。依据维数估计的结果在光谱方向上采用 ICA,在空间上运用离散小波变换。对于变换后的系数,使用多级树集合分裂算法和算术编码分别进行量化编码和熵编码。在机载可见光/红外成像光谱仪220波段高光谱数据上的实验结果表明,该算法可以在获得较高压缩率的同时,保留高光谱图像的光谱特性。     

基于多变换域的彩色图像多功能水印算法

针对单水印存在功能单一的问题,提出一种基于离散小波变换（DWT）和四元数离散余弦变换（QDCT）的彩色图像多功能水印算法。首先,将彩色图像分通道置乱后进行DWT,选择低、中频子带作分块QDCT,利用部分实数系数构造系数矩阵,鲁棒性水印通过加法原则嵌入该系数矩阵的奇异值中;然后,将图像进行2×2分块的QDCT,特征脆弱水印利用QDCT的低频模值系数产生,并嵌入空域最低有效位（LSB）。实验结果表明,鲁棒性水印具有良好的抗JPEG压缩、噪声、对比度调节、剪切、旋转以及混合攻击的能力,脆弱水印对篡改敏感且具有精确的篡改定位功能。     

基于冗余小波变换的医学超声图像去斑噪算法

医学超声图像中固有的斑点噪声严重降低了图像的可解译程度,影响了后续的图像分析和诊断。提出了一种基于冗余小波变换的超声图像去斑算法,首先对含斑图像进行对数变换,将乘性噪声变成加性噪声;再对转换后图像做冗余小波分解;在小波系数服从广义高斯分布的前提下,计算每个小波高频子带的贝叶斯萎缩阈值,利用软阈值方法修正小波系数。实验结果表明,该算法去斑性能优于传统的空间域滤波和正交小波阈值去噪方法。     

支持分辨率渐进码流的无损图像编码方法

针对无损图像压缩编码,提出了一种新颖的图像分解去相关方法。当前的无损图像编码方法主要有CALIC和JPEG-LS,两者都在空域直接作预测,导致编码码流不具有分辨率可伸缩性。结合小波提升模式与边缘自适应预测研究实现了一种比二维小波变换性能更好的分解方法。首先,对图像的每一列样值进行一维小波分解;然后,对高频子带进行边缘自适应预测,减少残留的信息。针对低频子带图像进行同样的两步操作,就完成了对图像的一次二维分解。对低频图像进行多次迭代操作后即形成了对图像的一个多分辨率分解。实验结果表明,与JPEG2000的无损模式相比,由于边缘自适应预测的引入,提出的分解模式获得了明显的编码增益。     

基于虚拟图像的单样本人脸识别方法

针对单训练样本情况下的人脸识别问题,提出一种基于虚拟图像的人脸识别方法。为给定的训练图像增加虚拟图像,以增强单训练样本的分类信息,对其进行离散小波变换,并将变换的低频子带图像作为人脸识别特征,利用二维主成分分析法分析“低频脸”。实验结果表明,该方法能过滤因表情变化和少量遮掩而带来的高频信息,提高识别率。     

基于离散小波变换和边缘掩蔽的盲水印算法

针对图像低频区域嵌入水印后图像质量下降问题,提出一种新的基于小波变换和边缘掩蔽的盲水印算法。该算法依据人眼视觉系统的屏蔽特性和图像的部分特征决定水印的强度,利用边缘掩蔽技术决定水印在图像低频区域的嵌入和提取位置。实验结果表明,该算法实现了水印的隐形性,对常见的图像处理操作具有较强的鲁棒性。