基于小波变换的人脸边缘特征提取的研究

本文研究了利用二维离散小波变换在边缘检测上的特征。当前人脸检进行测遇到的问题是如何自动地检测人脸的边缘。通过小波变换，将人脸图片分解成相似图片和细节图片，而这些图片都包含边缘信息，将此方法应用在实验中。首先，为比较其检测效率，将二维离散小波变化与其他的人脸边缘检测方法比较：其次，在比较中，测验了多频带的组合方法。通过这些方面的研究，提出了一个基于目标边界响应的新的人脸边缘追踪算法。     

融合肤色模型与小波变换的人脸检测算法

针对目前人脸检测误检率高的问题,提出了一种融合肤色模型与小波变换的新算法．该算法采用肤色模型确定人脸的可能位置,然后分别对人眼和嘴巴进行检测,最终确定人脸位置．其中眼睛位置在小波变换后根据几何位置进行检测,嘴巴位置采用Fisher分类器检测．这一新算法实现了在复杂背景中单人脸快速、准确定位．与传统的YC_bC_r肤色模型检测算法相比,新算法将颜色空间与小波变换、Fisher分类相结合,提高了检测精度．实验表明,该算法的正确检测率为91％,误检率仅为2％．     

基于小波变换的边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起着非常重要的作用。本文在简要介绍小波变换的基础上,给出了小波变换的边缘检测理论。边缘检测采用3次B样条小波。实验证明,利用小波变换提取的图像边缘效果明显优于sobel、canny等传统的边缘检测方法。     

基于小波卷积神经网络的活体人脸检测算法

人脸识别技术已日趋商业化,但易于被伪造人脸攻击,现有人脸活体检测算法存在泛化性能不高、网络模型结构复杂、预测结果依赖于数据的规模等问题。因此,提出一种基于小波卷积神经网络的活体人脸检测算法。算法网络结构整体简单,在NUAA和CASIA-FASD数据集上均取得了较好的分类精度,HTER分别达到了2.1%和8.3%的效果。     

小波变换在人脸表情识别研究中的应用

本文基于人脸表情图像的特点展开分析,得出不同表情图像中人脸各五官在形貌性状方面的不同。分析了小波变换这一数学工具在变换并展示图像空间以及频域特性方面的特长,将其应用于人脸表情识别的研究工作中。调试小波变换的参数将不同参数对人脸表情图像的处理结果进行分析并得出结论。     

基于小波变换的信号检测

研究了基于小波变换的信号检测方法及它在不同尺度上分析和处理信号的各种频率成份。用非线性小波阈值的方法去除噪声,使有用信号能从噪声中检测出来,提高信号的分辨率、信噪比。     

人脸检测技术研究进展

人脸识别技术在国家军事安全、安全验证系统、视频会议、人机智能交互等方面有着巨大的应用前景;在民事和经济领域.各类金融卡、信用卡的持卡人的身份验证.社会保险人的身份验证等方面具有重要的应用价值.作为人脸识别的重要环节--人脸检测也得到特别的重视.人脸检测的目的是检测图像中的人脸并将其从背景中分割出来.其次是特征提取与人脸识别.人脸检测是一项具有挑战性的课题.虽然人类的人脸识别能力很强,能够记住并辨别上千个不同人脸.可是计算机则困难多了,它存在很多难题.     

基于Marr小波变换的图象边缘检测

本文从Ｍａｒｒ小波函数与高斯函数的相互关系,分析了Ｍａｒｒ小波变换对信号奇异点的响应特性,得到Ｍａｒｒ小波变换的零交叉特性是检测图象边缘点的理论依据。通过构造二维Ｍａｒｒ小波,实现图象的二进小波变换分解,分解后的零交叉位置对应着图象边缘点,同时由粗至精的多尺度检测图象边缘的方法也得到实现。     

基于小波变换的故障信号检测

分析了小波变换的时频局部化特性及其于多分辨分析的信号小波的分解算法，研究了信号局部奇异性的小波变换下的特性；根据故障信号的局部奇异性在小波变换下模的极大植及其在不同尺度上的传播特性，对308型滚动轴承振动加速度故障信号进行分解，对故障特征信号进行时域定位，并提取了故障特征频率f=46.88Hz，这与实际的故障特征频率相近，说明该方法适用于滚动轴承的在线监测和故障诊断。     

基于小波包变换的电力系统谐波检测

阐述小波变换和小波包变换的基本原理,介绍小波变换的时频局部化特性,说明了在小波变换基础上建立的小波包变换,能够实现频带的均匀划分,能更有效地进行谐波的检测和分析,并利用小波包变换的方法分别对电力系统中的稳态谐波和暂态谐波进行检测.仿真结果表明,该方法可以准确地检测稳态和暂态时变信号,能为电力系统中的谐波治理提供依据.     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

基于多尺度小波变换的边缘检测算法

提出一种用多尺度小波变换进行边缘检测的算法,并将该算法与经典的Sobel算子进行比较,结果表明用该算法进行边缘检测是可行的.在多尺度信号边缘检测中,考虑到信号的边缘不仅仅定义为信号奇异性的表现,而且也是视觉的一种反映,它与人的视觉特点,先验知识紧密相关.而信号的孤立奇异指数可以由小波变换在该点随尺度参数变小时的衰减速度确定.由于小波变换的上述特征,采用小波变换对图像进行边缘检测非常有效.实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等优点.     

基于小波变换的暂态电能质量检测研究

本文重点研究了利用小波变换方法检测电力系统中暂态电能质量扰动的原理,并对短时电压变动和电磁暂态等暂态电能质量扰动进行了仿真。理论研究和仿真分析证明,该方法能够实现对暂态电能质量扰动快速又准确的检测,为暂态电能质量扰动的评估和治理提供了依据。     

Adaptive Dual-Threshold Edge Detection Based on Wavelet Transform

In order to solve the problems of local-maximum modulus extraction and threshold selection in the edge detection of finite-resolution digital images, a new wavelet transform based adaptive dual-threshold edge detection algorithm is proposed. The local-maximum modulus is extracted by linear interpolation in wavelet domain. With the analysis on histogram, the image is filtered with an adaptive dual-threshold method, which effectively detects the contours of small structures as well as the boundaries of large objects. A wavelet domain‘s propagation func-tion is used to further select weak edges. Experimental results have shown the self-adaptivity of the threshold to images having the same kind of histogram, and the efficiency even in noise-tampered images.     

基于小波变换的钢球图像边缘检测

钢球表面缺陷是衡量钢球质量的重要指标,但是由于成像中的非人为噪声的特点,使得钢球图像的边缘检测比较困难.本文利用小波多尺度分析及小波变换系数模局部极大值来检测钢球图像的边缘,取得了较好的效果,为进一步实现计算机的自动检测提供了很好的依据.     

基于小波变换的人体图像边缘检测

根据人体图像的特点 ,利用三次样条二进小波 ,采用Mallat快速算法进行小波分解 ,提取了人体图像的正面和侧面边缘 .结果显示 ,提取图像的边缘连续性较好 ,弯曲部分边缘也能准确提取 ,为人体着装图像的边缘检测提供一种新的方法     

基于小波变换与Canny算子融合的图像边缘检测方法

针对传统的小波变换提出了一种图像融合的边缘检测方法.在边缘不连续和抑制噪声能力弱的问题给出了一种改进的小波变换方法.并对原图像分别采用改进的小波变换和Canny算子两种方法进行边缘提取,再将两种方法的检测结果进行图像融合.实验证明融合后的图像结合了两种检测方法的优点,是一种有效地图像边缘检测方法.     

基于小波变换的频谱检测算法改进

随着无线通信技术的飞速发展,致使频谱资源日趋紧张,认知无线电技术被认为是解决频谱资源紧缺的有效方法,频谱检测是其重要的环节。首先对常规能量检测法进行分析,指出其易受噪声不确定性的影响,对此提出了基于小波变换的多分辨率能量检测算法,理论分析及仿真结果表明,改进算法能很好地抑制噪声不确定性的影响,满足低信噪比条件的频谱检测要求。