基于支持向量机的人脸分类

提出了一种基于支持向量机的人脸分类方法，首先对人脸图像作二维离散余弦变换，取离散余弦变换系数作为特征，然后用支持向量机进行分类。用Essex人脸图像数据库进行性别分类，取得了很好的分类效果。     

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。     

基于混合方法的人脸表情识别研究

针对人脸表情图像识别进行了研究,为了提高表情图像的识别率,提出了一种综合Gabor小波、离散余弦变换、支持向量机的人脸面部表情识别方法。采用ISOMAP算法对人脸面部表情的分类以及强度鉴别。利用Gabor小波变换的局部化特点滤掉人脸表情图像中的高频信息,提出结合离散余弦变换提取系数作为识别特征,并用支持向量机的训练样本构造表情强度模型,进行仿真实验。实验结果表明方法与传统的识别方法相比,系统具有良好的鲁棒性,达到较高的识别率,并能实现了人脸面部表情的分类和强度鉴别。因此充分证明了方法的有效性。     

基于实值Gabor变换的掌纹识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取,本文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（时间）空间频率域并将其联合（时间）空间频率域的能量分布作为掌纹的特征,以此为基础分别使用欧式距离和支持向量机进行了不同掌纹的匹配识别。实验结果表明,该算法对掌纹图像小的平移、小角度的旋转和小的手掌伸缩具有鲁棒性,并且获得了较高的识别率。     

离散余弦变换和支持向量机相融合的人脸识别

针对复杂条件下人脸识别性能低的难题,提出一种离散余弦变换和支持向量机相融合的人脸识别方法。首先将图像划分成子块,并采用对比度限制自适应直方图均衡算法对子块进行去噪处理;然后采用低频离散余弦变换系数来消除人脸图像中的光照变化;最后提取人脸特征,并采用支持向量机进行人脸识别。在多个人脸上进行仿真实验,结果表明,相比典型人脸识别方法,该方法不仅提高了人脸识别的正确率,同时减少了人脸识别时间,还提高了识别效率。     

基于掌纹、人脸在特征层融合的身份识别算法

首先利用小波变换增强掌纹、人脸图像;然后利用一种新的子空间分析方法——对角离散余弦变换和二维主元判别分析(Diagonal,Discrete Cosine Transform and Two-Dimensional Principle Component Analysis,Dia-DCT+2DPCA)相结合的算法提出了一种掌纹、人脸特征融合的识别方法;最后运用最小距离分类器进行识别。实验结果表明,该文提出的掌纹、人脸特征融合方法实现了特征层融合,有效地提高了身份识别的正确识别率。     

基于小波变换和支持向量机的模拟电路故障诊断方法研究

提出一种利用小波变换提取模拟电路故障特征和基于支持向量机状态分类的模拟电路故障自动识别和诊断方法。首先讨论小波变换的基本原理和支持向量机原理及其多分类算法,同时着重研究支持向量机的一种改进型一对多故障分类算法,然后实现在小波变换上,采用分布式多SVM分类器识别单相桥式整流模拟电路的故障。实验证明,该方法能准确有效地对模拟电路故障进行识别和诊断。     

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。     

视频文字大小自适应提取算法*

视频文字大小自适应提取算法基于离散傅里叶变换(discrete Fourier transform, DFT)特征、多分辨率处理及支持向量机分类技术。算法在不同分辨率下结合梯度信息、文字边界定位技术提取出文字候选区域,然后用支持向量机对于候选图像块DFT特征作进一步分类。结果表明,该算法能提取出视频图像中不同大小的文字,识别率优于以小波、灰度、离散余弦变换系数(discrete cosine transform, DCT)等为纹理特征的算法。     

7500吨浮吊齿轮箱故障诊断系统的研究

针对7500吨浮吊齿轮箱故障诊断问题,将离散小波变换和Tikhonov支持向量机结合建立了一个浮吊齿轮箱故障诊断系统。在输入层对振动信号进行离散小波变换,提取不同频带的能量参数作为故障特征向量,利用这些特征向量进行Tikhonov支持向量机的学习,训练后的Tikhonov支持向量机诊断浮吊齿轮箱故障。实验结果表明,离散小波Tikhonov支持向量机具有很强的故障识别性能和鲁棒性,诊断精度优于常规的BP网络方法。     

基于DCT系数多方向相关性的信息隐藏盲检测方法

给出了一种JPEG域基于离散余弦变换(DCT)系数多方向相关性的图像信息隐藏盲检测方法。首先利用DCT系数多方向相关性构造差值彼邻相关矩阵,然后利用此矩阵提取48维特征向量,最后使用支持向量机(SVM)区分载体、载密图像。该方法应用于6种典型的JPEG图像隐写算法,实验结果表明,该方法对这些隐写算法都能够进行比较可靠的检测。     

以直方图差值序列为特征的JPEG MB2隐写分析

基于JPEG图像的离散余弦变换(DCT)系数直方图差值序列,提出一种新的检测JPEG MB2隐写术的方法。该算法定义JPEG图像的DCT系数一阶直方图与其Cauchy拟合分布模型的系数直方图之间的差值序列作为相关性度量,在此基础上构造区分隐写图像和载体图像的分类特征序列。在特征分析中,通过Hilbert-Huang变换对特征序列进行经验模式分解,构建了基于Hilbert谱的特征向量。实验结果表明,基于该特征向量的支持向量机(SVM)对MB2隐写算法检测平均准确率达到84.48%,该方法也适用于JPEG MB1的检测。     

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。     

基于JPEG二进制压缩流的隐写分析

提出一种基于JPEG二进制压缩数据流的隐写分析方法。该方法不同于在基于离散余弦变换频率域以及图像空间域上的隐写分析方法,利用嵌入信息引起二进制压缩流熵的变化,应用多重嵌入方法得到一组特征向量,以此训练一类支持向量机。针对JSteg和Outguess嵌入方法的检测实验达到了较理想的效果。     

基于部件和支持向量机的人脸分类

提出一种基于部件的人脸分类方法,将人脸部件的离散余弦变换系数作为特征向量,通过支持向量机训练分类器。部件分类器确定了人脸图像中的部件区域,人脸分类器确定了人脸图像的所属类别。ORL人脸图像数据库仿真实验表明,该方法对表情、姿态变化具有很好的鲁棒性。     

基于DCT和SVDD的在线手写签名认证方法

为使在线手写签名认证的使用更具实用性,提出了一种基于离散余弦变换（DCT）频域分析和支持向量数据描述（SVDD）的在线手写签名认证方法.依托自制的Android手机软件采集签名数据,采用了基于DCT频域特征分析和奇异值分解（SVD）的特征融合方法提取签名特征,根据SVDD分类器适用于有限样本、一类分类方法建模的优势,建立了基于SVDD的认证模型进行在线签名认证,并采用了网格搜索法对核函数参数进行优化选择.实验结果表明,该方法算法复杂度低,快速有效,提取的签名特征区分明显,使用少量的一类真实签名作为训练样本,取得了较好的认证识别效果.     

基于Markov过程和伪极坐标快速傅里叶变换的重采样篡改检测

针对图像中的重采样篡改操作导致的离散余弦变换(DCT)系数之间相关性的变化,提出了一种新的图像重采样篡改检测方法。首先,提取Markov特征,利用高阶统计量分析重采样图像中离散余弦变换系数之间的关系;然后,将图像所在的笛卡儿坐标映射到伪极坐标(Pseudo-Polar)轴上提取图像的光滑度作为纹理特征,利用纹理特征检测图像的重采样操作;最后,将提取的两类特征输入到支持向量机(SVM)中训练和分类,从而检测出图像中的重采样篡改操作。实验结果表明:所提方法可以检测出图像中的重采样篡改操作,并具有较好的检测率,且对于一定范围内的加噪处理也具有鲁棒性。     

Soft biometric classification using local appearance periocular region features

This paper investigates the effectiveness of local appearance features such as Local Binary Patterns, Histograms of Oriented Gradient, Discrete Cosine Transform, and Local Color Histograms extracted from periocular region images for soft classification on gender and ethnicity. These features are classified by Artificial Neural Network or Support Vector Machine. Experiments are performed on visible and near-IR spectrum images derived from FRGC and MBGC datasets. For 4232 FRGC images of 404 subjects, we obtain baseline gender and ethnicity classifications of 97.3% and 94%. For 350 MBGC images of 60 subjects, we obtain baseline gender and ethnicity results of 90% and 89%.     

特征维数和分类器参数统一优化选择的掌纹识别

为了进一步提高掌纹识别系统性能,充分利用主成分分析特征维数和支持向量机参数之间的联系,提出了一种特征维数和分类器参数统一选择的掌纹识别模型（Features-Classifier）。对掌纹图像进行预处理,将主成分分析图像特征维数和支持向量机参数作为一个粒子,在统一的目标函数下通过粒子之间的信息交流和相互协作,找到最优掌纹特征和分类器参数,根据最优掌纹特征和分类器参数建立掌纹图像识别模型,并采用Po1yU掌纹数据库对模型性能进行仿真实验。结果表明,Features-Classifier的掌纹平均识别率达到94%以上,识别结果明显优于独立、分开选择特征维数和分类器参数的掌纹识别模型。