小波变换在人脸图像融合中的应用

为了提高人脸检测图像的质量,本文提出了一种基于小波变换模型的人脸图像融合处理算法,该算法将两幅或者多福不同光照条件的人脸图像进行融合处理。该算法不仅可以改善光照条件对图像质量的影响,并且有效的消除了人脸图像的模糊边界。通过与其他同类算法的实验表明,本文提出的算法能有效地改善图像质量,减少不同光照条件对人脸检测准确率的影响。     

小波变换在视频图像文本定位中的应用研究

该文提出一种基于小波变换和数学形态学的视频图像文本定位算法。该算法首先对输入的灰度图像进行小波变换．在对垂直方向高频分量图进行二值化、形态学操作和连通分量分析以及先验知识的限制后,定位出文本区域。     

小波变换在视频图像文本定位中的应用研究

该文提出一种基于小波变换和数学形态学的视频图像文本定位算法。该算法首先对输入的灰度图像进行小波变换,在对垂直方向高频分量图进行二值化、形态学操作和连通分量分析以及先验知识的限制后,定位出文本区域。     

语音驱动人脸动画中语音参数的提取技术

语音特征参数的提取是语音驱动人脸动画中语音可视化的前提和基础，该文立足于语音驱动的人脸动画技术，较为系统地研究了语音参数的提取。在参数精度方面，引入了用小波变换重构原始信号的思想，对重构后的信号进行参数提取，从而为语音驱动人脸动画系统建立良好的可视化映射模型奠定了基础。     

特征点提取及图像变形在语音动画中的应用

使用改进的基于图像库方法HMM方法进行人脸语音动画合成过程中,为了保证结果视频流的平滑真实,在相应音素的图像帧之间进行插值产生中间帧就成为语音动画中十分重要的部分.该文介绍了从相应语音的图像帧中提取特征区域进而对其中的特征点进行定位,从而将特征区域根据需要进行划分并在前后对应音素的图像帧中进行变形进而得到流畅自然的语音动画效果的工作模块.     

小波分析在语音信号处理中的应用

本文主要基于小波分析在语音信号处理中的研究,分别对小波与小波变换、小波变换算法以及小波变换在语音信号处理中的应用进行分析。     

小波变换的频响特性及其在语音去噪中的应用

讨论小波变换在实际语音信号去噪处理中应用。由于语音信号的复杂性 ,信号本身含有奇异性 ,因此不能单一使用阈值去噪法。文中定义了小波变换频响特性 ,并利用它重构低尺度参数上的小波变换模极大 ,达到去噪目的。实例证明它的有效性     

形态小波变换及其在图像编码中的应用

论述了小波理论、多分辨分析技术与数学形态学的基本方法和内在联系,以及基于这三类理论所产生的形态小波变换的基本思想和应用方法,并将这种形态小波分析方法应用于图像编码。与一般的小波分解方法不同的是,该形态小波分解采用非线性方法,分解结果中图特征更明显,图像编码压缩比更高,解码出的图像更加清晰;同时由于形态学是基于Minkowski加减基本操作并应用最大最小运算来实现,分解运算简单,速度快。表明了形态小波及其变换在图像处理中的巨大作用。     

帧同步混合小波包变换快速算法及其在语音处理中的应用

帧同步的小波包快速算法是一种类似FFT的小波变换算法。本文提出帧同步混合小波包的分析方法，其特点是在发挥小波变换的时频分析特点的同时，分析时窗能够满足语音处理中帧长的要求，从而可以实现实时处理。这种混合小波包具有完全重构特性。文中用实验对比表明了帧同步混合小波包分析的优越特性。     

小波变换在医学图像融合中的应用

医学图像融合技术可以将多种成像模式提供的图像融合在一起,在一幅图像中提供综合的诊断信息.小波变换是医学图像融合的一种有效方法.     

基于小波的自动图像变形

图像变形算法中最费时的是在源图像和目标图像中确定变形特征基元；而到目前为止，大部分图像变形算法都是通过人工或半人工的方式来实现的．如果两幅源图像间的特征基元的确定能自动实现，则不但可以减轻用户的负担，而且可以极大地节省变形算法所需的时间，同时提高了算法的效率．提出了一种基于小波变换的自动图像变形方法．该方法完全依赖于给定的两幅源图像，自动生成期间的变形图像，不需要预先在两幅源图像中指定特征基元．实验结果证明，用本文的算法不仅能自动完成变形操作，而且也取得了满意的结果．     

基于小波变换和参数滤波的音素分段算法

论文首先分析了小波的时频特性,基于该特性对语音信号进行小波域滤波,提出对听觉感知有效的频率分量,然后用参数滤波方法进行分段。参数滤波的基本思想是以一个变化的参数对信号进行滤波,得到信号在不同频带中的分量。可以证明若滤波参数以一定的规律变化,则这些滤波分量的一阶自相关表示了信号的相关结构。实验表明对上述经小波域滤波后的频率分量进行基于参数滤波的音素分段会得到较准确的分段效果。     

基于机器学习的语音驱动人脸动画方法

语音与唇动面部表情的同步是人脸动画的难点之一.综合利用聚类和机器学习的方法学习语音信号和唇动面部表情之间的同步关系,并应用于基于MEPG-4标准的语音驱动人脸动画系统中.在大规模音视频同步数据库的基础上,利用无监督聚类发现了能有效表征人脸运动的基本模式,采用神经网络学习训练,实现了从含韵律的语音特征到人脸运动基本模式的直接映射,不仅回避了语音识别鲁棒性不高的缺陷,同时学习的结果还可以直接驱动人脸网格.最后给出对语音驱动人脸动画系统定量和定性的两种分析评价方法.实验结果表明,基于机器学习的语音驱动人脸动画不仅能有效地解决语音视频同步的难题,增强动画的真实感和逼真性,同时基于MPEG-4的学习结果独立于人脸模型,还可用来驱动各种不同的人脸模型,包括真实视频、2D卡通人物以及3维虚拟人脸.     

与语速相关的人脸语音动画合成及其评估

为了有效地合成人脸语音动画,根据对唇区肌肉收缩力与语速关系的分析,以及在对皮肤肌肉组织的粘弹性力学进行研究的基础上,提出了一种新的基于不同语速的唇动模型,并将其应用在了汉语人脸语音动画系统中。该模型根据获得的肌肉收缩力与语速的关系,并通过对皮肤肌肉组织的粘弹性分析,首先得到了语速、唇动速度与唇动位移三者之间的关系,并建立了不同语速下的唇动模型;然后通过这个唇动模型合成了不同语速状态下的具有较高自然度和个性化的人脸语音动画;最后,通过设计感知学评估实验,对合成的语音动画的效果和可理解性进行了评估。实验结果表明,该模型可以合成较高可接受性和可理解性的不同语速状态下的人脸语音动画。     

基于复解析子波变换（CAWT）的汉语语音谱图

复解析子波变换（CAWT）紧密地将希尔伯特变换（HT）与子波变换（WT）结合在一起,在信号分析处理方面具有良好的表现。本文将复解析子波复换应用于汉语语的谱分析中,实验结果表明,文中所构造的复子波语音谱图可以清晰地表征汉语语音的动态谱结构,谱图中的语音形态为进一步的语音识别提供了一种新的途径。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

基于小波变换的癌细胞边缘提取算法

细胞的识别是医学检测中的一个重要部分,很多疾病的诊治主要依靠医学专家观察标本中细胞的形态,对细胞进行识别和分类。这种人工分类的工作重复而单调、效率低下。本文研究的基于小波变换的癌细胞边缘提取算法,有利于准确、快速识别癌细胞,具有很好的推广价值。     

Faber-Schauder Wavelet Transform, Application to Edge Detection and Image Characterization

The Faber-Schauder wavelet transform is a simple multiscale transformation with many interesting properties in image processing. Some of these properties are: preservation of pixel ranges, arithmetic operations, non requirement of boundary processing, multiscale edge detection, elimination of the constant and the linear correlation, and the use of close neighboring information. In this study we describe this transformation and we propose a mixed scale visualization of the wavelet transform which makes it possible to show the transform result as an image. This visualization is used, with orientation information, to refine edge detection and image characterization by selecting regions with a high density of extrema wavelet coefficients.     

基于小波变换的图像去噪

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7．0．1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。