DWT和Fast PCA与SVM在人脸识别技术中的应用

采用结合小波变换和改进的Fast PCA算法进行特征提取。人脸识别算法在特征提取阶段,采用离散小波分解和快速主成分分析法相结合的算法进行特征提取;在分类阶段,采用基于改进的二叉树算法的支持向量机进行分类。最后给出人脸识别系统的系统原型。通过在MATLAB 7.10.0(R2010a)软件上对ORL人脸库进行仿真训练测试,验证了本系统算法不仅在识别率上有所提高,而且相对于其他算法具有较快的识别速度。     

基于Curvelet变换的人脸识别技术研究

提出了一种基于二代Curvelet变换的人脸识别算法,先对人脸图像预处理及Curvelet变换系数的特征提取;然后结合PCA L、DA进行降维处理;再对降维后的系数进行分类,进而对人脸进行识别。为研究表情及光照对识别率的影响,分别采用了ORL与Yale人脸数据库,将该算法与小波变换的算法进行对比。实验结果表明,该算法得到更高的识别率。     

一种改进的小波包变换多尺度滤波

提出一种基于小波包变换的多尺度传感器数据融合算法,并针对方法中存在的小波分解的尺度系数的幅值随分解层数增大而增大现象对滤波器作修改,改进后的算法既明显提高滤波性能,又能保持原算法的优点。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进OMP算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99%,并且在含噪比10%的情况下识别率仍达96%。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。     

基于Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.     

图像小波变换实现及EZW编码理论研究

根据图形小波知识,对于图形小波变换实现采取的技术—这个Mallat算法给以深入研究,同时基于Mallat算法采取VC++编程的方法来对图像小波变换进行分析与研究。Mallat算法是将信号处理中的滤波器和计算小波系数联系在一起,组建成塔形分解算法,这样小波系数相关计算简单化了。嵌入式小波零树系数编码(EZW)是将小波变换的各子带系数表示为零树结构。EZW是一种简单而有效的图像编码算法。使用这种算法,编码者可在任一点结束编码,所以允许精确达到一个目标比率,而这时仍能产生同样的图像。有很好空间的小波变换——频域局部特性,关于图像这个可以有效地进行处理。     

一种基于小波包的语音信号特征提取方法研究

为了提高语音信号的识别率,提出了一种基于小波包的语音信号特征提取方法。该方法先对语音信号进行适当尺度的分解,求得各尺度的频谱,在此基础上得到各尺度信号能量,再通过DCT变换获得最后的特征参数。通过仿真实验,说明了新特征参数取得了较高的识别率。     

自适应小波变换更新滤波器的优化研究

基于提升格式的小波变换被称为第二代小波变换,该种结构提供了一种灵活构造非线性小波分解和重构的方法.G.Piella根据提升格式小波变换的结构特点,提出了一种不需要额外附加信息就可完成精确重构的自适应更新滤波器,但算法只说明了滤波器系数需要满足精确重构的条件,没有具体说明如何确定滤波器的系数.在先选定预测滤波器的基础上,...     

小波变换技术在指纹图像预处理中的应用

本文旨在提高指纹识别的识别率,在指纹图像的预处理中,加以小波变换。将小波函数进行分解与重构,并将其运用到对指纹图像的预处理中,包括小波压缩、去噪和增强。通过加入小波变换的预处理技术,可使指纹图像的特征提取与匹配中更加精确;结论:通过仿真实验,将小波变换技术运用到指纹图像的预处理中,可提高指纹识别的识别率。