一种基于多尺度小波分解的图象镶嵌技术

为了获得一种具有艺术视觉效果的镶嵌图象,提出了一种基于多尺度小波分解的图象镶嵌技术,该技术首先对原始图象的各子块区域和图象库中的每一幅图象进行多尺度小波分解;然后逐层计算各图象小波分解系数的标准方差和它们之间的相似距离,并据此从图象库中选取与原始图象中的各子块区域最佳匹配的贴图,再将其镶嵌到原始图象中的对应区域;最后对贴图进行逐像素的颜色校正,使贴图的颜色与原始图象尽可能一致.同时,根据人眼观察某个区域时往往通过取整或将细节取平均来得到一个总体强度效果这一视觉特性,使最终的镶嵌图象具有在近处看到的是各个贴图的内容,而在远处观看则是原始图象的总体轮廓的视觉效果.利用计算机来自动地生成这种镶嵌图象的实验结果表明,该方法是有效的.     

一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 ,该算法是一种能有效地从无噪声图象中检测细节边缘和从噪声图象中检测边缘的边缘检测算法     

基于小波分解的快速分形图象压缩算法

为了解决传统分形压缩编码时间过长的问题 ,提出了一种基于小波分解的快速分形图象压缩算法 .该算法利用小波分解后各频带间能量分布不均衡的特性 ,将集中图象主要能量的低频域看作是一种图象 ,进行传统分形编码 ;然后利用小波分解后不同分辨率子带图象之间的相似性 ,用低频域的全搜索代替传统算法中整个区域的全搜索 ,将在低频域得到的分形参数进行适当的比例变换得到整幅图象的分形码 ,解码时 ,进行同传统算法相同的迭代过程 ,所得解码图象即为原图的逼近图象 .实验结果表明 ,该算法在压缩比不变 ,且基本不影响恢复图象质量的前提下 ,大大提高了编码速度 ,明显改善了分形图象压缩中编解码时间的不对称 .     

基于视觉神经元ON—OFF模型的图象增强

探讨基于视觉神经网络 ON- OFF模型的图象增强 .通过计算仿真 ,找到了关于这种视觉模型应用于图象处理合适的实现形式 ;探讨了衰减常数和颜色恒定性的关系 ;以及空间常数变化和动态范围压缩与细节增强能力的联系 .使用合适的衰减常数 ,可以使该神经元模型在颜色恒定性计算上性能优良 ,同时 ,适当大小的空间常数 ,能够在颜色保真度和图像增强性能之间取得合适的平衡 .神经网络对复杂背景图象的增强效果良好 ,但是由于同样基于“灰度世界”假设 ,因此在处理违反这一假设的特殊图象时 ,此模型在颜色表征上仍然具有缺陷 ,这就部分限制了模型的应用 .最后探讨了可能的改进方向 .     

一种基于时空信息的运动目标提取新算法

自动、快速的视频目标分割是目标基视频编码中的一项关键技术 .为此提出了一种基于时空信息的运动目标提取算法 .该算法首先根据多帧运动信息和高阶统计检测方法得到二值运动掩模图象 ,然后提出一种改进后的分水岭算法对运动区域及其周围部分进行分割 ,最后将二者所得结果进行投影运算 ,得到最终运动目标 .实验结果说明了该算法的有效性 .     

一种基于混沌序列的图象加密技术

混沌序列具有易生成性、对初始条件强敏感性、可完全重现性以及整体的伪白噪声统计特性等特点 ,同时混沌序列的离散映射序列也具有其相似的特性 .基于以上特性 ,给出了一种基于混沌序列的图象置乱加密算法 ,其首先 ,以初始条件为密钥生成混沌序列 ,并将它映射为 2 K值混沌序列 ;然后依据该序列随机地修改图象每个像素点的灰度值 .同时为了度量加密或置乱的程度 ,还给出了一种基于图象局部方差的图象置乱度的定义 .实验结果证明了该算法实现简单 ,计算量小 ,且图象的解密结果对混沌序列的初始值有较强的依赖性 ,安全性高 ,同时也证明了给出的图象置乱度能更好反映图象加密前后的视觉差别和加密效果 .     

基于离群点检测的图形图象噪声滤除算法

图形图象噪声过滤与修正,在媒体制作、图象分析与信息提取中起着十分重要的作用.虽然基于小波变换的算法能够对高斯噪声进行较好的滤噪处理,但对于随机分布于图象中的各种非高斯噪声仍没有普遍适用的滤噪方法.为了对这种随机分布于图象中的噪声进行有效的检测与滤除,采用对数字图象像素进行解析化描述的方法,从离群点检测的角度给出噪声的定义,并在此基础上构造了相应的图象噪声检测与滤除算法.实验结果表明,这一新方法对图象类型具有广泛的适应性和较好的噪声滤除效果,在大规模图形图象处理应用中具有实用价值.     

基于Shamir秘密共享方案的数字水印算法

数字水印已成为数字作品版权保护的一种手段,而鲁棒性和不可察觉性是其基本要求.为此,提出了一种基于Shamir秘密共享方案的数字水印算法.该算法首先将图象分成n块,并将水印信息也分成n份,然后通过DCT的相邻系数比较法,将每份水印信息嵌入到图象的相应块中,提取时,只要获得其中的任意t(≤n)份水印信息就可以恢复出原始水印.为提高提取水印图象的精度,给出了基于模糊集的改进算法.实验结果表明,该算法的隐藏效果很好,并且对单一攻击及多种复合攻击具有很好的鲁棒性.     

一种静态背景下的运动目标提取算法

为了对静态背景下的运动目标进行快速、准确的提取 ,提出了一种新的运动目标自动提取算法 .该算法在传统的亮度信息的基础上 ,通过引入色差信息来作为预分割的参考 ,取得了较好的预分割效果 ;然后通过改进传统的 canny算法 ,使之能处理含有时间关系的两帧图象 ,以此来获得物体的精细边缘 ;最后设计了一种辅助边缘提取方法 ,结合精细边缘 ,以此来得到运动物体的连续边界 .实验表明 ,这是一种快速稳健的分割算法     

小波变换在遥感图象融合中的应用研究

针对基于小波变换的图象融合中存在的光谱扭曲问题 ,提出了一种直接相加的小波变换低频信息处理方法 ,即将未分解的 TM放大图象与小波分解后的 SPOT图象的高频部分重构得到的图象通过直接相加来生成融合图象 ,这种方法得到的融合图象 ,其光谱扭曲值和信息量两个指标均优于常规的小波融合方法 .由小波变换与 IHS变换的光谱质量比较表明 ,小波变换比 IHS变换更适合于波谱响应范围不同、相关性弱的图象间的融合 ;另外 ,空间质量比较还表明 ,小波变换在融合中、小尺度的纹理特征方面具有优势 .     

基于小波分解和多分类支持向量机的脸谱识别

小波分解提取脸谱特征具有对表情变化不敏感的特点,支持向量机竹=为分类器具有很高的推广性能,无需先验知识,针对小波分解和支持向量机所具有的优点,提出了一种新的脸谱识别算法,在该算法中无需对洲练图像进行预处理,直接使用小波分解方法对脸谱图像进行特征提取,用所提取的脸谱特征向量组合成新的脸谱特征向链洲练多分类支持向量机模型,最后用训练好的支持向量机进行脸谱识别,在训练中分别采用了三种不同的核函数;使用ORL脸谱图像库对该算法进行了测试和评估,测试结果表明了该算法在识别性能方面的优越性。     

基于支持向量机的人脸识别方法

1.引言人脸是人类视觉中的常见模式,人脸识别在安全验证系统、公安(犯罪识别等)、医学、视频会议、交通量控制等方面有着广阔的应用前景。现有的基于生物特征的识别技术,包括语音识别、虹膜识别、指纹识别等,都已用于商业应用。然而最吸引人的还是人脸识别,因为从人机交互的方式来看,人脸识别更符合人们的理想。虽然人能毫不费力地识别出人脸及其表情,但人脸的机器自动识别仍然是一个具挑战性的研究领域。由于人脸结构的复杂性以及人脸表情的多样性、成像过     

基于Gabor小波变换和支持向量机的人脸识别

将Gabor小波变换和支持向量机分类方法结合起来进行人脸识别。通过由Gabor小波变换系数表示的若干个人脸模板和人脸图像之间的匹配来确定特征点的近似位置；在所有的特征点位置计算Gabor小波变换系数并将其串联成表示人脸图像的向量；采用一种层次分解的支持向量机二叉决策树进行分类识别。实验结果表明了该方法的可行性。     

基于小波和支持向量机的人脸识别技术

小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,可以很好地压缩和表征人脸图像的特征。支持向量机技术针对小样本问题设计,对人脸识别这样的非线性、高维数的小样本问题有非常好的分类效果和学习推广能力,目前已经成为模式识别的首选分类器。文中使用小波变换来对人脸的高维图像矢量进行压缩,并设计了一个支持向量机分类器系统来识别人脸。试验结果验证了该系统有很高的识别率和较强的鲁棒性。     

一种基于知识的快速人脸检测方法

为了提高人脸检测的速度，提出了一种基于知识的快速人脸检测方法，该方法是采用符合人脸生理结构特征的人脸镶嵌图模型，并在分析了足够多的人脸图象样本的基础上，针对人脸图象的灰度和边缘信息，建立了一种较为完备的知识库；为加快检测速度，该方法采用多级检测步骤，即在粗检测中，根据眼睛的特征，提出并采用一种新的人脸粗检测算法-广义几何投影方法，从而明显地提高了检测速度，实验结果表明，该方法具有较强的鲁棒性，能够很好地解决复杂背景下的多人脸检测问题，由于该方法实现的简单性，并容易由硬件实现，使得检测速度进一步提高，因此该方法在可视电话等领域有着广阔的应用前景。     

核方法在人脸识别中的应用

1 引言人脸识别技术广泛应用于身份验证、门检系统以及人员监视等方面,在过去的几年里,人脸识别技术有了很大的发展。人脸识别技术与普通的模式识别不同,主要是因为在一般的模式识别中,有几个分类,每个分类中有很多样本,这样可以安排大量样本进行训练;相反,人脸识别中通常会有很多不同的人脸,每个人脸代表一个分类,而每个分类中的样本数都比较少,在很多情况下,甚至每个人只有一张图片(如身份证照片),在文[4]中提出了处理只有一个样本情况下的人脸识别。     

N-division output coding method applied to face recognition

Most research on face recognition has focused on representation of face appearances rather than the classifiers. For robust classification performance, we need to adopt elaborate classifiers. Output coding is suitable for this purpose because it can allow online learning. In this paper, we propose an N-division output coding method. In the experiments we demonstrate such properties as problem complexity, margin of separation, machine relevance and the recognition performance among different output coding methods.     

SVM-based feature extraction for face recognition

The primary goal of linear discriminant analysis (LDA) in face feature extraction is to find an effective subspace for identity discrimination. The introduction of kernel trick has extended the LDA to nonlinear decision hypersurface. However, there remained inherent limitations for the nonlinear LDA to deal with physical applications under complex environmental factors. These limitations include the use of a common covariance function among each class, and the limited dimensionality inherent to the definition of the between-class scatter. Since these problems are inherently caused by the definition of the Fisher's criterion itself, they may not be solvable under the conventional LDA framework. This paper proposes to adopt a margin-based between-class scatter and a regularization process to resolve the issue. Essentially, we redesign the between-class scatter matrix based on the SVM margins to facilitate an effective and reliable feature extraction. This is followed by a regularization of the within-class scatter matrix. Extensive empirical experiments are performed to compare the proposed method with several other variants of the LDA method using the FERET, AR, and CMU-PIE databases.     

基于小波包分解和支持向量机的图像隐秘检测算法

提出了一种新的小波包分解算法,该算法只对图像的低频部分进行分解,从而大大减少了特征向量的维数,提高了运行效率。在模式分类上采用了支持向量机的算法,实验证明,该算法与Fisher线性判别算法相比,其检测率明显提高。     

电影视频人像检索系统

针对电影视频中序列特征,提出了一种人脸检索的方法及在电影视频中的应用.首先,运用训练好的Cascade Ada-Boost人脸检测器选检测视频序列中的人脸图像,将检测到的人脸图像经标准化处理后投影到增量特征人脸空间中,得到人脸图像的向量表述,应用单类支持向量机进行训练和分类,同时根据分类的结果动态调整增量特征人脸空间方向和分类器的最佳分类超平面,实现对电影视频中特定演员的检索功能,对电影<小花>等的实验表明,这个方法可以得到理想的检索结果.