一种基于EMD和IHS的图像融合算法

提出一种基于经验模态分解和IHS的图像融合算法.首先对多光谱波段影像进行IHS变换获得强度影像I,以I为基准进行全色波段影像的直方图调整,得到PANmatch影像,然后对强度影像及PANmatch影像进行EMD(Empirical Mode Decomposition)多尺度分解,把强度影像的残差与全色影像的IMF(Intrinsic Mode Function)融合得到一个新的强度影像Inew,最后对Inew进行IHS逆变换获得融合影像.实验结果表明,算法具有很好的频谱信息存储能力和空间表达能力.     

一种改善EMD端点问题的方法

经验模态分解（EMD）是一种先进的数据处理方法,对脑电信号（EEG）等非线性非平稳信号的处理非常有效。但是其在利用三次样条曲线构造上下包络时,端点附近的包络存在严重的摆动。针对该问题,在镜面延拓算法的基础上,提出了二次延拓算法。根据邻近端点的数据计算出该信号在端点处的拟合函数;利用该拟合函数在左右端点各延拓出一个极值点;采用镜面延拓算法对延拓后的信号进行EMD分解。算法考虑了信号端点处的变化趋势,使得端点处的延拓更加合理,从而使三次样条曲线在端点处不会出现大的摆动。仿真结果表明,该算法能有效地对脑电信号进行分解。     

一种基于小波的人脸图像光照归一化算法

光照变化严重影响了人脸图像的外貌,这阻碍了人脸识别的过程。为了识别可变光照下的人脸图像,提出了一种基于小波的光照归一化算法,将一幅图像分解为低频成分和高频成分,对不同的频带成分进行不同的操作——对低频成分进行直方图均衡化,同时着重强调细节（高频成分）,将它乘以一个标量从而增强图像边缘;对修改后的系数进行逆小波变换就得到归一化后的图像。最后,直接使用PCA方法对单训练样本条件下的人脸进行识别,在AR和FERRET人脸库上的实验结果表明,提出的方法可以显著提高人脸识别系统的识别率。     

一种新的EMD包络定义及拟合方法

包络拟合是经验模态分解（Empirical Mode Decomposition, EMD）中非常关键的一步。针对经典EMD利用信号极值点的三次样条插值构成的包络经常会和信号相交从而破坏包络的定义,在分析包络的性质的基础上提出了一种新的EMD包络拟合方法。该方法可以根据经典EMD包络通过泰勒展开计算出具有相同一阶导的信号和包络的切点与原极值点的偏移量,然后用这些切点取代极值点并通过Hermite多项式插值得到新包络。数值实验结果表明该方法的正交性及能量保存度指标有明显的改善,其拟合的包络线更接近于理想包络线。     

一种人脸标准光照图像的线性重构方法

基于相同光照下不同人脸图像与其标准光照图像之间的稳定关系,文中提出一种人脸标准光照图像重构方法。首先,为消除人脸结构影响,引入人脸三维变形,实现图像像素级对齐。其次,根据图像明暗变化,给出一种基于图像分块的光照分类方法。最后,对于形状对齐后的不同光照类别样本,训练出基于子空间的线性重构模型。该方法有效避免传统预处理方法带来的重构图像纹理丢失和子空间方法引起的图像失真。Extended Yale B数据库上实验表明,该方法对图像真实度与人脸识别率的提升,也验证文中人脸对齐和光照分类方法的有效性。     

一种基于改进EMD的语音去噪方法

语音信号在产生、传输及接收过程中,不可避免会受到噪声干扰从而引起失真.针对传统经验模态分解算法存在的包络线拟合和插值点选择问题,为减少语音失真,提高语音质量,提出了一种改进的经验模态分解算法.采用分段三次埃尔米特插值代替三次样条来计算信号包络,并结合内、外双迭代法代替局部极值来求插值点,从而降低了算法的分解误差,避免了拟合时的过冲欠冲现象.仿真结果表明,与小波变换和传统经验模态分解的语音去噪相比,提出的算法减少了语音的失真,提高了输出信噪比.     

一种改进的EMD硬阈值去噪算法

为了提升基于经典小波阈值的EMD去噪算法的性能,利用高斯白噪声的统计特征提出了一种改进的硬阈值去噪算法;首先将含噪信号进行EMD分解,把第一个固有模态函数作为高频噪声直接去除并估算出其他IMF中高斯白噪声的能量,然后根据硬阈值去噪的原理,利用滤除掉的样本点包含的能量等于白噪声的能量确定出合适的阈值;该方法能根据样本点自适应地确定阈值;最后通过对含噪正弦信号和仿真心电信号的去噪实验证实了改进后的阈值使算法去噪效果有明显提升。     

基于EMD进化概率神经网络的纹理图像识别

论文提出了一种基于EMD进化概率神经网络的纹理图像识别方法.首先,对原始信号进行经验模式分解,将其分解为多个平稳的固有模式函数之和;再从各IMF分量中提取主要能量特征作为进化概率神经网络的输入参数来识别纹理图像.对不同的自然纹理图像进行了实验,并将结果与小波进化概率神经网络的结果做了比较.实验结果证明,论文方法的正确识别率和识别精度高于小波进化概率神经网络.     

基于自相关周期估计的EMD端点延拓方法

提出了一种基于自相关周期估计的经验模态分解(Empirical mode decomposition,EMD)端点延拓方法.在信号分解过程中通过高阶自相关函数估计备信号分量的周期,基于提出的整周期准则对信号分量进行数据延拓,得到的延拓数据符合信号分量的变化趋势.相对现有延拓方法,该方法解决了端点处数据跃变、波动趋势不一致的问题.该方法计算量小且效率高,适于周期或准周期、调频范围不大的信号.仿真结果验证了该方法的有效性.     

基于小波包和EMD的滚动轴承故障诊断研究

经验模态分解由于采用了三次样条插值的方法筛分内模函数,在实际应用中存在模式混叠、在低频段产生多余IMF分量等问题.文中以内模函数定义为出发点,提出一种基于小波包的筛分方法,并通过设定以小波能量比为条件的门限值,提高了小波包分解的自适应性和效率.通过仿真信号和滚动轴承故障振动信号的检验,证明了该方法的可行性和有效性.     

基于光照分类的可变光照下人脸识别方法

针对人脸识别中的光照变化问题,借鉴“分而治之”的思想,提出通过光照分类来提高不同光照情况下人脸的识别率。根据人脸图像灰度随光照变化的分布特点,将图像划分为三类：无偏光类、左偏光类和右偏光类,分别在不同的光照子集中对人脸图像进行处理与识别,并在YALEB人脸库上完成实验验证。结果表明,该方法不需要进行光照归一化处理,有效减弱了光照不均匀对人脸识别的影响,在提高识别率的同时降低了运算量,识别率可从未分类前的86.7%提高到99.6%,对于可变光照下的人脸识别有一定的应用前景。     

光照变化条件下的人脸识别技术研究

为了提高光照变化条件下的人脸识别率,针对Retinex算法处理人脸光照图像时易产生“光晕”难题,提出了一种基于Mean-Shift滤波的Retinex算法,并应用于人脸识别中的光照预处理。对人脸图像进行非线性增强;利用Mean-Shift滤波代替高斯滤波对光照估计,解决传统Retinex算法中存在的“光晕”难题。采用Yale B人脸库对算法性能进行测试,结果表明,该算法能够很好地抑制“光晕”现象的发生,具有光照鲁棒性,提高了人脸的识别率。     

相关滤波器和2DPCA相融合的变光照人脸识别

为解决变光照下人脸识别的识别率低问题,提出一种最佳相关滤波和2DPCA相融合的光照人脸识别方法。通过采用特定类2DPCA重构人脸图像,生成一对相关滤波器;测试人脸图像通过相关性滤器将投影到二维子空间中,并根据预先设定的峰旁瓣比阈值进行人脸识别;最后采用PIE和YaleB人脸库进行仿真实验。相比其他人脸识别方法,该方法获得了更高的人脸识别率,鲁棒性更强。     

LMCP:用于变化光照下人脸识别的LBP改进方法

LBP算子是在人脸识别和纹理分析领域比较成功的一种方法,但是由于没有考虑像素值之间的对比度,因而丢弃掉了重要的纹理特征。提出了一种LMCP方法,解决了LBP方法的这个缺点。该方法先通过预处理,将光照变化控制在一定范围内,然后求得局部区域中心像素点和邻居像素点之间的对比度值,并将其最大值和最小值之间的值域划分为若干个层次,将每个对比度值映射到某个层次上,再使用LBP类似方法获得若干个数值组合而成的LMCP特征值。此外,还使用了统计映射的方法进行降维。实验结果证明了LMCP方法比LBP方法更加有效。     

基于有效光照估计的复杂光照人脸识别

基于光照估计的光照不变量提取是提高复杂光照人脸识别性能的一种有效方法。以往算法仅考虑光照缓慢变化特性从人脸图像中估计光照,无法获取准确的光照和光照不变量。综合考虑图像的成像原理、光照缓慢变化特性和复杂照明环境,结合图像融合和平滑滤波,提出一种有效的人脸图像光照估计、光照不变量提取方法。所提算法能较好地处理阴影边缘问题,提取含有丰富面部细节特征、更接近于人脸本征的光照不变量。复杂光照Yale B+和CAS-PEAL-R1人脸库上的实验结果表明所提算法具有高效性。     

人脸识别中光照梯度补偿算法的改进

光照变化是影响人脸识别的重要因素。光照梯度补偿是解决这一问题的方法之一。该方法通过最小二乘法计算出一个光照平面,然后将原图像减去光照平面,用所得的差图像来识别人脸。由于人脸的两半并非共面,它们与入射光线形成的角度是不同的,因此光照平面应该是不同的。如果分别计算两个光照平面又将导致差图像不连续。本文提出了一种算法,将两个半脸的光照平面系数合成一个系数向量,一同求解这些系数,然后调整其中的常系数项,使两边连续。从而实现,两边的光照平面不同,又保持了连续性。实验结果表明效果良好。     

人脸识别中基于多小波变换的光照补偿

提出了一种用于非均匀光照条件下人脸识别的光照补偿算法。该算法在对数域计算2维多小波变换来实现人脸光照补偿,然后直接在对数域进行人脸识别。在Yale B人脸库中与其它光照补偿算法进行了比较,实验结果表明,该方法的平均误识率仅为0.70%,优于现有的绝大多数算法。     

一种人脸识别中的光照补偿方法

为了消除光照变化对人脸识别率的影响,提出了一种新的基于双边滤波器的Retinex方法,该方法用双边滤波器来估计光照,并应用Retinex理论来获得光照无关的人脸反射图像.仿真实验表明了这种方法能有效消除人脸中的光照影响.     

基于光照线性子空间的人脸图像识别研究

以前的研究已经证明,在变化光照条件,甚至多个光源和阴影存在的情况下,对象（尤其是人脸）所形成的图像能够被低维线性子空间有效地表示。Lee证明了存在9个光源方向的统一配置,任一对象在这些统一配置光照方向下的9幅图像所组成的线性子空间,能够很好地表示该对象所有光照情况,并且达到了很好的识别性能。但它要求每一对象在统一配置光照方向下的9幅图像作为训练集,这一要求限制了它在实际中的应用。此外,商图像方法中简单的三维点光源模型无法很好地近似任意光照情况,因此,提出一种基于九维线性子空间的改进的商图像方法,并利用改进后的商图像方法合成对象在统一配置光源方向下的9幅图像,克服了Lee所提方法的不足。该文方法较好地满足了商图像方法的理论前提,从而达到了较好的图像合成和人脸识别性能。