基于离散傅里叶不变特征的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法。从连续傅里叶变换出发,讨论连续傅里叶变换情况下的傅里叶变换性质,给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质,推导出离散傅里叶变换的不变特征,并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于离散傅里叶不变特性的人脸识别

给出了一种基于离散傅里叶不变特征的人脸识别方法，从连续傅里叶变换出发，讨论连续傅里叶变换情况下的傅里叶变换性质，给出离散傅里叶变换情况下的傅里叶变换性质。依据离散傅里叶变换性质，推导出离散傅里叶变换的不变特征，并将其用于人脸图像识别。人脸识别结果表明方法具有很好的识别能力。     

基于傅里叶变换的红外人脸图像温度归一化

为了减少环境温度对红外人脸图像的影响,本文提出了一种基于傅里叶变换的红外人脸图像温度归一化方法。首先,对不同环境温度下的红外人脸图像变换到傅里叶域,得到幅度谱和相位谱。其次,基于统计分析理论,幅频系数和相频系数的方差用于表示不同特征受环境温度影响的程度。为了达到归一化的目的,对方差较大的幅频系数和相频系数用训练样本的均值进行替换。最后,为了验证温度归一化的有效性,将归一化的红外人脸图像用于传统的基于PCA的红外人脸识别系统。实验结果表明,本文提出的归一化方法可以提取稳定的红外人脸特征,提高了环境温度变化下红外人脸识别的识别率。     

基于连续傅里叶变换计算离散傅里叶变换的一种算法

介绍一种利用连续信号的傅里叶变换计算离散序列离散傅里叶变换的算法,给出了这种算法的应用实例,并对此算法的有效性进行了验证.     

周期性序列的傅里叶变换求解法

对周期性序列傅里叶变换的三种求解方法进行了分析和讨论。目前大多数教材中都是采用通过直接给出变换的结果,再代入反变换的公式中求证的方法,从教学效果看,这种方法比较抽象,使学生难以理解。本文提出的根据离散时间傅里叶变换（DTFT）和傅里叶变换（FT）的关系以及利用周期序列的离散傅里叶级数（DFS）的求解方法可以使求解过程简化,易于被学生掌握。     

傅里叶变换光谱仪动镜运动控制仿真

在傅里叶变换光谱仪中,动镜按一定规律进行往复运动。一般控制方案采用直线电机直接推动,但在体积小而高分辨率的傅里叶变换光谱仪中,直线电机要做得很长,不是很合适。采用无刷直流电机进行动镜控制;分析了无刷直流电机(BLDC)数学模型和动镜速度均匀性对光谱仪的影响,采用自适应在线遗传算法整定的PID控制和传统PID控制方法分别进行仿真控制,着重分析了带负载无刷直流电机的控制效果,并人工加入负载扰动。仿真结果验证了采用合适的控制策略控制无刷直流电机可达到傅里叶变换光谱仪对速度均匀性的要求。     

基于快速傅里叶变换的荧光测温仪

采用激光加热小基座法生长出端部掺Cr3 的蓝宝石光纤荧光温度传感头,具有结构紧凑,耐高温等特点,测温范围从室温到450 ℃.基于快速傅里叶变换的拟合方法,从第一个非零项的相位角的正切值得出被测的荧光寿命,具有速度快、误差小、不受本底干扰等优点.与其他几种传统的拟合方法进行比较,快速傅里叶变换方法的测量偏差不到Prony方法的一半,与Marquardt方法测量的偏差接近.另外,快速傅里叶变换方法由于不受本底噪声影响,可以不必在信号处理时去掉本底噪声,可以缩短测量时间,提高测量的分辨率.     

基于混沌和傅里叶变换的数字水印算法

提出一种基于混沌映射和分数阶傅里叶变换的数字水印算法.采用有版权信息的二值图像作为水印,利用混沌映射在密钥的控制下对水印进行加密置乱.利用由密钥生成的混沌序列对数字图像进行分数傅里叶变换,并将已经混沌置乱的水印信息嵌入到原始图像的中频幅度谱系数对应的相位谱系数中,最后进行分数傅里叶逆变换可以得到嵌入水印的图像.通过仿真实验可以证明该算法简便易行,且具有良好的不可见性,对图像的剪切、压缩、添加噪声和旋转一系列的图像攻击操作具有良好的鲁棒性.     

基于混沌和傅里叶变换的数字水印算法

提出一种基于混沌映射和分数阶傅里叶变换的数字水印算法。采用有版权信息的二值图像作为水印,利用混沌映射在密钥的控制下对水印进行加密置乱。利用由密钥生成的混沌序列对数字图像进行分数傅里叶变换,并将已经混沌置乱的水印信息嵌入到原始图像的中频幅度谱系数对应的相位谱系数中,最后进行分数傅里叶逆变换可以得到嵌入水印的图像。通过仿真实验可以证明该算法简便易行,且具有良好的不可见性,对图像的剪切、压缩、添加噪声和旋转一系列的图像攻击操作具有良好的鲁棒性。     

基于一维傅里叶变换特征提取的纸币识别

纸币识别系统包括纸币图像采集、图像预处理、特征提取及分类器设计等几个步骤。其中特征提取的有效性直接影响到整个系统的识别效果,是至关重要的环节。本文针对不同面值长宽、图案相近的纸币,提出一种局部区域一维傅里叶变换特征提取的新方法。实验结果表明,该方法取得了很高的识别率,有较大的实际应用价值。     

基于两级分类器串行的人脸识别

在分析人脸特征提取和分类器的基础上,提出一种两级分类器串行结合的模型进行人脸识别。在第一级分类器中利用极坐标傅立叶变换提取全局特征通过相似度匹配进行粗略的筛选,第二级分类器中利用改进的协同神经网络,基于原始灰度图像的小波变换提取内在特征,进行精细识别。研究分析了分类器串行结合模型中阈值的选取与系统精度、速度间的关系。在自建人脸库和Yale B人脸库上的实验结果表明,两级分类器串行的识别模型在保证较高系统识别率的前提下可以提升系统的速度。     

小波包变换和二维四元数主成分的人脸识别

提出了一种用小波包变换（WPT）和二维四元数主成分分析（2DQPCA）的灰度人脸图像识别算法。将对人脸灰度图像经小波包变换得到的分解系数构成四元数矩阵,通过2DQPCA实现数据降维并构造四元数特征空间,将其划分为若干子块,对每个子块根据最近邻算法进行分类并对分类结果投票,根据投票结果实现最终的人脸识别。该方法与PCA等传统方法在Orl、Yale等四个人脸数据库上的实验结果比较表明,该方法在识别率上有明显优势,且对光照、表情变化具有鲁棒性。     

基于Curvelet的人脸识别

人脸的主要特征是曲线信息,提出了一种基于Curvelet变换的人脸识别算法。Curvelet变换在表达图像的曲线奇异性时,比小波变换和脊波变换能获得更稀疏的图像表示。在人脸识别中,用人脸的曲波系数来提取特征能更好地反映人脸的主要特征,文中使用支持向量机进行了识别。结果表明该方法比小波方法更有效。     

基于二进小波变换和仿生模式识别的人脸识别

针对人脸图像易受光线和表情影响的特点,提出了一种基于二进小波变换和仿生模式识别的人脸识别方法。应用样条二进小波对人脸图像进行处理,对得到的细节子图进行融合。在FFT和PCA处理与降维后,用仿生模式识别进行学习和识别。实验结果表明,该方法比传统方法具有更高的识别率。     

基于对称Gabor特征和稀疏表示的人脸识别

受启发于人脸近似对称的先验知识,提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。首先把人脸图像进行镜像变换得到其镜像图像,进而将人脸分解为奇偶对称脸。在奇偶对称脸上分别提取Gabor特征,得到Gabor奇偶对称特征。通过一个加权因子,将奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸分类。在人脸数据库AR和FERET上的实验结果表明所提算法在人脸有表情、姿势和光照变化情况下仍能获得较高的识别率。     

基于谱域特征提取与线性回归分类的智能人脸识别算法

针对人脸识别中由于光线、表情变化和遮挡导致人脸图像变化的问题,提出了一种谱域特征提取与线性回归分类算法相结合的智能人脸识别方法。为了实现特征提取的目的,首先使用Viola-Jones算法从原始图像中提取初始人脸部分,并将其转换为120×120像素大小的灰度图像;然后提出了一种计算极坐标傅里叶变换（FFT）以获得预处理人脸图像主要幅度谱特征的新框架,进一步在预处理的图像上执行2D-DFT,并表示为1D P-FFT。特征值是1D P-FFT幅值中的最大值,提取的特征值用于构造表示人脸图像的符号对象。最后利用快速有效的线性回归分类算法实现分类。在AR和GT数据库上进行了各种实验,分别取得了97.51％和98.02％的准确率,与最近报道的一些人脸识别技术相比,提出的方法识别准确率更高。     

基于增强粒神经网络的人脸识别算法

针对非限条件下人脸识别准确率较低的问题,提出一种基于粒神经网络（MNN）与遗传算法优化的人脸识别算法。对人脸库进行初始化分析决定每个粒子中人脸的分布,将同一复杂度级别的数据分为一组;将人脸分为额头、眼睛与嘴三个部分,粒神经网络采用不同数量的数据点对面部子区域进行训练,获得多个训练结果;设计了一种多级的遗传算法对粒神经网络进行优化。基于两组公开人脸数据库的对比实验结果表明,该算法的识别准确率优于其他人脸识别算法。     

典型相关分析融合全局和局部特征的人脸识别

为了提高人脸的识别率,提出一种典型相关分析融合全局和局部特征的人脸识别算法（SUB-CCA）。通过划分子模式方式避免人脸识别存在小样本、非线性问题,并提取局部特征,采用主成分分析提取人脸图像的全局特征,并采用相关分析算法对全局、局总特征进行融合,消除特征间冗余信息,降低特征维数,采用投票法得到人脸识别结果,并采用3个人脸数据集对算法性能进行测试。仿真结果表明,相对于参比算法,SUB-CCA提高了人脸识别的识别精度。     

改进单尺度Retinex的光照人脸识别

经典Retinex算法假设场景中光照是平缓变化的,当光照变化比较强烈时,易产生“光晕”现象,为了提高光照条件变化下的人脸识别率,提出一种改进单尺度Retinex的光照人脸识别方法。采用双曲正切函数代替Retinex的对数函数对人脸图像进行亮度和对比度非线性增强;利用双边滤波代替Retinex的高斯滤波消除“光晕”,采用Retinex消除光照不利影响,采用K近邻算法建立人脸分类器。结果表明,改进Retinex降低了时间复杂度,图像增强效果优于同类算法,提高了人脸识别率,很好地解决了“光晕”问题,具有光照鲁棒性,可适用于光照变化较强条件下的人脸识别。     

基于分块2DPCA的人脸识别方法

为进一步提高分块二维主成分分析(2DPCA)算法在人脸识别的识别率,提出一种人脸识别算法.将训练样本人脸矩阵按光照等相似条件进行分块并进行类内平均归一化;采用2DPCA算法构造特征空间,将分块矩阵在特征空间中进行投影得到训练样本识别特征,利用支持向量机(SVM)在分类上的优势,对训练样本识别特征和经过归一化分块2DPCA的测试样本识别特征进行分类,对人脸图像进行识别.选取ORL人脸数据库的图片进行实验,将该算法与传统2DPCA、2DPCA+SVM等算法进行比较,验证了该算法的性能优于其它算法.