结合小波分析和LBP算子的人脸描述与识别

为提高人脸识别的准确性和实用性,提出了一种结合小波分析和LBP算子的人脸描述与识别算法.先利用小波分析对原始人脸图像进行降维,再分块求取小波系数的2类LBP直方图,最后将所有区域的2类LBP直方图连接起来得到整幅图像的小波直方图序列特征(HSWLBP),并将其作为人脸的鉴别特征用于分类识别.所提出的算法在ORL人脸数据库上取得高达0.99的人脸识别率.实验分析表明,HSWLBP具有较强的特征表示能力和可鉴别性,且对光照、人脸表情和位置的变化具有较高的鲁棒性.     

融合2DUDT与2DLDA的人脸识别研究

提出了一种融合二维非相关判别转换和二维线性鉴别分析分别提取人脸图像矩阵行方向的非相关鉴别信息和列方向的线性鉴别信息的人脸识别方法。该融合方法将线性鉴别向量提取方法与非相关鉴别向量提取方法相结合。首先计算进行人脸图像矩阵列压缩时的类间散射矩阵和类内散射矩阵,用二维线性鉴别分析计算特征值和所对应的特征向量,用特征向量集对人脸图像矩阵进行列压缩。其次,计算人脸图像矩阵行压缩时的类间散射矩阵、类内散射矩阵和总体散射矩阵,用二维非相关判别转换求出最优投影矩阵并用最优投影矩阵的转置矩阵对人脸图像矩阵行压缩。最后用最近邻分类器对压缩的ORL人脸图像测试样本进行分类处理,可实现人脸图像的准确识别。     

基于Daubechies小波的人脸识别算法

为寻求正确率更高的人脸识别技术,提出一种基于Daubechies小波变换和支持向量机(DW-FPSVM)的人脸识别算法.首先对人脸图像进行一次二维Daubechies小波分解提取特征,接着利用快速PCA对特征降维去噪处理,最后选取合适的核参数建立分类模型对其识别,并对常见的ORL人脸库、Yale人脸库进行实验仿真.结果表明:人脸识别准确率随支持向量机核参数γ的增大而减小,且基于DW-FPSVM能够有效的提高人脸识别算法的准确性和稳固性;相较于其他小波的相关结果发现,Daubechies小波更具应用优势.     

基于低秩矩阵分解和协作表示的人脸图像分类

为了降低干扰因素对人脸识别准确率的影响,提出一种基于低秩矩阵分解和协作表示的人脸图像分类算法。针对噪声阴影影响,使用鲁棒主分量分析(RPCA)对人脸数据进行低秩矩阵分解,去除干扰,得到较为干净的人脸图像。通过协作表示分类方法对经RPCA处理后的低秩分量图像进行分类,通过归一化的最小重构误差来判定测试样本的具体类标。在3个人脸数据集上对算法性能进行仿真测试,结果表明,该算法在10%到50%的标记率下较其他算法均能提升分类识别率。     

基于小波变换和主分量分析的人脸识别

提出了基于小波变换和主分量分析的人脸识别算法.该算法首先用小波变换对人脸图像进行小波分解,形成低频小波子图,然后用主分量分析法构造特征脸子空间,将人脸图像在特征空间的投影作为KNN分类器的输入,由KNN分类器对提取的特征进行识别.在ORL人脸数据库上的实验结果表明该方法具有良好的性能.     

基于子模式的单样本人脸识别方法

针对在单样本人脸识别中每类个体的鉴别性特征难以提取的问题,提出一种基于子模式的单 样本人脸识别方法．所提方法考虑了人脸的不同部位对人脸识别精度有不同的贡献度,并引入外部 人脸数据集来训练学习得到每类个体的鉴别性特征．在进行人脸识别时,采用人脸校准算法提取人 脸的５个基准点,并以此为中心将人脸划分成５个固定大小的子模式．在每个子模式的特征提取 上,引入外部人脸数据集,并结合ＳＶＭ 算法训练得到属于每个子模式的分类器．最后,对每个子模 式的分类结果做加权融合,得到最佳识别对象．在３个公开的人脸数据集Ｅｘｔｅｎｄ－Ｙａｌｅ－Ｂ,ＯＲＬ,ＡＲ 上与现有方法进行实验比较,结果表明所提方法在识别精度上有较大提升．     

基于多尺度梯度角和SVM的正面人脸识别方法

为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.     

基于核映射的无相关鉴别矢量集算法

针对人脸识别这一非线性分类问题,提出了一种基于核的无相关鉴别矢量集算法。应用了支持向量机中核函数的思想,通过核映射将原空间的非线性分类问题转化为特征空间的线性分类问题,然后在特征空间进行无相关鉴别矢量集的求取。其优势在于:利用核函数不但可以将非线性问题转化为线性问题,而且可以提取样本图像的高阶统计特征。在ORL人脸库中的测试结果表明,与传统的全局正交鉴别矢量集算法及传统的无相关鉴别矢量集算法相比,基于核映射的无相关鉴别矢量集算法有更高的识别率,最高识别率可达到99%。     

基于变换域特征提取和模拟退火法特征选择的人脸识别

为了提高人脸识别系统的性能,提出DWT双边子带频域特征提取和模拟退火优化算法的特征选择。首先,运用DWT、DFT和DCT组合变换,用于人脸图像表情、姿态、平移和光照不变特征的有效特征提取。人脸图像DWT变换后,选择近似系数分量和水平系数分量[CA CH]为小波特征,经DFT变换后,利用四椭圆模板取出DFT低频高幅值系数,经DCT压缩得到人脸图像的特征系数。其次,利用模拟退火优化算法进行特征选择,在特征系数空间搜索特征子集进行人脸识别。实验仿真说明了该方法的有效性。     

基于特征脸和支持向量机的人脸识别技术研究

在人脸检测的基础上,针对人脸识别问题,将特征脸理论和支持向量机相结合,把待识别样本投影到由特征脸张成的特征空间,从而提取出有效的可供识别特征,再将提取的特征送入支持向量机训练、分类,最终实现识别算法.该算法充分利用了主分量分析法在特征提取方面的有效性以及支持向量机在处理小样本问题和泛化能力强等方面的优势,使得算法具有较高的识别率.最后在设计的软件平台上进行了仿真,仿真结果表明,该系统可以运用在小型人脸识别的场合.     

基于改进的核判别分析的人脸识别算法研究

由于目前面临光照、表情、姿态等影响,人脸识别是计算机视觉领域中的一个难题.由于人脸图像蕴含着丰富的纹理信息,充分利用纹理特征也是提高人脸识别算法的有效方法.利用图像处理中信号处理和学习两种方法的优势,提出了基于Gabor小波和KDCV相结合的图像特征提取算法.首先利用小波分析提取人脸图像的纹理特征,然后用改进的核判别分析方法对提取的纹理特征进行降维,用降维后的数据作为人脸识别的特征.通过仿真实验表明,改进的核判别分析算法可有效提高人脸识别正确率,提高算法的实际应用性.     

基于投影信号和小波分析的字符特征提取方法

设计了一种将传统的投影特征和小波多分辨分析相结合的字符特征提取方法,将直观易得但细分能力较差的字符投影信号,进行不同尺度下的小波多分辨分解,分别在获得的近似成份和细节成份中提取有效的特征量。并通过详实的对照试验分析说明了小波分解尺度和多尺度小波系数对字符特征描述的有效性影响。     

基于投影信号和小波分析的字符特征提取方法

设计了一种将传统的投影特征和小波多分辨分析相结合的字符特征提取方法，将直观易得但细分能力较差的字符投影信号，进行不同尺度下的小波多分辨分解，分别在获得的近似成份和细节成份中提取有效的特征量。并通过详实的对照试验分析说明了小波分解尺度和多尺度小波系数对字符特征描述的有效性影响。     

基于小波域的鲁棒音频数字水印算法

为有效保护音频数字产品,增强其抗同步攻击能力,在小波域的基础上,提出了一种新的盲检测数字音频水印算法.先将完整音频进行三层小波分解,取其低频系数,再对每个音频帧进行三层小波分解,也取其低频系数,最后分别求出两组低频系数的平均值,并进行比较判断水印嵌入位置.嵌入水印后的音频信号与原音频信号在听觉上是相似的.实验结果表明,该方法既可增强水印的不可见性,又能抵御多种攻击,具有很好的鲁棒性和实用性.     

智能环境下基于核相关权重鉴别分析算法的多特征融合人脸识别

针对智能会议环境下基于单模特征的人脸识别的识别率低、鲁棒性差的问题,提出了一种在智能会议室环境下基于核相关权重鉴别分析(KRWDA)算法的融合全局和局部特征的多特征融合人脸识别方法。基于相关权重鉴别分析算法并结合核方法,提出了一种核相关权重鉴别分析算法,有效解决了小样本问题。利用全局特征和局部特征在识别时所描述的内容和作用的互补性在特征层融合两种特征,全局信息和局部信息分别采用离散余弦变换和Ga-bor小波变换提取。在AMIES2016数据库上的仿真实验表明,本文所提出的方法可以有效地提高系统身份识别的正确率。     

结合小波与递归神经网络的低分辨率人脸识别

针对低分辨率人脸图像缺少有效信息而导致识别率较低的问题,提出一种结合哈尔小波与递归神经网络的低分辨率人脸识别方法。首先,通过深层网络直接预测小波系数,经过小波逆变换得到高分辨率人脸图像,可以有效地重建高频信息;其次,在卷积神经网络中加入递归模块,在增加网络深度的同时减少参数冗余,提升模型的映射能力;最后,提出一种优化的重建与感知损失融合方法,将小波系数重建损失与感知损失进行加权融合,用以生成有利于识别的人脸图像。基于公开数据集,对图像重建质量与识别性能进行了对比。实验结果表明,即使在极低的分辨率条件下(8×8,16×16),仍然能够重建出更加锐利的人脸图像。在此基础上,其识别能力优于目前领先的超分辨率重建算法。     

Research of Wavelet Modulation for Single-Phase Three-Level Inverter

单相三电平逆变器小波调制策略的研究

刘洪臣,范国磊,苏振霞

（哈尔滨工业大学电气工程及自动化学院,哈尔滨150001）

创新点说明：

提出了单相三电平逆变器的小波调制策略,提高了输出电压的基波含量,降低了输出电压的谐波含量。

研究目的：

将小波调制应用于三电平逆变器中,降低输出电压中的谐波含量。

研究方法：

1.小波调制策略从两电平逆变器扩展到三电平逆变器;

2. 通过理论分析三电平逆变器小波调制策略的输出电压基波和谐波含量,证明其方法的优越性;

3. 通过仿真和实验对所提方法的正确性进行了验证。

结果：

基于小波调制的三电平逆变器的输出电压的基波含量高,谐波含量低;

结论：

三电平逆变器小波调制的输出电压谐波含量小、基波幅值大,能很好的改善输出电压质量,并且开关频率低,算法简单,易于实现。对于小波调制策略而言,研究表明小波调制总采样组数D与电压谐波畸变率存在非线性关系,因此当选择适当的采样组数D时,逆变器的开关频率、开关损耗及谐波畸变率将很小。

关键词：小波调制;三电平逆变器;谐波含量;基波

     

用小波变换和Fisher判别对人脸进行特征提取

提出了一种用小波变换和核函数Fisher判别对人脸进行特征提取的方法.同传统的特征提取方法相比,用核函数Fisher判别进行特征提取,不仅可以对人脸图像进行维数压缩,而且还可以有效利用提样本的类别信息.同时,用小波变换对人脸图像进行预处理以降低计算复杂度.同传统的Fisher变换相比,可以较好地解决人脸识别这一非线性问题.实验结果表明方法是有效的.     

基于人类视觉特性的彩色图像水印算法研究

根据离散小波变换原理,实现了一种基于人类视觉特性的数字水印算法.首先介绍了对图像进行3级离散小波分解的JND模型;其次,重点阐述了所实现算法的水印嵌入、提取原理,即原始图像由RGB色彩空间转换到YIQ空间,将原始图像Y分量进行3级离散小波分解,将水印图像进行一维Logistic置乱加密后嵌入到原始图像Y分量的低频和第3级高频子带当中,嵌入强度值依据JND来确定.最后,给出了试验结果及6种攻击测试结果.     

Orthogonal M-band compactly supported interpolating wavelet theory

Recently, 2-band interpolating wavelet transform has attracted much attention. It has the following several features: (ⅰ)The wavelet series transform coefficients of a signal in the multiresolution subspace are exactly consistent with its discrete wavelet transform coefficints; (ⅱ)good approximation performance; (ⅲ)efficiency in computation.However orthogonal 2-band compactly supported interpolating wavelet transform is only the first order. In order to overcome this shortcoming, the orthogonal M-band compactly supported interpolating wavelet basis is established. First, the unitary interpolating scaling filters of the length L=MK are characterized. Second, a scheme is given to design highorder unitary interpolating scaling filters. Third, a parameterization of the unitary interpolating scaling filters of the length L=4M is made. Fourth, the orthogonal 2-order and 3-order three-band compactly supported interpolating scaling functions are constructed. Finally, the properties of the orthogonal M-band c