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。     

基于傅里叶变换特征遗传算法的人脸识别

提出了一种基于傅里叶变换特征遗传算法的人脸识别方法。首先对人脸图像进行傅里叶变换,并去掉不包含识别信息的零频率分量。然后以人脸图像傅里叶变换的模作为描述人脸模式的特征,考虑到并不是所有傅里叶特征都包含较好的分类信息,应用遗传算法进行特征选取。实验结果表明：给出的方法不仅具有较好的识别性能,而且可以在一定程度上减少人脸模式的存储空间。     

“离散时间傅里叶变换”教学方法探讨

离散时间傅里叶变换是数字信号处理课程中重要的教学内容之一,本文利用ZT和离散时间傅里叶变换之间的关系来探讨离散时间傅里叶变换的教学方法。几年的教学实践表明,运用该教学方法进行“离散时间傅里叶变换”的教学,可以收到较好的教学效果。     

基于修正离散傅里叶变换的频域卷积混合盲分离

针对频域卷积混合盲分离,依据所导出的卷积混合信号每帧的频域表示模型,提出了一种最小均方误差意义下的最优变换--修正离散傅里叶变换,用于代替频域卷积混合盲分离中常用的离散傅里叶变换.在每个频率片上,卷积混合信号的修正离散傅里叶变换系数在最小均方误差意义下最接近于源信号频谱的瞬时混合.相对于离散傅里叶变换系数,现有瞬时混合盲分离算法能从修正离散傅里叶变抉系数中更精确地估计各频率片上分离矩阵,从而提高现有频域卷积混合盲分离算法的分离性能.仿真结果证明了修正离散傅里叶变换对现有频域卷积混合盲分离算法的有效性.     

一种利用相角对加性隐写模型进行分析的方法

基于图像在加性隐写模型下隐写前后差分直方图离散傅里叶变换与隐写信息离散傅里叶变换间的对应关系, 从隐写前后差分直方图离散傅里叶变换相角的变化入手, 提取特征, 在理论上加以论证并从实验上得到验证。对UCID V2标准图库进行实验, 结果表明, 本方法对加性隐写模型具有很好的检测效果。     

Radon变换域的鲁棒图像Hash算法研究

针对数字图像内容认证的问题,提出了一种基于Radon变换域的鲁棒图像Hash算法。该算法在Radon变换域提取图像平移、缩放不变的矩特征,将矩特征的离散傅里叶变换系数作为图像的Hash值。离散傅里叶变换可实现抗图像旋转操作,并可降低图像Hash的维数。为了增加安全性,整个特征提取过程都是基于密钥进行的。理论分析证明Radon变换域的不变矩特征对一般的图像处理操作,特别是平移、缩放、旋转等几何操作有极好的不变性。实验结果表明提出的算法几乎可以容忍所有的图像内容保存操作,比如缩放、旋转、JPEG压缩、滤波和加噪等,同时对视觉上有明显失真或根本不相似的图像有高度的敏感性。     

分数阶傅里叶变换对OFDM系统峰均比的影响

分析并讨论了分数阶傅里叶变换对OFDM系统峰均功率比性能的影响,并与传统的采用离散傅里叶变换的OFDM系统的峰均功率比性能进行了比较。结果表明在子载波数较少的情况下,采用分数阶傅里叶变换的OFDM系统的峰均功率比性能要优于采用离散傅里叶变换的OFDM系统的峰均功率比性能,而随着系统子载波数量的逐渐增加,二者性能趋向一致。     

基于离散分数傅里叶变换的SVG数字水印技术

提出了一种基于离散分数傅里叶变换(DFRFT)的SVG图形水印算法,用于SVG的版权保护.将水印嵌入到SVG图形控制点坐标构造的复数信号的离散分数傅里叶变换频谱中.经实验结果验证,该算法具有较强的透明性,对于通常的图形几何变换以及局部修改攻击,均有令人满意的鲁棒性.     

The fractional Fourier transform: theory, implementation and error analysis

The fractional Fourier transform is a time–frequency distribution and an extension of the classical Fourier transform. There are several known applications of the fractional Fourier transform in the areas of signal processing, especially in signal restoration and noise removal. This paper provides an introduction to the fractional Fourier transform and its applications. These applications demand the implementation of the discrete fractional Fourier transform on a digital signal processor (DSP). The details of the implementation of the discrete fractional Fourier transform on ADSP-2192 are provided. The effect of finite register length on implementation of discrete fractional Fourier transform matrix is discussed in some detail. This is followed by the details of the implementation and a theoretical model for the fixed-point errors involved in the implementation of this algorithm. It is hoped that this implementation and fixed-point error analysis will lead to a better understanding of the issues involved in finite register length implementation of the discrete fractional Fourier transform and will help the signal processing community make better use of the transform.     

基于Radon和解析Fourier Mellin变换的尺度

由于正交矩对噪声鲁棒性强、重建效果好,因此被广泛应用于目标识别与分类中,但是正交矩本质上缺乏尺度变换不变性,而且必要的图像二值化与规一化过程会引入重采样与重量化误差。为此,在研究现有正交矩的基础上,提出了一种基于Radon变换和解析FourierMellin变换的尺度与旋转不变的目标识别算法。该算法首先直接对目标灰度图像进行Radon变换,然后对Radon变换结果进行进一步解析,通过FourierMellin变换将原图像的旋转变化转化为相位变化,将原图像的尺度变化转化为幅度变化;最后,通过定义一旋转与尺度不变函数,同时利用不变函数的4种特征,再应用k近邻法实现分类。理论与实验结果表明,由于避免了正交矩方法存在的重采样与重量化误差,该算法的分类精度高于基于正交矩的分类方法,而且对白噪声的鲁棒性也显著高于基于正交矩的识别与分类方法。     

基于局部小波变换与DCT的人脸识别算法

提出了一种基于局部小波变换和离散余弦变换(DiscreteCosineTransform,DCT)相结合的人脸识别方法,该算法首先利用小波变换对人脸图像做适当层次的小波分解,然后通过离散余弦变换对低频分量作进一步的特征提取和压缩,得到人脸识别特征,最后利用欧氏距离和最近邻分类器进行识别。基于ORL人脸数据库的实验结果表明了该算法的有效性。     

Constraining error—A sliding discrete Fourier transform investigation

The sliding discrete Fourier transform provides an alternative to the FFT, permitting a custom choice of frequency decomposition which outputs an update after each input sample. The technique relies on the application of the Fourier shift property, and is recursive by nature. This work investigates the error performance of alternative techniques (SDFT; gSDFT; mSDFT, rSDFT; and Douglas and Soh algorithms) under both floating point and fixed point arithmetic constraints. The results highlight that the sliding discrete Fourier transform with error correction provides consistent error performance over a range of test cases, and indicates the limitations applicable to all techniques.     

Variable lighting face recognition using discrete wavelet transform

This paper presents a new discrete wavelet transform (DWT) based illumination normalization approach for face recognition under varying lighting conditions. Our method consists of three steps. Firstly, DWT-based denoising technique is employed to detect the illumination discontinuities in the detail subbands. And the detail coefficients are updated with using the obtained discontinuity information. Secondly, a smooth version of the input image is obtained by applying the inverse DWT on the updated wavelet coefficients. Finally, multi-scale reflectance model is presented to extract the illumination invariant features. The merit of the proposed method is it can preserve the illumination discontinuities when smoothing image. Thus it can reduce the halo artifacts in the normalized images. Moreover, only one parameter involved and the parameter selection process is simple and computationally fast. Experiments are carried out upon the Yale B and CMU PIE face databases, and the results demonstrate the proposed method can achieve satisfactory recognition rates under varying illumination conditions.     

基于分块PCA的人脸识别

设计了一种基于分块主分量分析(Block-PCA)的人脸识别方案。预处理阶段,首先将一幅脸像按不同方位划分为大小相同的数个子块,对各子块进行能量归一化和傅氏变换,以消除部分光照影响并估算子块的频谱。在此基础上进行分块PCA,提取各子块主分量特征,再将子块的主分量特征整合为整体特征,最后采用最近邻判决准则进行分类识别。对ORL人脸数据库的实验结果表明所设计方案是有效的。     

一种基于频谱脸和Fisherface的人脸识别新方法

频谱脸方法主要是采用二维小波变换和傅立叶变换。因为人脸图像的低频部分对人脸的表情变化是不敏感的,所以对人脸图像使用二维小波变换,提取人脸图像的低频部分。再对人脸图像的低频部分使用傅立叶变换,从而获得原人像的一个低维空间的表达。但是频谱脸特征维数仍然较高,所以在频谱脸法的基础上继续提取人脸频谱图像的Fisherface特征,降低特征的维数,提高识别效率。利用ORL人脸库进行了实验,实验结果表明该识别系统具有较好的识别能力。     

基于Hermite特征矢量的二维离散分数维变换

分数维变换（FRFT）是分析时变信号的强有力工具之一,它可实现信号在时频域中任何角度的旋转。由于分数维变换的重要性,实现离散分数维变换（DFRFT）则显得很重要。根据DFRFT具有DFT的Hermite特征矢量这一特性,对二维离散信号进行二维DFRFT分析,此方法即可满足旋转特性,具又可获得与连续FRFT相似的结果。