基于加权DWT和DCT的粒子群神经网络人脸识别算法

针对人脸识别中出现的维数过高和计算复杂而导致的识别率低的问题,提出一种基于加权DWT(Discrete Wavelet Transform)和DCT(Discrete Cosine Transform)的粒子群神经网络人脸识别新算法。该算法首先用小波变换对人脸图像进行分解,去除对角线分量影响,提取加权低频和高频的离散余弦变换系数作为特征向量,最后利用粒子群优化BP神经网络进行分类识别。在ORL人脸库上验证了该算法的有效性和可行性。     

基于前视声纳的成像与多目标特征提取

针对水下目标图像的几何特性,提出了一种基于弦中点的改进Hough变换椭圆检测方法,实现了水下多目标的特征提取。单波束机械扫描前视声纳的图像数据为二维极坐标形式,采用波束内插方法和坐标变换方法生成图像,并对其进行图像预处理和轮廓跟踪,据此再进行多目标特征提取。通过水池实验结果表明,该方法对于水下多目标的特征描述更简明准确,为多目标识别与定位提供了有用信息。     

基于小波和自适应滤波的ECG基线漂移校正

为校正ECG信号的基线漂移,提出小波变换和自适应滤波相结合的方法。利用小波变换对原始ECG信号进行分解,将得到的高频分量作为参考信号输入,采用基于幂函数的最小均方算法（P—LMS）进行自适应滤噪处理。通过与传统的归一化最小均方算法（NLMS）进行对比,验证该算法的准确性。仿真实验和MIT-BIH数据库中的实际数据检验结果表明,基于幂函数的最小均方算法和小波变换相结合的方法能够有效校正基线漂移,并较好地保持心电信号的几何特征。     

模拟注视眼动的多聚焦彩色图像融合

多聚焦图像存在聚焦和离焦区。通常聚焦区吸引人的注意力,具有突出的视觉显著性。提出一种模拟人类视觉机制的彩色图像融合方法。利用超复数傅里叶变换改进传统显著性检测算法,直接检测彩色图像显著度;模拟人类视觉的注视眼动机制对图像尺度稍微扰动,并对不同尺度下获得的图像显著度进行累加;选择累计显著度最大的源图像像素构建融合图像,并采用颜色相似性准则处理边界带像素。相关仿真实验表明,超复数傅里叶变换充分利用了源图像的颜色信息,累加显著度能提高峰值信噪比并减少均方根误差。实验结果表明该方法可得到超过36 dB的峰值信噪比和小于个位数的均方误差,在图像融合中可得到相对好的主观视觉效果。     

相位一致性原理改进的双边滤波器

为了在增强滤波器去噪强度的同时还能够保留更多的图像边缘细节信息,提出了将相位一致性原理同传统双边滤波器相结合的改进算法.根据提取图像的相位一致性信息,自适应修改双边滤波器的空间相关性和灰度相关性因子,以取得最佳的滤波效果.通过实验图像进行验证,并对处理后的图像进行了主客观还原效果评价,峰值信噪比和结构相似性指数均有较大的提升,实验结果表明了该算法的有效性和可行性.     

JPEG2000及其新技术

随着小波理论研究的不断深入，小波图像压缩的应用研究日趋成熟，在此背景下，ISO／ITU－T制定了基于离散小波变换的静止图像压缩国际标准－JPEG2000，文中介绍了JPEG2000标准的特点，阐述了其图像编码系统的实现过程，对其中采用的基本算法和关键技术进行了描述，并对JPEG2000和JPEG的性能进行了比较，探讨了目前JPEG2000研究的若干热点问题及发展方向。     

基于静态小波变换的提升框架分解

静态小波变换的最大优点是具有平移不变性。该文基于小波变换的多相表示,利用多采样率滤波器理论中上(下)采样算子与滤波器的等效易位关系,提出了将传统的静态小波变换由懒惰小波变换经过有限步交替的提升和对偶提升结构来实现的方法。由于提升框架容易实现逆变换,故在处理边界中具有更大的灵活性。分析表明,与标准算法相比,通过提升分解,可减少一半计算量。     

信号处理中去噪算法的改进仿真

针对信号处理中交替投影法去噪计算量大的缺点,提出了改进方法,改进后的方法首先利用Ad hoc算法求出信号的模极大值,然后对模极大值点分段进行抛物线插值,从而得到信号的估计小波系数,最后利用估计小波系数重构信号,实现去噪的目的。仿真实验证明：该方法能有效去除噪声,与交替投影法相比,该算法在原理上更简单,程序实现更容易,去噪速度更快,是更加实用的方法,特别是便于用硬件实现。     

基于PCA变换扩散投影的人眼轮廓提取

提出一种PCA变换扩散投影的人眼轮廓提取方法(PCA transform scattering projection,PCATSP),即采用PCA投影对人眼的虹膜进行定位,经在人眼区域内对形状点进行变换后对所得参数进行扩散投影,并结合霍夫变换进行整体处理,从而实现更为鲁棒地提取人眼轮廓.实验中通过与可变形模板法相比较,结果表明PCATSP在平均形状参数误差及整体优化时间上更能精确地提取人眼轮廓,并取得令人满意的效果.     

用兴趣点凸包和SVM加权反馈实现图像检索

针对采用环状颜色直方图的图像检索方法存在的不足,提出一种基于兴趣点凸包的图像特征提取方法,通过对用小波变换检测出的必趣点递归求出它们的凸包,并将每个凸包上的兴趣点按一定的算法安插在相应的桶内,对每个桶求出颜色直方图,利用桶与桶之间的相似度定义两幅图像的相似度.这种特征提取方法可有效抑制兴趣点集合中出现游离兴趣点的情况,结合基于兴趣点的空间离散度和Gabor小波纹理等特征实现图像检索,可有效提高图像检索精度.最后,提出一种新的相关反馈方法,通过利用支持向量机分类结果设置权值来改进移动查询点相关反馈方法.实际图像数据库上的实验表明,引入这种反馈方法后可将图像检索的查准率提高20%左右,查全率提高10%左右.