基于DDCT与TCSVD的人脸特征提取与识别算法

提出一种基于分块离散余弦变换(DCT)与奇异值分解阈值压缩(TCSVD)的人脸特征提取与识别算法。该算法对人脸图像进行分块DCT变换,根据图像块位置和能量分布选择不同的DCT高低频分量构建特征矩阵,通过对每个图像块的特征矩阵进行SVD阈值压缩和特征组合来构建人脸鉴别特征,并利用分类器进行特征分类与识别。AR人脸库上的实验结果验证了该算法的有效性。     

融合小波变换与KPCA的分块人脸特征抽取与识别算法

鉴于小波多尺度变换对高维图像特征具有良好的压缩和表达能力,提出了一种融合小波变换与KPCA(核主成分分析)方法的分块人脸特征抽取与识别算法。该算法首先对人脸图像进行分块小波变换,再根据图像块的位置分布选取不同的频率分量;然后对此分量进行KPCA特征抽取,并通过对抽取到的特征进行融合来得到最终人脸鉴别特征;最后利用支持向量机分类器进行特征分类与识别。通过对ORL和Yale标准人脸图像库的实验仿真结果表明,该算法不仅在识别性能和分类速度上明显高于传统的PCA方法及融合小波特征的KPCA方法,而且对于人脸光照、姿态和表情变化均具有良好的鲁棒性。     

基于Gabor小波变换与分块PCA的人脸识别

由于Gabor小波描述的人脸特征维数太高,直接将Gabor小波提取的特征进行识别时出现计算量大、实时性差的问题,提出了基于Gabor小波变换与分块主分量分析的人脸识别新算法。首先对人脸图像进行Gabor小波变换得到人脸图像特征,然后用分块主分量分析方法对其进行降维、提取特征向量,最后用最近邻分类器分类识别。在ORL和NUST603人脸库上进行实验,结果表明,该方法的识别率优于传统PCA、分块PCA、Gabor小波变换与PCA结合的方法。     

基于小波和奇异值分解的图像复制伪造区域检测

针对数字图像取证中一类常见的复制粘贴图像伪造,本文提出了一种基于小波变换和奇异值分解的检测算法.该算法利用小波变换提取图像的低频分量,对低频分量分块提取奇异值特征,这种特征描述形式对图像羽化或边缘模糊等处理具有鲁棒性.然后将特征矢量进行按行字典排序,并且配合图像块的偏移位置信息,进行图像复制伪造区域的检测和定位.实验表明该算法能够较精确地定位出复制和粘贴的图像伪造区域,并有效地减少了运算量,提高了检测效率.     

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。     

基于 SVD 压缩降秩与 KDA 的人脸识别新方法

文中提出了一种基于奇异值压缩降秩与核判别分析(KDA)变换方法的人脸特征提取新方法,同时结合对偶传播人工神经网络(CPN)对不同的人脸图像进行识别分类.该方法首先采用奇异值分解压缩降秩准则对人脸图像进行择优奇异值的选取,然后对提取后的择优特征值进行核判别分析(KDA)变换,进一步提取人脸图像最优特征值,最后将得到的人脸图像最优特征值作为网络的输入值,利用对偶传播人工神经网络(CPN)对人脸图像进行识别分类.实验结果表明该方法具有较高的识别率和较快的识别速度     

基于人脸细节方向特性的识别特征提取

充分考虑到人脸图像的整体和细节特征,进而将人脸的眉毛、眼睛、鼻子和嘴部细节部分的水平方向特性引入到特征提取环节中;将小波变换后的低频近似分量、表达上述水平特性的水平细节分量以及眉毛、眼睛、鼻子和嘴部细节区域分别进行奇异值分解,并对得到的3组奇异值进行排列组合,最终作为该图像的有效识别特征。结果表明,基于人脸细节方向特性的识别特征提取方法的识别率高于在原图上的基本奇异值分解等方法。     

基于低频奇异值均值的强鲁棒零水印算法

为增强水印算法的鲁棒性并兼顾其虚警率和透明性,提出一种基于低频奇异值均值的零水印算法。利用离散小波变换获得载体图像的稳定低频区域,采用离散剪切波变换提取其中较优尺度的低频分量,从而构造稳定特征区域。对该区域做分块离散余弦变换并计算奇异值矩阵,通过比较分块与整体的奇异值均值大小构建特征矩阵,并将其与水印图像进行异或运算构造零水印。构造水印时采用Arnold加密提高水印图像安全性,提取水印前则利用Radon变换校正载体图像加强算法鲁棒性。对不同纹理图像进行压缩、噪声、滤波和几何攻击,实验结果表明,在保证低虚警率和良好透明性的基础上,该算法具有较强的鲁棒性,所得到的归一化互相关函数值均高于0.98,部分可达到1.00。     

小波变换和特征加权融合的人脸识别

在人脸识别领域,提取人脸特征和降低维数是人脸识别的关键。传统的基于小波变换的人脸识别算法仅在小波分解的低频分量上提取用于分类的图像特征,造成了高频分量中部分对识别有利信息的丢失。为了更有效地提取人脸图像特征,提出一种基于小波变换和特征加权融合的人脸识别算法。首先通过小波变换对人脸图像进行降维处理,然后对4个小波子图分别运用主成分分析法(PCA)提取特征,并把这4部分特征加权融合,最后利用支持向量机(SVM)进行分类识别。在ORL人脸库上进行实验验证,识别准确率可达到97.5%,实验结果表明该算法能够有效提高人脸识别能力,与传统识别算法相比具有较高的识别准确率和识别速度。     

基于SVD压缩降秩与KDA的人脸识别新方法

文中提出了一种基于奇异值压缩降秩与核判别分析（KDA）变换方法的人脸特征提取新方法,同时结合对偶传播人工神经网络（CPN）对不同的人脸图像进行识别分类。该方法首先采用奇异值分解压缩降秩准则对人脸图像进行择优奇异值的选取,然后对提取后的择优特征值进行核判别分析（KDA）变换,进一步提取人脸图像最优特征值,最后将得到的人脸图像最优特征值作为网络的输入值,利用对偶传播人工神经网络（CPN）对人脸图像进行识别分类。实验结果表明该方法具有较高的识别率和较快的识别速度。     

图像小波域分块奇异值分解的自适应水印方案

利用矩阵奇异值分解的单向非对称性,在研究和分析奇异值分解的正交矩阵第一列系数性质的基础上,首先给出了一种基于图像小波域奇异值分解的分块自适应水印方案,将水印嵌入其中,然后通过实验分析系数的稳定性来选择最佳的修改系数,最后利用图像的局部统计特征自适应地修改阈值,并且用两个阈值严格控制系数的修改程度,使算法达到透明性和鲁棒性之间的最优平衡。大量的实验结果表明,该算法对常见的图像处理操作均有较好的鲁棒性。     

基于SVD和小波包分解的自适应鲁棒水印算法

针对当前水印鲁棒性和透明性矛盾的问题,提出了一种基于奇异值变换(SVD)和小波包分解的自适应鲁棒水印算法,对二值水印图像进行Arnold置乱预处理,以增强水印信息的安全性。在水印嵌入过程中,将原始宿主图像分为8×8子图像块,并对每一子块进行小波包分解。根据人眼视觉特性和图像块自身的亮度以及纹理特征确定最佳量化步长,将水印信息通过量化调制的方法自适应地嵌入至相应高低频区域的奇异值中。实验结果表明,该算法在具有良好透明性的同时,对JPEG压缩、加噪、滤波、几何攻击等常见的攻击方式也有着较强的鲁棒性。     

基于小波域奇异值分解的图像压缩算法

提出了基于小波域奇异值分解（SVD）的图像压缩算法,该算法通过对小波分解系数进行奇异值分解,进而对小波系数进行压缩,实现图像压缩。将该算法与图像奇异值分解直接压缩的算法进行了实验比较,实验结果表明,该算法较图像奇异值分解直接压缩的算法具有更好的性能,在同样压缩比的情况下能获得更高的信噪比。     

An efficient encryption-then-compression technique for encrypted images using SVD

This paper presents a lossy compression technique for encrypted images using Discrete Wavelet Transform (DWT), Singular Value Decomposition (SVD) and Huffman coding. The core idea of the proposed technique lies in the selection of significant and less significant coefficients in the wavelet domain. Significant and less significant coefficients are encrypted using pseudo-random number sequence and coefficient permutation respectively. Furthermore, encrypted significant data is compressed by quantization and entropy coding while, less significant encrypted data is efficiently compressed by discarding irrelevant information using SVD and Huffman coding techniques. At receiver side, a reliable decompression and decryption technique is used to reconstruct the original image content with the help of compressed bit streams and secret keys. The performance of proposed technique is evaluated using parameters such as Compression Ratio (CR) and Peak-Signal-to-Noise Ratio (PSNR). Experimental results demonstrate the effectiveness of proposed work over prior work on compression of encrypted images and obtain the compression performance comparable to state of art work on compression of unencrypted images i.e. JPEG standard.     

Error based criterion for on-line wavelet data compression

Wavelet based data compression methods have demonstrated superior performance over the conventional interpolative methods. However, the wavelet based methods need thresholding on the wavelet domain coefficients. Since wavelet coefficients are not commonly intuitive to engineers, significant a priori knowledge of either the wavelet coefficients or process thresholds is required. So unless thresholds are pre-specified, this requirement makes wavelets unsuitable for on-line implementations. Furthermore, as the relation between the wavelet domain coefficients and the measures of the quality of compression [root mean square error (RMSE) and local point error (LPE)] is not straightforward, it is difficult to achieve good control over the quality of compression by specifying thresholds on the wavelet coefficients. In this paper, an error based criterion is proposed for online wavelet data compression. It uses semantically straightforward measures of the quality of the result to be obtained to adaptively calculate the thresholds. Given a bound on time domain error limits like the RMSE and LPE, this technique adaptively computes the threshold values in wavelet domain. Experiments show that the resulting algorithm gives superior compression as compared to other wavelet based methods. Most importantly, it can be used on-line and provides an effective way of controlling LPE and RMSE. Finally, this method can easily be extended to other on-line wavelet applications such as data rectification and de-noising.     

一种基于整数小波变换的图像编码算法

针对静止图像经整数小波变换(integer wavelet transform)后,各子带系数的幅值动态变化范围小,不利于零树编码(embedded zerotree wavelet coding)的缺点,采用"从1开始的整数平方"代替"2的整数次幂"作为零树编码的量化阈值,缩短了量化阈值间隔.通过减少重要系数在较低量化阈值中出现的机会,增加了编码过程中的零树数量;同时通过减少参与编码的字符数及对最高频带零树不编码,简化了编码过程.实验结果表明,整数平方量化阈值下的零树编码(integer square zerotree wavelet coding)解决了整数小波变换中零树编码的低效问题,提高了静止图像的编码效率.     

一种旋转机械振动信号的有效消噪方法

提出了一种基于奇异值分解(SVD)、Mallat算法和经验模态分解的信号降噪方法.首先,采用香农熵判据寻求最佳小波分解,对带噪部分小波系数进行经验模态分解,提取出信号趋势分量;其次对小波系数剩余部分采用奇异值分解方法降噪,并根据奇异值差分谱自适应的选择奇异值进行重构,将重构后的信号和趋势项叠加作为新的小波系数;最后进行小波重构得到最终的消噪信号.运用模拟信号和齿轮箱断齿故障信号进行仿真,结果表明该方法能够准确地选择用于重构的奇异值个数,并能有效去除信号噪声,保留特征信号的细节信息,尤其对含有趋势项的故障特征有很大实用性.     

针对遥感图像压缩的改进SPIHT 算法

在研究遥感图像和小波分解系数特点的基础上,提出了一种改进的SPIHT算法：对第一阶小波变换产生的低频子带和高频子带进行小波再分解,并对再分解后的四个子带,取不同的门限值,分别进行编码;再分解后的高频子带小波系数不进行编码,在解码时直接赋予固定值重构图像。改进算法更好地处理了低频子带和高频子带的小波系数,对遥感图像的压缩实验证实了改进算法的有效性。     

基于DCT和SVD变换的盲数字水印算法

结合奇异值分解（SVD）变换,提出一种基于DCT域内DC分量的数字盲水印算法。对原图像进行8×8分块DCT变换,对DC系数集合进行2×2分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印。由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性。实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便。