融合Gabor小波和贝叶斯的人脸识别算法

由于Gabor小波和贝叶斯方法都可以通过不同的机制来减少类内差异,提出了融合Gabor和贝叶斯的人脸识别方法。该方法首先通过人脸图像特征点与Gabor滤波器的卷积来提取特征,借鉴“作差法”形成“类内差”和“类间差”空间,并用2DPCA对差异空间进行降维,最后用贝叶斯方法进行分类。通过在AR和FERET人脸库上的实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率,对具有表情及光照变化的人脸具有较高的识别率。     

融合小波子带与贝叶斯的人脸识别算法

提出了融合小波和贝叶斯的人脸识别方法.对原始图像采用小波分解后,原始图像被分解到不同的频带上.利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计.该算法首先对图像进行二级小波分解,其次对得到的每幅低频子图进行贝叶斯人脸识别.在FERET人脸库的子集上对识别算法进行了测试和比较.实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率.     

融合小波与2D PCA的贝叶斯人脸识别

提出了融合小波和2DPCA进行贝叶斯人脸识别的方法。对原始图像采用小波分解后,利用2DPCA计算人脸的特征矢量空间。首先对低频子图进行贝叶斯人脸识别,然后对得分前五名的图像再次利用高频子图并行进行识别,通过加权排序得到最后结果。实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率。     

基于小波变换的优化LDA人脸特征提取

运用小波进行图像分解提取低频子带图,并利用优化的线性判别分析(LDA)算法寻找最优投影子空间,从而映射提取人脸特征,实现人脸的分类识别。该方法避免了传统LDA算法中类内离散度矩阵非奇异的要求,解决了边缘类重叠问题,具有更广泛的应用空间。实验表明:该方法优于传统的LDA方法和主分量分析(PCA)方法。     

医学图像融合中最佳小波分解层数的选择

根据小波低频子带图像的轮廓模糊度和高频子带图像的细节信息量随小波分解层教增多而增多的规律,从图像熵出发,提出了一种基于低频子带图像熵差的最佳小波分解层数选择法,该方法通过计算不同分解层数下各低频子带的图像熵差,选择最接近原始图像熵差的分解层数作为最佳分解层数.用多种基于小波变换的图像融合法分别对两组医学图像进行仿真实验,结果表明根据该分解层数选择法得到的融合图像目视效果最好,与相关系数、峰值信噪比、模糊Chebyshev距离值等客观评价指标保持了很好的一致性.     

基于小波变换和隐马尔可夫模型的人脸识别方法

提出了基于小波变换和隐马尔可夫模型的人脸识别方法。对原始图像采用小波分解后,原始图像被分解到不同的频带上。利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他3个高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计。该算法首先对图像进行3级小波分解,然后把3个不同分辨率的低频子图像由小到大排列成树状结构,形成低频小波树。接着利用主元分析对每个小波树枝进行去相关、降维,形成特征小波树枝,并把它作为观测向量对隐马尔可夫模型进行训练,把优化的模型参数用于人脸识别,实验结果表明,该方法识别率较高,具有很好的发展前景。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...     

融合2DPCA和贝叶斯的人脸识别算法

提出了融合2DPcA和贝叶斯的人脸识别方法.首先用2DPcA方法进行识别,选择得分前10名的图像作为候选图像,然后对候选图像和测试图像进行小波分解,对得到的高频与低频子图并行进行贝叶斯人脸识别,通过加权排序得到最后结果.通过在FERET人脸库上的实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率.     

基于模糊积分的不完全小波包子空间集成人脸识别

提出一种基于模糊积分的不完全小波包子空间集成人脸识别方法,并与五种相关方法进行实验比较.首先对人脸图像做不完全小波包分解,对双向低频子空间图像直接进行特征提取,对含有一个方向低频成分的高频子空间图像先求平均,再进行提取特征;然后用得到的不同子空间图像训练模糊分类器;最后用模糊积分融合训练的模糊分类器.该方法能够充分利用不同频率小波子空间图像中包含的有用信息,从而提高人脸识别的精度.在ORL、YALE、JAFFE和FERET这4个人脸数据库上进行实验,实验结果表明该方法在识别精度方面均优于五种相关方法.     

一种基于小波方向对比度的多聚焦图像融合方法

人类视觉系统对于图像的局部对比度非常敏感,如果把小波变换和方向对比度结合起来,融合效果可能更好。在研究了方向对比度后提出了一种新的基于小波方向对比度的多聚焦图像融合方法。首先对参加融合的两幅图像进行小波多尺度分解,然后在每幅图像的每个分解层上,分别计算高频子带每个像素的邻域均值和低频子带的邻域均值之比,其中该分解层的低频子带是由上个分解层的低频子带和高频子带求2维离散小波逆变换得到,采用两者之比较大者所对应的高频子带系数作为融合后对应的小波系数,然后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数求2维离散小波逆变换,最终得到融合后的图像。这种方法考虑了邻域内像素的相关性,减少了融合像素的错误选取。实验结果表明,该方法的融合效果比针对每个像素求小波方向对比度的多聚焦图像融合方法的融合效果得到提高。