基于小波变换与改进的——Roberts算子融合的图像边缘检测

本文提出了一种改进的Roberts算子,并在此算子边缘检测框架基础上,采用了一种小波多尺度边缘检测方法,对不同尺度下的小波变换子图像,通过改进的Roberts算子对子图像进行空间微分,得到对应尺度上的边缘图像,各尺度下边缘图像通过小波重构、融合运算得到最终的边缘图像.实验结果表明,该算法实现简单,能有效地抑制噪声,补偿...     

基于多尺度分析的人脸识别比较研究

在分析Gabor小波的基础上,提出了一种变采样率Gabor小波的方法,与传统的Gabor小波相比,其识别效果得到大幅提高。该方法采用Curvelet、Log-Gabor小波和Contourlet三种方法结合主分量分析应用于人脸识别。对比实验结果表明,针对表情变化,Curvelet变换不仅识别性能最佳、速度也最快;而针对光照变化,Contourlet综合性能最好,对光照变化具有较强的鲁棒性。综合而言,使用Contourlet变换对图像进行特征提取效果非常好,它能很好地表达人脸的主要信息,是对人脸图像的一种稀疏的、有效的表达。     

小波域多尺度ARMA模型的纹理分割方法

纹理特征的提取是纹理分割的关键。在小波域内,对图像建立多尺度自回归滑动平均(MultiscaleAutoregressiveMovingAverage,简称MARMA)模型,并用小生境遗传算法对MARMA模型进行参数估计,将估计出的参数向量作为纹理分割的特征标准。不同纹理图像的MARMA模型的参数向量具有较好的可分性,这就保证了最终纹理分割的质量。     

基于小波多尺度奇异值分解的人脸识别

作为一种矩阵分解方法,奇异值分解可用于提取图像的代数特征。图像的奇异值特征具有很多好的性质,如稳定性、几何不变性、对噪声的不敏感性。但是只用一个尺度的图像奇异值特征难以获得高识别率。基于小波变换和奇异值分解,提出了基于小波多尺度奇异值分解的图像特征提取方法,将多个尺度的小波子图奇异值特征组合起来用于人脸识别,在ORI, YALE和JAFFE 3个人脸数据库上的识别率分别达到82.11%,100%和95.68%.     

提取多尺度光照不变量的人脸识别

光照变化条件下的人脸图像识别一直以来都是图像处理中的热点和难点问题,为了提高人脸图像的识别率,提出了一种用于非均匀光照条件下人脸识别的算法.利用对数及二维小波变换的多尺度特性提取出人脸的光照不变量,然后运用PCA+LDA方法进行人脸特征提取,并采用基于欧氏距离的最近邻分类器进行识别.通过Matlab编程实验,在Yale B人脸库中达到了较高的识别率.     

改进时间序列模型在降雨量预测中的应用研究

在降雨量预测问题的研究中,降雨量多种相互影响的自然因素结果.针对准确预测降雨量和降雨变化律率,根据变化是一种具有非平稳性、时变特征,传统预测方法无法反映降雨量的非平稳性和时变规律,预测结果精度低.为了提高降雨量的预测精度,提出一种小波变换和时间序列预测模型( ARIMA)相结合的降雨量预测方法.首先对降雨量原始数据进行归一化处理,然后采用小波变换将非平稳性数据处理成平稳性数据,最后采用能够进行时间序列分析的ARIMA模型对平稳后的降雨量进行学习,建立最优降雨量预测模型,并对实际降雨量进行仿真测试.仿真结果表明,改进方法的降雨量预测精度比传统预测方法要高,能够很好的反映降雨量的变化规律,为降雨量预测提供了一种新的预测途径.     

基于改进Normal Shrink阈值估计的曲波图像降噪

结合Curvelet变换的特点改进Normal Shrink阈值算法的尺度参数,提出一种改进的自适应阈值降噪方法。该方法发挥了Curvelet变换对曲线边缘的稀疏表示的特性优点。实验结果表明在图像降噪方面与传统的小波收缩阈值方法相比不但有更好的视觉效果,而且峰值信噪比值也更高。     

基于小波多尺度分析的图象快速匹配模型

提出了小波多尺度分析理论在计算机中层视觉二维图象识别中的一种应用，并给出了一个高效匹配模型。利用二维图象的小波多尺度分解来模拟２个最主要的生物视觉通路，并对不同通道分别进行匹配计算，由粗到精地实现了基于扫视和凝视的二维图象的快速识别。与传统的模板匹配法相比，该方法具有速度快、搜索范围大、精度高、抗噪能力强等优点     

基于多尺度小波分析的激光探测系统消噪

根据激光测距探测系统中噪声的特点，分析了去噪阈值的选取，详细地讨论了小波的多尺度浮动阈值方法，它能较好地满足在强噪声下检测微弱信号的要求，并将这种方法应用于激光探测系统去噪，做到滤除噪声的同时有效地保留信号的细节，收到了较好的效果。     

基于WT-2DICA与改进Fisher算法的人脸识别

小波变换与二维独立元分析(WT-2DICA)能有效提取人脸图像的高阶统计信息,但不能很好地识别受污损的人脸图像。改进Fisher算法充分考虑了类别信息,避免了传统Fisher算法造成的小样本问题。该文结合2种算法的优点,融合改进Fisher算法的最佳投影方向与WT-2DICA算法的独立基子空间,获得了融合投影方向。实验结果表明,该融合算法具有较好的分类性能。     

基于DCT与改进分块2DPCA算法的人脸识别

提出一种离散余弦变换和改进的分块二维主元分析相结合的人脸识别方法。该算法利用DCT压缩人脸图像以去掉人眼不敏感的中频分量与高频分量,这样有效降低所需特征的维数,减少计算量。通过IM2DPCA进行特征提取得到人脸识别特征,运用最近邻分类器完成人脸的识别。在基于ORL、YaleB、CAS-PEAL及Feret人脸数据库的实验结果证明该算法的有效性与稳健性。     

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.     

基于改进EST的人脸性别分类方法

提出一种基于改进的特征空间分离变换和支持向量机的人脸性别分类方法。在FERET人脸库和淮阴师范学院学生人脸库上进行实验,比较不同的特征提取方法和分类方法处理人脸性别分类问题的性能,结果表明,采用新方法在最优投影轴数和正确识别率方面均取得较好的结果,在2种人脸库上的正确识别率优于主成分分析方法和线性鉴别分析方法。     

贝叶斯模型下基于SIFT特征的人脸识别

根据姿态与表情变化对人脸识别的影响,采用对图像的旋转、尺度变化保持不变性的SIFT算子作为人脸特征,建立人脸各个子区域的相似性测度,并通过混合高斯建立不同变形条件下相同样本与不同样本的相似性概率模型。在此基础上,利用各子区域特有的识别能力获取子区域概率权值,结合基于贝叶斯公式建立的概率框架确定识别结果。实验结果表明,与直接用SIFT算子进行人脸识别的方法相比,该方法在姿态变化较大及表情变化较大的情况下识别率有明显提高。     

利用形状特征实现人脸身份识别

为了克服传统人脸形状描述符所具有的不稳定、缺乏平移、旋转、尺度不变性等缺点,新方法通过对人脸图像进行小波变换,获得多尺度下的不变矩,得到图像的特征描述符,采用改进的线性判别分析法获取分类特征,最终实现人脸识别。实验在PIE人脸数据库上进行,结果证明新方法具有很好的检索效果,获得的描述符具有旋转、平移、尺度不变性等优点,能够很好地描述人脸的形状和空间分布信息。     

中心误差扩散局部二值模式下的草图人脸识别

目前的草图人脸识别主要集中在人脸照片-草图之间的相互转换,以此减少照片-草图特征之间的差异,从而进行识别。文中提出一种使用基于中心误差扩散局部二值模式的编码方法来获得具有相同模式的人脸形式,减小照片-草图之间的差异。在草图识别实际是单样本人脸识别的背景下,通过小波包分解和局部二值模式编码扩充样本数目。然后使用PCA+LDA来提取特征进行识别。实验结果表明,该算法可有效减小照片-草图之间的模式差异,且识别率和性能要优于之前的基于伪草图合成的方法。     

非线性Radon变换及其在人脸识别中的应用

探讨抛物线、双曲线、椭圆3种非线性Radon变换及其性质,分析它们之间的关系,并将所述3种非线性Radon变换应用于人脸识别．通过对这3种非线性Radon变换及其性质研究得出,当抛物线、双曲线及椭圆的形状参数趋于无穷大时,图像抛物线Radon变换与线性Radon变换相等,双曲线Radon变换与椭圆Radon变换相等;同时,非线性Radon变换具有降噪功能和表达图像纹理特征的特点．文中将受噪声污染的人脸图像分别表示为3种非线性Radon变换下的特征矩阵,并结合PCA算法应用于人脸识别．实验结果表明非线性Radon变换在人脸识别中的有效性．     

基于ICA和FLD相结合的人脸识别

ICA作为一种传统的人脸识别方法,虽然识别效果较好,但却没有考虑类别信息。为了将类别信息融入ICA方法中,尝试利用FLD和ICA相结合的方法对人脸进行识别处理,即在使用ICA方法获得训练模式的统计独立基向量的基础上,对基向量张成的子空间使用FLD方法。利用几个人脸数据库对该方法进行了实验。实验结果表明,使用上述方法进行人脸识别,其效果优于传统的PCA方法、FLD方法和ICA方法。     

基于改进零空间法的人脸识别研究

针对传统线性判别分析中存在的问题,提出一种基于改进零空间法的人脸识别方法,利用奇异向量的稳定性对零空间上的类间散度矩阵投影进行奇异值分解,并对奇异值进行尺度化处理。在ORL和Yale人脸库中对该方法进行性能测试,实验结果表明,该方法是有效的,且具有较高的识别率。     

基于频谱的人脸识别方法

小波变换后的低频子带图像既去除了某些表情变化，又减小了数据量，而图像的频谱特征则具有良好分类特性，因此两者结合后得到的频谱脸在人脸识别方面具有相当高的应用价值。先利用小波变换和Fourier变换求得原始人脸图像的频谱脸(Spectrofaces)，再对频谱脸继续求取各自的本征脸(Eigenface)和LDA(Linear Discriminant Analysis)特征作为分类特征，并利用了不同的分类方法进行识别。实验是利用ORL人脸库进行的，实验结果证明了比起直接利用空间域上原始图像的识别方法来说，基于频谱的方法可以有效提高识别率。