基于Haar小波变换和分块DCT的人脸识别

提出一种新的基于二维离散小波分解和分块离散余弦变换的降维方法.该方法与模式识别领域中用于特征提取和降维的PCA-LDA方法进行了比较.结果表明,此方法与PCA-LDA方法在识别率上大体相当,但它比其更具有计算量小、降维速度快的优点.因此,该方法对于人脸识别是一种有效降维手段.     

基于加权小波的DCT人脸识别算法研究

针对图像维数过高,计算复杂的问题,提出一种基于加权小波分析和DCT的人脸识别方法,通过对人脸图像进行小波分解,提取低频和加权高频分量的DCT变换系数作为识别特征向量,采用加权距离进行分类识别.该方法在ORL和YALE人脸库上进行了测试比较,结果表明,无论训练时间还是识别率,都优于传统的PCA方法,和小波结合PCA的方法相比较,识别率也明显提高.     

基于小波和余弦变换的神经网络人脸识别法

提出了利用小波变换和余弦变换与 BP 神经网络相结合的人脸识别方法。将人脸图像归一化后进行小波变换,再用余弦变换对低频信号提取特征向量,达到降维和去除干扰的目的,并把特征向量送进 BP 神经网络训练。识别时,对人脸图像进行相同的变换后,送入神经网络进行辨别。实验结果表明,该算法优于传统的人脸识别法。     

基于小波重构脸的人脸识别

研究了面部图像的小波分解与重构,分析了表情、光照和个体差异对小波多层分解低频近似系数的影响,指出光照变化对低频分解系数影响最大,表情和个体差异的影响次之.在此基础上提出用标准光照和表情人脸的小波低频近似系数替换光照人脸的低频系数来重构受光照影响的脸图像.并用Gabor和离散余弦变换对重构脸进行了特征提取与识别研究.在AR人脸库和自建库上进行_测试,结果表明,该重构方法能有效地去除光照等因素影响,识别效果得到了较大提高.     

基于余弦变换和小波变换的数字水印算法

在互联网络技术和多媒体技术普及的今天,数字水印技术已经成为目前信息安全技术领域的一个重要方向。本文提出了一种基于离散余弦变换和离散小波变换的数字水印算法,以一个长度为n服从N(0,1)正态分布的随机数序列作为水印信号嵌入到图像最具感知意义的频率部分。实验结果表明,此算法具有良好的视觉效果和鲁棒性。     

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DCT和线性回归的人脸识别*

由于人脸图像常常因光照、姿态、表情变化及遮挡等因素的影响而具有非线性结构,在空间域直接使用线性方法就有其局限性。为此,提出了一种基于离散余弦变换和线性回归分类的人脸识别方法:通过离散余弦变换获取人脸图像的变换域特征,以减小光照、姿态变化等影响,然后再利用快速有效的线性回归方法得到识别结果。通过在几个常用人脸数据库上的测试结果表明,该方法在满足实时性的同时,能有效地增强面对这些问题的鲁棒性。     

基于对角DCT与2DPCA算法的人脸识别

提出了一种对角离散余弦变换（Discrete Cosine Transform,DCT）和二维主元分析（Two－Dimensional Principal Component Analysis,2DPCA）相结合的人脸识别方法。该算法首先将人脸图像转换成对角图像,同时利用DCT压缩并重建人脸图像;然后通过2DPCA进行特征提取得到人脸识别特征;最后运用最近邻分类器进行识别。基于ORL（Olivetti Research Laboratory）、受污损ORL及Yale人脸数据库的实验结果证明了该算法的有效性。     

基于DCT和神经网络的人脸识别

人脸识别是模式识别领域的一个具有挑战性的课题,并且有着潜在的应用前景。该文提出了基于DCT和神经网络的人脸识别方法,针对人脸图像分别提取整体和局部的DCT系数共同送入多层感知机分类器分类,实验表明所提出的方法具有识别速度快、识别率较高的综合优势。     

基于小波包和DCT变换的双水印技术

目前较流行的水印算法是在图像的时空域或变换域中感知重要的系数嵌入水印。然而感知重要的部分通常是图像的低频部分,当图像经历某些变换操作时,从低频提取的水印会产生严重的质量退化。针对这一问题,该文在结合小波包变换和离散余弦变换的同时,在图像小波包分解后的低频和高频部分选取适当系数分别嵌入同一个水印。水印采用二值图像,在水印嵌入之前对水印图像进行Amold变换以增强算法的隐蔽性和鲁棒性。实验结果表明,这一方案比单重水印方案能够更有效地抵抗JPEG有损压缩、剪切、滤波和噪声等常见的水印攻击,具有更广泛的适应性和更强的鲁棒性。     

基于小波分析和DCT的人脸特征提取

人脸特征提取是人脸识别中重要的一个环节。本文提出利用小波分析,对人脸图像进行压缩,然后对压缩后的图像进行离散余弦变换,将提取到的系数作为特征向量。把特征向量用支持向量机进行分类。本文以matlab7.0为开发平台在ORL和YALE人脸图像库中对该方法的可行性进行了测试。实验表明,该方法与传统的KLT方法相比可以减少运算时间,并提高识别率5%-10%左右。它在准确率和计算速度上都取得了良好效果。     

Face Recognition Using the Discrete Cosine Transform

An accurate and robust face recognition system was developed and tested. This system exploits the feature extraction capabilities of the discrete cosine transform (DCT) and invokes certain normalization techniques that increase its robustness to variations in facial geometry and illumination. The method was tested on a variety of available face databases, including one collected at McGill University. The system was shown to perform very well when compared to other approaches.     

基于DWT和BP神经网络的人脸识别方法

提出了将人脸图像的离散小波变换DWT和BP神经网络相结合以达到人脸识别的方法。由于离散小波变换具有良好的多尺度特征表达能力,能将图像的大部分能量集中到最低分辨率子图像,高频部分则对应于图像的边缘和轮廓,能很好的表征人脸图像的特征。而BP神经网络具有很强的分类能力,并且可以运用神经网络的学习算法进行学习。实验表明:二者的结合对人脸识别具有计算量小,识别率高的优点,有很强的实用性。     

基于离散余弦变换和支持向量机的掌纹识别

提出一种利用离散余弦变换提取掌纹的特征,通过支持向量机进行掌纹分类识别的方法。在利用离散余弦变换进行特征提取时,将变换系数矩阵左上角的部分元素作为掌纹图像的特征;在利用支持向量机进行掌纹分类识别时,采用“一对多”的分类方案。实验结果表明该方法的有效性。     

一种基于小波变换与随机森林的人脸识别方法

该文研究了人脸图像频率域的鉴别信息,提出了一种Gabor小波变换与主成分分析相结合的人脸图像特征提取方法。不仅利用了图像中的频域信息,而且利用主成分分析法使特征向量维数有效降低。最后,采用随机森林作为分类器。该文实验结果表明,该方法在小规模及大规模数据集上均具有较好的性能。     

结合DCT变换的快速分形图像编码方法

本文针对分形编码耗时过长的不足,结合DCT变换的滤波特性与能量保持和紧缩特性,首先提取图像的列垂直空间频率、行水平空间频率作为特征参数,排除非匹配块;然后,在充分考虑低频系数的基础上,兼顾考虑中高频系数,在DCT域内对特征相近的值域块和定义域块进行相似匹配。实验证明了算法在提高分形编码速度和保持解码质量方面
的有效性。     

基于层次DCT变换的嵌入式图像编码方法

提出了基于层次DCT变换的嵌入式零树编码方法.尽管嵌入式零树编码方法首先使用于小波变换,但结合层次DCT结构,基于DCT的嵌入式零树编码方法依然可以取得很好的压缩效果.层次DCT首先将输入图像划分为8×8的图像块,然后对这些图像块进行第1层的DCT变换.因为相邻的DC系数高度相关,并且特别影响低比特率时的压缩效果,因此第2层的DCT变换被应用于这些DC系数上.这一过程重复进行,直到最后一步为止.因为DCT图像块通过重新组织,可以看做是类似于小波变换的子带结构,因此可以使用嵌入式零树编码方法.实验结果表明,所提出的基于层次DCT变换的嵌入式零树编码方法具有较低的计算复杂性和很好的压缩效果.例如,与JPEG相比较,对标准的512×512Lena图像的而言,此方法可获得0.8dB～1.7dB的提高.为了去除低比特率压缩所引起的图像块效应,提出了基于Sobel算子的后处理算法.实验结果显示,所提出的后处理算法对解码后的图像不论是主观效果还是客观效果均有提高.     

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。     

基于Gabor 小波SDF 匹配滤波器的人脸识别

提出一种基于Gabor 小波特征的综合判别函数（SDF）匹配滤波器人脸识别方法．该方法选用具有代 表性的人脸训练库,在Gabor 特征空间上生成相应的SDF 匹配滤波器;每幅测试图像在这些非正交向量的投影可 以生成一组相关特征向量,用两个相关特征向量的距离来衡量不同人脸图像之间的相似度．Gabor 变换、SDF 匹配 滤波器和类别特征分析法的采用,使得该方法对光照变化、表情变化等因素具有良好的鲁棒性,并具有良好的推广 性．基于FERET 人脸测试库的对比实验结果验证了该方法的有效性．