基于小波树和二维主元分析的人脸识别

为提高人脸识别率,结合小波树和子空间分析中的二维主元分析,提出基于小波树和二维主元分析的人脸识别算法(WTMPCA).该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量和三个细节分量;分层次重组小波近似分量,得到新样本集;最后在此样本集上使用二维主元分析进行人脸识别.ORL和CAS-PEAL-R1人脸库的实验结果表明,与基于图像矩阵的二维主元分析(2D-PCA)相比较,WTMPCA方法的人脸识别率为96%,对光照条件、脸部表情变化有良好的鲁棒性.     

一种改进的基于小波的人脸图像光照归一化算法

为了消除光照变化对人脸识别的影响,提出了一种新的基于小波的光照归一化算法。首先对人脸图像进行三级小波分解,获取低频和高频系数;接着对低频成分直方图均衡化,减弱光照的影响,同时对高频成分阈值去噪,再放大高频以增强图像边缘;最后进行逆小波变换,得到归一化后的人脸图像。在Yale B人脸库上的实验结果表明:本文方法可有效减弱光照变化对人脸识别的影响,显著地提高了人脸识别系统的识别率。     

一种小波树和非参数鉴别分析的人脸识别

结合小波树和子空间分析中的非参数鉴别分析,提出了基于小波树和非参数鉴别分析的人脸识别算法(WANDA).该算法先利用小波变换公式,在人脸图像上计算出一个小波近似分量和三个细节分量;然后对小波近似分量进行二次小波分解,相应地计算出各小波近似分量;其后对三层分解的小波近似系数进行重新组合,得到新的样本集;最后在此样本集上使用非参数鉴别方法进行人脸识别.ORL和CAS-PEAL-R1人脸库的实验结果表明,与基于线性非参数鉴别分析的人脸识别(NDA)和鉴别分析的人脸识别(LDA)方法相比较,WANDA方法的人脸识别率为97.5％,对光照条件、脸部表情变化有良好的鲁棒性.     

一种基于人工免疫的小波特征集合最近邻人脸识别算法

将人工免疫及集合最近邻方法应用于人脸检测中,实现一种基于特征的人脸检测算法.首先对人脸图象进行多分辨率小波分解,用低频分量来描述人脸识别,实现数据压缩,并有效削弱光照的影响;然后对小波低频图象进行傅立叶变换,分析变换后的系数矩阵,取得人脸图象的特征向量;采用了人工免疫中的克隆选择算法,对一个人的多张不同表情的人脸图像进行训练,产生一个简约特征集合,用这个简约集合代表此人的人脸特征数据库;就待识别人脸而言,以待识别人脸到人脸数据库中各个人脸特征集合的集合最近邻作为识别结果.实验结果表明,人工免疫算法可以有效地获取训练样本的人脸特征集简约集合,再通过集合最近邻进行人脸识别,可以提高准确率.     

基于小波变换和非负矩阵分解的人脸识别改进方法

针对NMF在识别人脸图像特征时分解速度慢,基空间不适应欧氏距离度量的缺点,提出了一种基于小波变换和非负矩阵基矩阵正交化的人脸识别方法.利用小波变换对人脸图像进行变换,选择LL分量既能抽取到人脸的实质特征又能有效减小数据维数,降低NMF分解的复杂性.同时对NMF的基矩阵实施正交化变换,在得到的正交基上进行投影.实验结果表明,该方法对光照变化、表情变化和部分遮罩不敏感,识别性能明显提高.     

利用小波的人脸图像光照补偿方法

本文针对光照不均匀的人脸识别率低提出了利用小波对光照不均的人脸图像进行光照补偿的方法。该方法先将待处理人脸图像求对数,在对数域中进行小波分解,将低频部分逼近标准光照的人脸图像的低频部分,对高频部分进行拉普拉斯滤波,锐化边缘,然后进行逆小波变换,最后求其指数得到最后的处理结果。实验表明该方法能有效提高人脸图像的视觉效果,起到补偿光照不均匀的效果。     

基于小波变换和独立成分分析的人脸识别

针对传统的独立成分分析算法对光照、表情、姿态等敏感的不足,提出了一种结合小波变换和独立成分分析的人脸识别方法.人脸图像首先经过小波变换后选取低频子图像进行独立成分分析,提取人脸图像特征,最后根据最近邻分类器分类.分析了样本数目、小波分解级数对平均识别率和识别时间的影响.基于ORL人脸数据库的实验结果证明了本方法在识别性能方面相对于单一方法的优越性.     

小波变换和嵌入式隐马尔可夫模型在人脸识别中的研究

文章提出一种基于小波变换和嵌入式隐马尔可夫模型的人脸识别算法.该算法能降低主成份分析算法在提取人脸特征时容易受光照、人签倾斜角度以及人签表情等外界因素的影响.分析了小波变换算法中影响人脸识别率的关键问题.实验结果表明,提出的算法取得比较好的识别效果.     

基于小波变换的Bayesian人脸识别方法

从小波变换良好的多尺度特征表达能力和Bayesian方法良好的识别能力出发,提出了一种基于小波的Bayesian人脸识别方法.首先对人脸图像进行小波分解,其次对得到的每幅低频子图进行Bayesian人脸识别,最后利用Yale人脸图像库进行了试验.实验表明,与传统的方法相比较,该方法提高了识别率,降低了运算量.     

红外与可见光图像融合的人脸识别算法

红外图像为解决可见光图像中人脸部受光照的影响提供处理方法,但是红外图像有两大缺陷:一个是红外对周围环境温度变化比较敏感;另一个是红外对玻璃具有非穿透性.与红外图像相比,可见光图像能克服上述问题.由于以上原因,给出了一种基于小波变换的红外与可见光图像融合的人脸识别方法.该方法利用小波变换对每一图像进行多尺度分解,然后利用基于区域能量法寻找最优融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.使用Equinox公司的人脸数据库,对融合图像和可见光图像分别进行了基于Fisher脸的人脸识别验证.仿真结果表明,利用该融合算法所获得的融合图像比单一可见光图像具有更好的识别性能.     

基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

利用小波变换提高基于KPCA方法的人脸识别性能

基于核主成分分析（KPCA）的人脸识别算法能够提取非线性图像特征，在小样本训练条件下有较好性能. 然而并非所有非线性特征对识别都有利，过多的不相关特征可能会降低识别性能. 针对图像信息冗余的特点，预先对图像进行小波变换，通过消除对识别无关的细节信息，不仅提高了KPCA方法的识别精度，而且降低了该算法对计算机硬件的要求. 同时，为了抑制KPCA对光照等变化的较高敏感性，还提出一种对图像灰度进行衰减的预处理策略. 基于ORL数据库的实验表明，综合上述措施的系统比传统方法具有更快的训练速度和更高的识别精度.     

Texture preserving denoising method combining total variation and wavelet shrinkage

In this paper,we propose a new image denoising method that combines total variation(TV) method and wavelet shrinkage. In our method,a noisy image is decomposed into subbands of LL,LH,HL,and HH in wavelet domain. LL subband contains the low frequency coefficients along with less noise,which can be easily eliminated using TV-based method. More edges and other detailed information like textures are contained in the other three subbands,and we propose a shrinkage method based on the local variance to extract th...     

基于差值图像及子波变换的人脸检测方法

图像中人脸的检测有广泛的应用范围,提出了一种基于差值图像及子波变换的人脸检测方法．首先根据运动信息从图像序列中检测出候选人脸,然后使用子波变换方法分析候选人脸的直方图,确定出４ 个阈值,再根据此４ 个阈值对候选人脸进行多重阈值二值化,并根据有关人脸的先验知识,在多个二值化图像中定位眼、嘴、鼻．实验结果表明,提出的人脸检测方法能较好地检测出图像中的人脸．此方法在人机交互、安全防范等方面具有一定的实用价值     

基于小波分解的数字水印技术

分析了一种基于小波变换数字水印方案。该方案利用小波变换对图像进行多级分解,通过计算自适应域值确定要嵌入随机数字水印信息的系数。以高斯分布的随机数作为水印信息,水印嵌在除HL1、LH1、HH1外的图像3级DWT分解的7个子带中。实验结果表明,水印具有良好隐蔽性和鲁棒性。     

基于快速小波变换和FLD的人脸识别算法

针对快速性和识别率要求较高的人脸识别应用场合,提出了一种基于快速小波变换(FWT)和Fisher线性鉴别(FLD)的人脸识别算法.首先用Haar小波对标准人脸图像分别进行1尺度和2尺度分解,然后用Fisher线性鉴别法对原始图像、1尺度和2尺度分解图像提取特征,最后利用最近邻法对提取到的特征进行识别.利用ORL标准人脸图像库对算法进行了仿真,结果表明,此算法取得了较快的识别速度和较高的识别率.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

基于小波变换和改进PCA的人脸特征提取算法

针对在人脸图像高维数据降维时单纯使用主成分分析(PCA)算法的提取精度和速度受限问题,  提出一种基于小波变换和改进PCA的混合特征提取算法. 该方法首先对人脸图像进行小波分解, 选取低频分量对人脸图像进行特征提取;然后利用改进的PCA算法进行主成分提取, 获得代表人脸特征的特征向量; 最后将该算法应用于Olivetti Faces人脸库数据集的图像分类. 实验结果表明, 经过该混合算法处理后的图像特征数据, 由卷积神经网络(CNN)算法分类识别时准确率提升10%, 识别速度提高约37%.     

一种基于模糊集和小波变换的图像融合方法

提出了一种基于小波变换和模糊集的图像融合算法 .其基本思想是 :首先对图像进行小波变换 ,获得图像的低频和高频分量 ;随后在融合过程中 ,对低频和高频分量采取不同的融合策略 ,即对低频分量采用平均能量法进行融合 ,对高频成分利用图像的模糊集 ,寻求一个模糊隶属函数作为融合算子进行融合 ;最后再对融合后的图像进行小波反变换 ,重构出融合后的图像 .实验结果证明了方法的有效性 .