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.     

一种基于小波分量变换的人脸图像光照归一化算法

基于小波变换原理,提出一种基于小波分量变换的人脸图像光照归一化算法.人脸图像经过二维离散小波变换(DWT),被分解成4个子分量(LL,HL,LH,HH).将低频分量(LL)进行对数变换和分段线性变换,对高频分量(LH,HL,HH)进行Gamma变换.对所有子分量进行小波逆变换,对经小波重构后的人脸图像进行中值滤波.分别在Yale B和CMU-PIE人脸数据库中对本文算法进行光照归一化有效性试验;对比本文算法与其他22种光照归一化算法的处理时间及处理效果;进行分段线性变换和伽马变换参数比较试验及人脸识别试验.结果表明:本文算法执行速度快,处理效果好,人脸识别率高,适用于不同光照条件的人脸识别系统.     

基于WT-W2D2DPCA的人脸识别算法研究

人脸识别过程中,针对二维主成分分析(2DPCA)算法在特征提取和数据降维上存在的问题,本文首先引入双向二维主成分分析(2D2DPCA)算法,该算法同时考虑图像行与列方向上的信息.考虑到人脸图像存在信息冗余而影响识别率的问题,于是本文提出一种基于小波加权双向二维主成分分析(WT-W2D2DPCA)的人脸识别算法.该算法首先采用二级小波分解对人脸图像进行预处理,提取其低频部分;然后根据人脸图像的特性,将低频部分进行奇偶分解,并引入加权思想,重组低频人脸图像,最后在ORL人脸数据库上进行双向二维主成分分析.实验结果表明,该方法不仅克服了传统2DPCA系数矩阵大的问题,而且得到了比传统的2DPCA、2D2DPCA算法更好的识别效果.     

基于Kernel PCA的人脸识别算法的探讨

扼要阐明抽取二维人脸图像特征方法并进行人脸识别,结合实验结果进行分析比较主元分析和核主元分析方法的优缺点,得出核主元分析方法在人脸识别算法中误识率低,解决了维数和小样本问题,能准确快速识别人脸的结论.     

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%.     

Curvelet变换在人脸识别中的应用研究

针对小波只能反映信号的点奇异性,无法实现人脸图像面部轮廓和五官曲线信息的最优稀疏表示,提出了一种基于第2代Curvelet的人脸识别算法.通过对人脸图像进行第2代Curvelet变换,分解得到表征人脸基本信息的低频系数,再利用双向2维主成分分析((2D)2PCA)进行降维,并结合最近邻算法进行人脸识别.以ORL人脸数据库进行试验,结果表明:与基于小波变换的算法相比,该算法具有更高识别率和更短的识别时间.     

基于层次支持向量机和KICA的人脸识别

针对人脸图像的非线性特点,将基于核方法的核独立分量分析算法用于提取人脸图像特征.为避免多类支持向量机出现不可识别域,提出基于二叉树思想的层次支持向量机算法,用于多类人脸识别.将层次支持向量机和核独立分量分析算法相结合进行人脸识别,首先对人脸图像进行预处理和主成分分析法降维;然后运用核独立分量分析算法估算出独立基影像,从而得到人脸特征;最后将人脸特征输入层次支持向量机进行分类识别.在ORL人脸库上的仿真结果表明该算法较好地兼顾了识别率和运行速率.     

基于小波变换特征提取和神经网络分类的人脸识别

为提高人脸图像识别率,提出一种将小波分析与神经网络相结合的人脸识别方法。用二维离散小波变换函数对人脸图像进行二维离散小波变换,提取其低频系数作为人脸特征值,用三层神经网络进行分类、识别。实验证明,和单纯的小波方法及神经网络方法进行人脸识别相比,这种方法收敛步数少、用时短、具有较高的识别率。     

一种新的基于Gabor特征的零空间人脸识别算法

为了克服人脸识别中的小样本集(small sample size,3S)问题,本文首先利用人脸图像距离模型揭示了线性鉴别分析的物理过程,指出了零空间鉴别分析相对于主元空间鉴别分析可以提取出更有利于人脸识别的鉴别信息.在此基础上,提出了一种有效的基于Gabor特征的零空间人脸识别算法,该算法采用一种新的基于邻域保持的鉴别嵌入准则(neighbor-preserving based discriminant embedding,NDE),并利用Gabor小波变换减轻人脸图像中光照和表情变化等因素的影响.在ORL,FERET和AR等人脸数据库上的实验结果表明本文算法具有较优的人脸识别性能.     

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.     

构造紧密小波标架基的充分必要条件

设{hm,n,m,n∈Z}是一个平方可积函数h经平移和伸缩而生成的紧密正规小波标架,证明了构造紧密小波标架基的必要且充分条件.     

小波图像压缩中滤波器的选择

选择滤波器时，通常考虑正交性、对称性、正则性、支撑集和消失矩阶数等滤波器本身的性质，却很少将他们与图像纹理特征、压缩比等因素综合起来考虑。针对上述问题，对多种常见滤波器，采用相同的自适应量化编码方法进行实验、研究并分析了选择滤波器对一些影响因素，解决了小波图像压缩过程中滤波器的选择问题。     

一种小波去噪方法的几点改进

Mihcak M.K,IEEE Signal Processing L etters,1996 ,6 (12 ) :30 0 30 3提出了小波去噪方法 L AWML(L AWMAP) ,并得到了非常好的去噪效果。该文针对其过保留小系数的特点提出了引入阈值处理以减少重建毛刺和提高去噪后信号的压缩率 ;根据小波系数子带能量分布的特点 ,提出对不同尺度不同子带选择不同邻域来提高方差估计的准确性 ;根据子带的方向选择性 ,提出用长方形代替正方形邻域的改进方案。通过实验证明了这些改进可以有效地弥补原先 L AWML (L AWMAP)方法的不足 ,得到更好的去噪效果.     

子空间MRA小波的一个刻画

通过相关定理及构造方法,研究了小波函数与多分辨分析的关系,重点研究了MRA小波及MRA小波集存在的条件.特别是在上述研究方法的基础上,通过构造演绎的方法构造出了MRA小波集,继而通过基本小波集理论给出了相应的MRA小波,由此得出了MRA小波存在的充要条件及形式.     

L2(Rn)上连续小波变换及小波框架算子的一些性质

考察了L^2(R^n)上连续小波变换及小波框架算子,得到了它们的一些性质,并给出了严格证明,弥补了有关文献的不足．     

新型小波变换的数字水印算法

目前已有很多基于离散小波变换或小波包的数字水印算法,但很少讨论到运用提升小波、组合小波这类新型小波的思想。文章首先对基于小波变换的数字水印算法做了概要性的介绍,然后提出运用提升小波、组合小波的新算法,并讨论了其研究方向和应用前景。     

连续小波变换中允许小波的对偶小波

研究了连续小波变换中允许小波的对偶小波，给出了对偶小波的等价条件以及允许小波的对偶小波的表示。     

基于时间变化的小波包对信号压缩的研究

本文提出了一种基于时间变化的小波包对信号进行压缩和角压的方法。通过引入一个变换,能够把任意位的信号压缩到相要的结果。作者模拟了多种信号,得到了比较好的结果。     

关于双正交尺度函数的一个充要条件

给出了双正交刻划的一个改进形式 ,它是一个充要条件 ,将正交情形的刻划结果作为特款包含于其中 ,从而把正交与双正交情形统一起来     

小波变换及其数字图像处理的应用

简要介绍了小波变换方法 ,对小波分析在数字图像处理占的一些应用进行了简要讨论 ,并对图像的恢复和增强、图像分割等应用进行了一些有意义的尝试