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。     

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。     

基于高低频分量融合的人脸识别方法

图像分解方法可以将人脸图像分解为低频成分和高频成分,其中低频成分描述的是人脸图像光照成分,高频成分描述人脸图像细节成分。高频成分可作为光照不变特征进行人脸识别,但是由于受光照的影响,人脸图像分解后,位于人脸光照阴影区域的高频成分会被损坏。提出的人脸光照恢复方法分为3步:①基于PCA方法,利用局部的人脸光照明亮区域的高频信息重建人脸光照非均匀区域的高频成分;②利用局部光照明亮区域的光照成分重建全局的人脸图像正面均匀光照成分;③将重建后的低频人脸光照成分和高频人脸细节成分融合,得到人脸在正面均匀光照下的人脸图像,去除人脸阴影区域的影响,实现人脸光照恢复。该方法在YaleB数据库上做实验,获得的人脸光照恢复图像有良好的视觉效果和识别结果。     

基于对称区块的人脸图像光照补偿算法

【目的】改善人脸光照补偿算法的效果,提高人脸图像预处理的质量。【方法】利用人脸左右对称的特点,提出一个基于对称区块的人脸光照补偿算法,利用人脸区块的平均灰度值对人脸图像的对称点进行光照补偿。【结果】该方法对于人脸图像有很好的光照补偿效果,优于直方图均衡化、灰度变换等常用光照补偿方法。【结论】基于对称区块的光照补偿算法对于具有对称特点的图像有补偿效果。     

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.     

面向人脸光照合成的光照参数精确估计算法

为提高人脸图像光照合成的精度,提出了一种基于商图像的光照参数估计新算法.首先分析并指出传统商图像算法中存在恒定反射系数假设难以严格成立这一缺陷,它给光照参数估计引入了固有误差;然后在参数化光照子空间框架下设计了一个改进的目标函数,用商图像本身去替代原算法中的反射系数比,从而弱化了假设条件的限制,允许人脸各像素点拥有独立的反射系数;设计了一个迭代算法,通过线性系统来求解目标函数,能够实现对光照参数的高精度估计.在OFD人脸库和AI&R人脸库上的实验结果表明,所提光照参数估计算法具有良好的收敛性,光照参数估计精度的迹商指标可以获得25.49～43.09 dB的提升,光照合成图像中的峰值信噪比可以获得4.51～9.24 dB的提升.     

基于非抽样contourlet变换的图像增强方法

针对实验图像光照不均、对比度低、噪声大等特点,提出一种基于非抽样contourlet变换的图像非线性增强算法.首先对原图进行非抽样contourlet变换,分解为低频和高频子带;然后对低频子图进行自适应直方图处理,以增强像素的对比度,对高频系数采用分层阈值处理和分段非线性变换;最后将其反变换得到增强的图像.仿真实验结果表明:此算法不仅增强效果好,鲁棒性强,而且具有较大的实用价值.     

结合NSCT高低频特征的图像边缘检测算法

为提取丰富的边缘信息,利用非下采样轮廓波变换(NSCT)能够很好逼近图像的方向信息这一特征,设计了一种图像边缘检测算法.该方法将图像变换到NSCT域,对高频和低频子带信息分别处理:首先只保留高频系数矩阵中的较大的系数并利用其得到高频特征图像,根据自适应阈值法对高频图像进行处理得到高频边缘信息;然后对低频子带信息提取其低频边缘信息;最后利用低频边缘信息对高频边缘信息进行补偿,同时去除孤立噪声点,得到最终的边缘图像.通过对灰度图像及彩色图像的仿真实验,与sobel、canny、log及prewitt算子的检测结果进行比较,给出了定量的评价指标,验证了提出方法的有效性和优越性.     

一种暗通道先验结合小波变换的图像去雾优化算法

基于暗通道先验的去雾算法是最具有代表性的图像复原算法之一,但仅仅利用暗通道去雾的图像会产生一定程度的颜色失真。针对单幅图像暗通道先验算法造成的图像色彩失真问题,提出了一种基于小波变换的色阶补偿方法。将待去雾图像的低频通道和粗暗通道去雾后图像的高频通道添加合适的权重,之后通过小波变换将待去雾图像与粗暗通道处理过后得到的图像进行多次融合,从而基于原有图像的色阶对暗通道处理造成的颜色失真进行一定程度的补偿。采用信息熵为依据的客观计算机评价,将该算法与其他去雾算法进行比较。仿真结果表明,补偿过后的图像具有较好的观测效果,优于仅采用暗通道先验去雾算法的图像。     

一种基于全局和局部光照估计的Retinex图像增强算法

具有色彩还原特性的Retinex算法,可以实现图像对比度、亮度提高及色彩还原;但是增强后的图像色彩饱和度下降严重,色彩失真,其关键在于光照分量的估计失真。针对上述问题,提出了基于全局光照和局部光照细分的Retinex增强算法,实现了图像光照分量的精确计算;并通过实验证明增强后的图像在提高亮度突出细节的同时,最大程度保持了原来的真实色彩。     

基于小波的偏振图像融合算法及性能评价

文章介绍几种基于小波变换的偏振图像的融合算法,利用多分辨小波变换的系数,采用低频图像的小波系数最大值作为融合后的低频系数,高频图像根据确定的融合规则,调整高频小波系数大小;并对融合图像质量进行了对比评价,得出了这几种融合方法的各自特点.实验结果表明,这几种方法能够在保留图像微小细节方面获得满意的结果.     

一种基于NSCT和像素相关性的图像融合算法

由于小波变换在处理二维图像融合中存在缺陷,提出一种更优越的基于NSCT变换的图像融合算法,分别介绍了低频系数和高频系数融合规则。低频系数融合用基于能量方差决策值最大法,可以有效提高图像融合质量;高频系数融合规则用区域对比度与区域能量相结合的方法,可以减少噪声干扰。得到低频和高频融合系数后,通过NSCT反变换重构图像,得到融合图像。最后选用4种常用的图像融合方法与此文算法进行对比仿真实验。通过主观观察和客观指标的比较,充分证明此文融合算法的优越性。     

基于小波变换的双通道脉冲耦合神经网络图像融合

提出了一种基于小波变换的双通道脉冲耦合神经网络的图像融合方法.先使用小波变换的方法来分解配准后的各个源图像,进而得到各个源图像的低频分量和高频分量,再把得到的低频和高频系数进行融合处理,使用高斯加权平均的低频融合规则来处理低频子带,利用双通道脉冲耦合神经网络的融合规则处理各高频子带,链接系数为图像的清晰度.融合后的小波系数取决于点火图和点火次数的多少,最后的融合图像由小波逆变换得到.实验结果表明,该方法能更有效地提取原始图像的特征信息,在主观视觉效果以及客观性能指标上较传统算法都有所改善.     

一种基于内容增强的可见光-红外线图像融合方法

为更好地保留可见光图像的丰富细节信息, 提出一种基于方向导波的动态图像压缩增强方法对可见光图像和红外线图像进行融合. 首先, 利用方向导波增强方法对可见光图像进行增强; 其次, 对增强后的可见光图像和对应的红外线图像利用非下采样轮廓波进行分解, 得到一个低频子带和一系列高频子带, 用稀疏表示理论对低频子带进行融合, 用参数自适应的脉冲耦合神经网络对各高频子带进行融合; 最后, 利用非下采样轮廓波的逆变换得到融合图像. 实验结果表明, 该方法在客观质量评价和视觉检测方面均优于传统方法.     

基于非下采样Contourlet变换耦合近似度规则的多聚焦图像融合算法

当前多聚焦图像融合算法主要通过单一的比值取大法来完成高频系数的融合,忽略了不同高频系数间的近似度,导致融合图像存在模糊效应与块效应等不足,采用非下采样Contourlet变换耦合近似度规则对多聚焦图像进行融合,来改善以上不足。利用非下采样Contourlet变换对图像进行多尺度、多方向的分解,获取图像的高、低频分解系数。利用图像的区域能量对低频系数的信息量进行度量,构造低频系数融合函数,用于低频系数融合。利用图像的平均梯度差值对不同高频系数的差异度进行度量,建立近似度规则,根据不同高频系数的近似度采用不同的融合方法获取融合高频系数。将融合后系数通过非下采样Contourlet逆变换获取最后融合图像。仿真表明,所提算法与当前多聚焦图像融合方法相比,融合的图像具有较好的质量。     

基于小波变换及融合技术的图像边缘提取

图像边缘检测是图像分割、图像识别的基础,传统边缘检测是基于图像整体的边缘检测.小波变换使基于图像分解的边缘检测成为可能,利用小波变换将数字图像分解为高频和低频分量,对高频和低频分量分别进行边缘检测.常规融合方法是将高频边缘和低频边缘进行简单叠加,由于高频、低频边缘是通过不同方法提取的,二者之间的相似度、吻合度存在差异,简单叠加不能够有效融合高频、低频边缘图像特征,本文算法采用局部区域方差准则把高频和低频边缘在小波域进行融合.实验表明,该算法能够有效融合高频、低频边缘图像特征,具有较好的边缘检测和去噪功能.     

一种基于小波提升变换的多尺度边缘提取算法

提出了一种基于小波提升变换的改进图像边缘的检测算法.本算法首先对源图像进行小波提升分解,然后分别对高、低频子图像进行边缘提取.对于低频信息使用Canny算子进行边缘检测,而高频信息先用相邻尺度小波系数相乘的方法去除噪声,消噪后再对高频分量进行边缘检测.最后通过一定的融合规则进行融合,得到最终的边缘图像.实验结果表明,该方法具有运算速度快,能有效地抑制噪声,边缘检测精度高等特点,是一种有效的图像边缘提取算法.     

基于小波域的多尺度图像融合方法

提出了一种基于小波域的多尺度图像融合方法，对于高频细节部分和低频近似部分采用不同的融合规则，有效地克服了以往图像融合时容易受噪声干扰、空间细节信息丢失的缺点．通过计算机仿真，将融合结果与传统小波融合方法以及基于PCA的融合方法进行比较，该方法获得了更好的图像融合效果，是一种有效的图像融合算法．     

利用小波域平滑和边缘保留的图像去噪算法

提出了一种基于小波域低频信号平滑及高频边缘保留的图像去噪方法.由于图像噪声主要集中在小波高频子图部分,且系数较小,常用的阈值去噪法存在阈值选取过大以致连同丢失掉边缘细节信息的缺陷,因此可以对高频子图提取边缘并保留和进行软阈值去噪处理后再融合;低频子图进行自适应维纳平滑滤波,进而得到重构出的去噪图像.实验结果表明,该方法在有效去噪的同时较好的保留了原有的边缘细节信息,效果明显.     

一种基于二代Curvelet变换的图像融合新算法

基于Curvelet变换,提出了一种新的融合算法.首先将图像进行Curvelet变换,然后对低频系数和高频系数采用不同的融合规则将Curvelet系数融合,最后进行重构得到融合结果.对该方法得到的融合图像进行了主客观评价和对比.实验结果表明,该方法得到的融合图像在图像边缘等细节上比其他方法得到的图像具有更好的视觉效果,在均方误差、峰值信噪比、相似度等客观指标上都优于其它方法.