一种改进的基于Gabor小波的人脸识别方法

针对人脸识别中传统的Gabor小波方法存在特征维数高、识别时间长、存储开销大的缺点,提出了一种结合奇异值分解和Gabor小波的改进方法.首先通过Gabor小波变换对人脸图像滤波得到特征图像,然后对训练集的特征图像进行奇异值分解获取基空间,将人脸图像投影到统一的基空间提取奇异值特征,再选择一定数量的奇异值构成人脸鉴别矢量,最后采用最近邻分类器进行识别.在ORL人脸库上的实验结果表明,该方法在识别性能上优于单一的Gabor小波方法.     

电力电子装置周期性故障波形小波矩阵分类法

提出一种基于平稳小波变换和奇异值分解的电力电子装置周期性故障波形的分类方法.该方法利用平稳小波变换的冗余性和奇异值的稳健性.其步骤为:对周期性故障波形进行平稳小波变换,将信号分解到多个小波子空间;将平稳小波变换后的小波系数矩阵奇异值进行分解,即采用K-L变换对子信号进行特征压缩,并以奇异值向量作为特征向量;按照向量的空间距离对故障波形进行分类实现故障的分类诊断.以精确的半导体器件模型建立的PSPICE逆变器故障波形为例,分别用该方法和小波子带能量法对逆变器的IGBT开关故障进行分类.研究结果表明,与采用小波子带能量法相比,采用所提方法能够精确地对22种逆变器断路故障进行诊断,且受小波分解层数的影响较小,分类边界较清晰,其类间距与类内距之比是小波子带能量法的2.5倍,抗噪性能好,正确识别率高5%.     

混合DWT和SVD的数字水印算法

文中提出了一种基于离散小波变换和奇异值分解的新的数字水印方法. 首先宿主图像被均匀分割成四块,对每一块进行一层小波分解,得到每一块的低频子带,再对每一低频子带进行奇异值分解,得到各低频子带的奇异值. 水印图像经过Arnold变换预处理后也进行奇异值分解,将得到的奇异值分别以一定的强度嵌入到宿主图像每一块低频子带的奇异值中,再进行反变换、拼接操作即可得到嵌入水印后的图像,实验结果表明,本文提出的方法,对噪声、剪切、滤波、JPEG压缩等常见的信号处理和攻击均具有较强的鲁棒性.     

基于压缩感知与小波域奇异值分解的图像认证

提出了一种基于压缩感知与小波域奇异值分解的图像哈希认证新方法.该方法首先通过小波变换得到图像的低频子带,然后对低频子带进行基于块的奇异值分解,最后对产生的最大奇异值数组进行基于压缩感知的随机投影,产生哈希认证信息,并偕同原图像传送到接收端.图像接收端通过比较哈希信息完成图像认证,并通过利用传递的哈希信息重建原始图像的奇异值,进一步映射奇异值差值到图像像素域,从而实现对图像篡改的识别与定位.大量实验结果证明了该方法的有效性.     

基于主元分析的人脸识别方法研究

研究了利用主元分析进行人脸识别的方法。将人脸图像训练集进行主元分析,对得到的变换矩阵应用奇异值分解提取特征子空间,把训练图像和测试图像投影到子空间上,选择分类器进行人脸识别。实验表明,主元分析能很好地在子空间下提取出人脸图像的特征信息,从而实现人脸识别。     

基于血流图双树复数小波域傅里叶变换的红外人脸识别方法

提出了一种基于血流图与双树复数小波域傅里叶变换的红外人脸识别方法.首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行一级双树复数小波分解,保留分解后的4个低频子带并分别进行傅里叶变换,得到每个低频子带的特征矩阵,分别计算4个子带的欧氏距离并进行简单的加法融合,再用三阶近邻分类器得到最终的识别结果.为了减小算法的时间复杂度,我们对血流模型进行简化.实验结果表明,本文所提的方法有较好的识别结果.而简化的血流图相比原模型的识别率没有明显的下降,甚至某些情况下还稍高于血流模型,说明本文的方法是有效的.     

基于小波变换和奇异值分解的图像压缩

本文首先介绍了基于小波域的奇异值压缩算法,然后提出了基于矩阵分块和阈值约束的奇异值压缩编码算法：低频子带直接进行熵编码。针对高频子带分块处理,结合各频带的能量与奇异值之间的关系,选择不同的阈值,对分块矩阵进行带阈值条件的奇异值分解方法。通过改进的算法和直接的奇异值分解进行了实验对比,在同样的压缩率的情况下可以获得更高的峰值信噪比。     

基于小波变换的多聚焦图像融合方法

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.     

基于奇异值分解的连续小波消噪方法

针对小波软阈值消噪的缺点,提出了一种基于奇异值分解的连续小波消噪方法.通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分.通过仿真数据的对比分析和工程测试信号的应用,表明该方法适用于冲击成分信号的提取,与软阈值消噪法相比,它提取出的信号特征成分更完整,信噪比更高.     

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.     

一种基于局部特征的人脸识别方法

针对五官的局部特征，提出一种具体的识别方案。与传统弹性图匹配的方法相比，该方案提取的人脸局部的特征，大大降低了运算量，理论和实验都表明了该方案的可行性。在对人脸图像预处理之后，利用积分投影的方法，获取五官的位置，而后采用奇异值分解（SVD）去提取五官附近的局部特征，作为人脸的主要特征。比较了SVD和离散傅里叶变换（DFT）两种特征提取的方法，结果表明，通过SVD提取人脸的局部特征在减少计算量的基础上，能够很好保留人脸的特征，达到了较好的识别效果。     

人脸识别中的特征分析

研究了奇异值分解和傅里叶变换方法在图像分析和人脸识别中的作用;比较了两种方法进行图像处理的分解信息,研究了图像傅里叶变换后幅度谱和相位谱包含的图像信息;随后设计实验研究了奇异值向量矩阵和奇异值矩阵中包含的图像信息,并提出一个新的观点：图像分解后的奇异值矩阵包含图像的光照信息;通过设计实验验证了观点的正确性。     

分块PCA和奇异值分解相结合的人脸识别算法

针对分块PCA算法对位移、旋转等几何变化比较敏感的缺点,提出一种基于分块PCA和奇异值分解相结合的人脸识别算法。该算法分别提取分块子图像的PCA特征和奇异值特征,在此基础上得到同时包含分块PCA和奇异值信息的距离测度,利用最小距离分类器进行分类识别。在ORL人脸库上的实验结果表明,该方法能够得到较高的识别率。     

结合小波低频子带的主成分分析方法

针对单样本人脸识别问题,提出了一种结合小波低频子带的主成分分析方法.为了加强单样本图像的分类信息,该方法将原训练样本与其小波低频子带重构图相结合,然后对结合的训练样本进行主成分分析.在ORL人脸库上的实验结果表明,当训练集中每个人只有一幅人脸样本图像时,文中方法的识别率比标准特征脸法高3.6%,而所使用的特征脸个数减少14.8%.     

基于小波变换的人脸图象特征的边缘提取算法

人脸图象识别是模式识别、计算机视觉和人工智能领域的一个热点,而人脸图象的特征提取又是人脸图象识别的关键步骤.小波变换以其多分辨率分析和多通道分解的独特分析方法在图象处理领域中有着广泛的应用.文章利用二进小波变换多尺度的特性,结合一些常规的边缘提取算法,在人脸图象特征的边缘提取方面取得了令人满意的结果,实验表明是一种有效的人脸图象特征边缘提取算法.     

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.     

人脸检测与识别

人脸是人主要的身份特征之一,人脸识别在信息管理、身份验证、视频监控、机器视觉等领域有着重要的实用价值.本文以中央民族大学信息工程学院本科生人脸数据库为背景,从应用的角度出发,开发了基于人脸识别的学生身份确认系统.整个系统主要分为图像预处理、人脸检测和人脸识别三个部分.图像预处理包括图像大小归一和图像灰度均衡;人脸检测采用Harr分类器;利用PCA（主成分分析）获得投影矩阵和维数适中的能够表征人脸的特征向量;基于最近邻原则,进行人脸匹配.系统测试结果表明,该系统能够完成基于人脸识别的学生身份信息查询功能.     

基于ICA多特征融合的人脸识别

提出了一种基于特征融合的人脸识别方法.该方法首先对预处理后的人脸图像进行全局特征及局部分量的提取,分别采用离散余弦交换(DCT)提取包含图像大量信息的低频部分特征和奇异值分解(SVD)抽取图像的代数特征作为图像的全局特征,采用非负矩阵分解(NMF)提取图像的局部分量特征,然后将此两类特征以独立成份分析(ICA)进行融合,获取用于人脸识别的特征向量.在本文的实验中,我们将此特征向量应用于支持向量机(SVM)进行分类训练及识别测试,并获得较好的结果.     

Novel Face Recognition Method by Combining Spatial Domain and Selected Complex Wavelet Features

A novel face recognition method based on fusion of spatial and frequency features was presented to improve recognition accuracy.Dual-Tree Complex Wavelet Transform derives desirable facial features to cope with the variation due to the illumination and facial expression changes.By adopting spectral regression and complexfusiontechnologiesrespectively,twoimproved neighborhood preserving discriminant analysis feature extraction methods were proposed to capture the face manifold structures and locality discriminatory information.Extensive experiments have been made to compare the recognition performance of the proposed method with some popular dimensionality reduction methods on ORL and Yale face databases.The results verify the effectiveness of the proposed method.