基于多尺度哈尔小波变换的三维人脸识别方法

提出一种基于多尺度哈尔小波变换的三维人脸识别方法.首先将三维人脸模型的上半张人脸区域经过平面参数化和线性插值方法映射至几何图像,然后利用多尺度哈尔小波变换把几何图像分解为不同尺度下包含不同频率、不同方向人脸信息的频域分量,根据实验确定垂直低频分量具有表情不变性并将其线性组合作为人脸特征.在FRGC v2.0数据库中进行的三维人脸识别实验与三维人脸认证实验分别得到了98.81％的Rank_1识别率以及97.2％的正确认证率(错误接受率为0.1％).     

基于独立成分分析和模糊支持向量机的人脸识别方法

成分分析(PCA)只能从2阶上去消除数据的相关性，传统支持向量机在解决多类问题时会出现分类的盲区问题，针对这两种情况，首先采用独立成分分析(ICA)方法解决了高阶上的数据相关性问题；同时在传统支持向量机中引入模糊隶属度函数，用模糊支持向量机解决了传统支持向量机在多类数据识别中的盲区问题。通过实验证明了该方法在人脸识别率上取得了显著提高。     

基于零树分类的小波图像二维网格编码量化

提出了一种小波图像在进行小波系数零树分类后运用二维网格编码量化(2D-TCQ)的新方法。首先根据小波图像中各子带系数固有的树结构关系对其进行零树分类,然后在扩展的二维码书空间对重要性系数运用网格编码量化,利用卷积编码和信号空间扩展进一步增大量化信号间的欧氏距离,并用维特比算法寻找最优量化序列。仿真结果表明,该方法比小波零树分类后相同码书尺寸下使用 TCQ信噪比获得了0.6dB左右的改善。使用小一倍的码书时,2D-TCQ比TCQ获得了0.1dB左右的改善,而且降低了编码率。由于本方法可以采用较小的码书尺寸,所以可以应用到低存储、低功耗的编解码环境。同时该方法具有编码计算复杂度适中、解码简单的优点。     

基于离散小波变换的滤波方法研究

推导出了经过多次离散小波变换后，白噪声在不同尺度上方差的另外一种表达式，应用到小波域硬阈值滤波中，通过数字仿真发现，二进小波的计算量较大，滤波效果较好，离散小波的计算量较小，滤波效果稍差，并对原因进行了说明。     

一种改进的模块2DPCA人脸识别新方法

提出了一种改进的模块2DPCA方法,即基于类内平均脸的分块2DPCA算法.该算法对每一类训练样本中每个训练样本的每一子块求类内平均脸,并用类内平均脸对训练样本类内的相应子块进行规范化处理,然后由所有规范化后的子块构成总体散布矩阵,从而得到最优投影矩阵;由训练集的全体子块的平均值对训练样本的子块和测试样本的子块进行规范化后投影到最优投影矩阵,得到识别特征;最后用最近距离分类器分类.在ORL人脸库上的实验结果表明,提出的方法在识别性能上明显优于2DPCA方法和普通模块2DPCA方法.     

基于移不变二维混合变换的机场雷达噪声抑制

机场跑道异物(foreign object debris, FOD)检测对飞行器的安全起降有着非常重要的意义,而机场跑道异物检测的一个关键环节是很好地抑制机场雷达图像的噪声,因此提出一种基于距离时间维的移不变混合变换以抑制机场雷达图像的噪声。首先,在雷达成像时进行离散傅里叶变换(discrete Fourier transform, DFT)和维纳滤波滤除距离维上的噪声。然后,在雷达成像时进行超分析离散小波变换(hyperanalytic wavelet transform, HWT)自适应滤波去除时间维上的噪声。与传统的成像后去噪算法相比,本文的算法可以有效地去除机场雷达图像噪声,显著地改善图像的视觉效果。最重要的是该算法具有很强的实时性,可以很好地应用到工程实践中。     

基于二进小波变换的图像分辨率增强算法

增强图像的分辨率意味着在保持图像清晰度的情况下对图像进行放大。传统的分辨率增强技术是图像插值,它通常要求原始图像满足一定的平滑条件,这常常损失增强后图像的奇异性,使图像中物体边缘和纹理变得模糊。本文提出了一种基于图像多分辨率分析的增强算法,通过估计原始图像在更高一级分辨率上的小波系数,可以得到更为清晰的增强效果,同时保留原图像的奇异性。     

基于双尺度连续小波变换的二相编码信号识别

针对信号和噪声小波变换的模极大值在不同尺度上表现出截然不同的性质,提出一种利用粗细定位相结合的思想对二相编码信号奇异点实现精确定位的方法。该方法采用大尺度上的模极值点进行粗略定位奇异点出现的范围,并据此去除小尺度上的伪极值点,用小尺度上的模极值点精确定位奇异点出现的时刻。实验仿真比较了几种不同小波基函数下的算法性能,结果表明,该方法在采用db3小波基下对二相编码信号突变点的识别具有很好的效果。     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

独立分量分析在相控阵雷达信号检测中的应用

相控阵雷达工作的环境日益复杂,分析了干扰、杂波环境下相控阵雷达接收信号的盲可辨识性,建立了目标信号的盲分离模型,在此基础上提出了小波变换与独立分量分析方法相结合检测目标的算法。该算法首先使用小波变换对相控阵雷达接收的回波信号作消噪处理,提高目标信号的信噪比,然后使用独立分量分析方法对源信号进行分离,提取相控阵雷达接收回波中的目标信号。仿真结果验证了算法的有效性。     

基于全局特征和局部特征组合的脸谱识别方法

本文中,提出了一种新的脸谱识别方法。首先利用核主分量分析技术提取脸谱图象的全局特征,然后利用独立分量分析技术提取脸谱图象的局部特征,分别挑选出部分局部特征向量与部分全局特征向量组合成脸谱的组合特征向量,然后利用支持向量机分类器进行识别。采用ORL脸谱库进行测试,并与其它特征提取方法进行了比较,实验结果显示基于组合特征方法的识别率明显优于其它方法。     

基于小波的人脸去光照识别算法研究

研究了面部图像的多级小波分解与重构,分析了光照、表情等变化对小波分解低频近似系数的影响,指出了光照变化对小波低频近似系数影响最大,表情和个体差异的影响次之.在此基础上提出应用PCA变换的方法来重建光照影响小的小波低频近似分量,以此来替换原图的小波低频近似系数,再通过小波重构得到去光照人脸.在识别时,运用特征脸的方法对重构脸进行了特征提取与识别研究,在AR人脸库上进行了测试,并对不同小波基进行了比较,结果表明该方法能有效地去除光照等因素影响,识别效果得到了较大地提高.     

基于核的Fisher极小鉴别分析及人脸识别

Fisher鉴别分析被公认为是特征抽取的有效方法之一,但由于其只能抽取线性特征,而对于实际应用中复杂的样本图像分布,抽取非线性鉴别特征显得十分必要.先前的基于核Fisher鉴别分析算法虽然解决了非线性特征抽取问题,但是其存在最终特征维数受类别数限制的问题.为了能够进一步提高特征提取效率,提出了一种基于核的Fisher极小鉴别分析方法,该方法使得最终特征雏数不受类别教限制.在Yale和NUST603人脸库上进行了鉴别性能实验,实验结果验证了该方法的有效性.     

人脸识别:一种基于特征融合及神经网络的方法

基于特征融合和神经网络构建了一个完整的人脸识别系统。首先使用广义K-L变换对人脸的自组织特征和形状特征进行融合；然后使用UDT(Uncorrelated Discriminant Transfom)对融合后的特征进行变换，以获得最优鉴别矢量；最后使用多层感知器作为分类器。仿真结果证明了该方法的有效性。     

一种人脸图象线性变换模型及其识别应用

在不同光照条件下同一个人脸的成像会有较大差异，这种差异的存在给人脸自动识别带来较大的限制。文中基于合理的假设，提出一种人脸图象的逐点变换模型。该模型简单易行，且能有效减少同一人脸在不同光照条件下的成像差异。在YaleB人脸图象库与AR人脸库上的对比实验表明了该模型的有效性与可行性。     

基于知识和独立成分的人脸检测

为了提高人脸检测速度及鲁棒性,提出了一种基于知识和独立成分分析(ICA)相结合的人脸检测算法。通过对人脸简化模型的分析,扩充了原有的粗检测规则;为了进一步加快检测速度,采用了先利用知识后利用独立成分分析的两级检测步骤,且在粗检测中采用了几何广义投影法,取得了良好的效果,同时利用最大类间方差法实现了阈值的自适应选择。实验结果表明了该算法的有效性和正确性。     

基于PFICA和模糊积分的人脸识别

提出了一种基于PFICA和模糊积分的人脸识别方法,即先对原始图像数据用PCM+FCV同时进行预处理和模糊划分,再在各模糊类中用FastICA提取局部独立成分,并根据最近邻原则进行初步识别,最后运用模糊积分对各类中的识别结果进行融合,得到最终的识别结果.在ORL人脸数据库中的实验仿真证明该方法具有较好的识别效果.     

基于径向基函数网络人脸识别的研究

用人脸信息来识别和辨认一个人类个体,是计算机视觉和模式识别领域中的一个研究热点。本文提出了一种基于径向基函数网络(RBFN)识别人脸的方法,使用主分量分析(PCA)技术降低样本维数,并用生成图像(SI)技术改变人脸的姿态,以增加学习样本数。用标准人脸库ORL进行实验,表明人脸识别效果有大幅度的提高。