融合DWT与2DLDA的人耳识别

根据离散小波变换(DWT)和二维线性鉴别分析(2DLDA)的特点,结合人耳图像特征,提出一种融合DWT与2DLDA的人耳图像识别方法.该方法首先对人耳图像进行DWT,选择其中的低频子带,然后再在低频子带中利用2DLDA提取人耳图像特征,最后使用最近邻法则进行分类.实验结果表明,该方法识别效果优于2DLDA方法.     

基于2DLDA与FSVM的人耳识别

针对人耳图像特征提取和识别方面存在的问题,提出一种将二维线性鉴别分析(2DLDA)和模糊支持向量机(FSVM)相结合的人耳图像识别方法.利用2DLDA将人耳图像直接投影,提取的人耳特征,可以保留人耳图像样本的大量类内和类间信息.同时,FSVM在支持向量机(SVM)的基础上引入隶属度参数,更加适合多类问题.实验结果表明,该方法与2DLDA相比具有更高的识别率.     

基于奇异值分解与小波变换的盲数字水印算法

提出了一种基于奇异值分解(SVD)和离散小波变换(DWT)的数字图像盲水印算法。对载体图像的二级DWT后的低频子带LL2进行2×2分块,对每一小块进行SVD分解,根据二值水印信息,采用量化步长S量化每小块的最大奇异值,将水印信息嵌入到载体图像。实验结果表明,该算法可以有效地抵抗剪切攻击、噪声攻击、滤波攻击、缩放攻击、JPEG压缩攻击等。     

一种基于混合域自适应灰度水印算法

为了在保证图像质量的前提下实施图像的版权保护,文章给出了一种新型的离散小波变换(DWT)和离散余弦变换(DCT)相结合的自适应灰度数字水印算法。该算法先对原宿主图像进行离散小波变换,选择中频部分作为待嵌入子带,然后对待嵌入子带分块并进行离散余弦变换,在每块包含DC分量的低频系数和部分中频系数上嵌入水印。此算法集DWT的多分辨特性和DCT的聚能作用以及去相关能力的共同优点;实验结果表明,该方法具有实用性强、鲁棒性好及可操作性强等优点。     

结合DWT变换的二元纯位相滤波器水印

提出了结合离散小波变换(discrete wavelet transfonn,DWT)的二元纯位相滤波器(binaryphase-only filter,BPOF)数字图像水印算法.首先对图像进行DWT变换,然后在DWT变换后的低频子带进行离散Fourier变换(discrete Fourier transforrn,DFT)变换,将DFT变换的相位信息二值化得到BPOF,并将其作为水印嵌入到相应的幅值中.与对图像整体进行DFT变换,并在其全频域或低频域嵌入BPOF水印相比,在保持嵌入水印的不可感知性和检测性能的同时,显著提高了抗JPEG压缩性能.该方法可用于图像真实性、完整性认证,仿真实验证明了算法的有效性.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

基于NSCT-PCNN变换的多传感器图像融合

针对同源和异源的多传感器图像的特征,提出了一种基于非下采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的新的图像融合算法。首先,用NSCT对已配准的源图像进行分解,从而准确地提取出了二维和更高维的边缘纹理信息;其次,对低频子带系数采用区域方差进行了整合,从而得到融合图像的低频子带系数,而对高频子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后通过对所有子带系数进行NSCT逆变换,从而得到了融合图像。实验结果表明,该方法优于Mallat小波方法和传统的NSCT方法,有更好的视觉效果。     

基于小波低频子带的奇异值分解的图像识别

提出一种基于小波低频子带的统一特征空间奇异值分解的人脸识别方法.首先利用小波变换提取人脸图像的低频子带,然后作傅立叶变换,获得低频子带的频谱;将低频子带的频谱投影到标准脸奇异值分解的统一特征空间,投影系数作为人脸识别特征;采用L_1距离进行最小距离分类,实验结果表明,该方法比统一特征空间奇异值分解方法可获得更高的识别率.     

基于双通道PCNN的NSST域红外与可见光图像融合

针对传统红外与可见光图像融合中存在的一些不足,提出一种新的基于非下采样剪切波变换(NSST)和双通道脉冲耦合神经网络模型(2APCNN)的红外与可见光图像融合算法.该算法首先对红外图像进行预处理,提高源图像的对比度,再对红外与可见光图像进行NSST分解得到低频和高频子带系数;然后对分解后的低频子带系数进行二维小波分解再次得到相应的低频和高频子带,低频部分采用一种基于显著图的融合策略,高频部分采用绝对值取大的原则,之后再对低频和高频采用小波逆变换得到NSST重构所需的低频部分;接着对NSST分解后的高频子带采用双通道PCNN进行处理;最后对处理过的低频和高频子带进行NSST逆变换得到最终的融合图像.几组图像的实验结果对比显示,该算法相比其他算法在客观评价指标和视觉效果上均取得了一定的改进.