基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。     

基于二维双树复数小波变换的图像去噪

目前小波变换在图像去噪中的应用取得了较好的效果。而二维双树复数小波变换由于其在平移不变性,方向性等方面的优势,要比可分离二维离散小波变换具有更好的图像去噪能力。因此我们提出采用二维双树复数小波变换进行图像去噪,仿真试验结果表明二维双树复数小波变换的去噪效果明显改善。     

基于双密度双树复数小波变换的图像去噪

针对双树复数小波方法对图像去噪效果不理想的问题，综合双密度双树小波和双树复数小波的变换机理，提出一种基于双密度双树复数小波变换的图像去噪方法．该方法将双树复数小波的6个方向提高到12个方向，采用该小波进行最优阈值去噪处理，图像噪声明显减少．仿真试验表明，该方法能有效消除图像噪声，与双树复数小波相比，去噪效果明显改善，均方误差减小了5．8％．     

辣椒的傅里叶变换红外光谱分析

笔者利用傅里叶变换红外光谱法对小尖椒,线辣椒及灯笼椒进行了快速无损鉴别研究。结果表明：小尖椒、线辣椒及灯笼椒均有自己的特征红外光谱。根据红外光谱谱峰形状和位置可以容易的鉴别不同种类的辣椒粉;根据谱峰位置和吸光度比可以区分小尖椒,线辣椒及灯笼椒;根据谱峰吸光度比有可能鉴别辣椒粉的不同品种。该方法具有快速、简便、不需对样品分离提取等特点。     

食用油的傅里叶变换红外光谱分析

利用傅里叶变换红外光谱对两种不同种类的食用油进行研究,采用液膜法进行相应的红外光谱分析.结果显示,食用油的傅里叶红外光谱在580～1100cm<'-1>范围内有所不同,差异性比较明显,同时,在一些吸收峰上各种类的食用油也有着自己的特征,傅里叶变换红外光谱在鉴别食用油方面具有方便、快速等特点.     

基于双树复数小波变换的图像清晰度判定

提出了一种新的图像清晰度评价方法.该方法基于双树复数小波变换,定义高频带与低频带2-范数的比值作为图像清晰度的判定准则.实验结果表明,所提出的方法优于传统的图像清晰度准则,区分效果好,评价结果更为准确、可靠.     

傅里叶变换及小波变换的工程应用

指出了傅里叶变换存在的问题,针对其存在的精确性低和不适用于非平稳信号两大问题展开了讨论,分析了几种提高谱质量的校正方法,对近几年得到迅速发展并形成研究热潮的小波变换技术的概念和其在故障诊断中的应用作了介绍。     

基于小波变换的K-L变换人脸识别方法研究

将K-L变换和小波变换相结合用于人脸识别的方法.即对人脸图像进行小波变换,用包含了原始图像的大部分信息的低频子带作K-L变换,相比原来方法,该方法得到了较好的识别率,同时也降低了运算量,但训练样本很大的时候.显得很重要.     

傅里叶变换红外光谱法检验护肤品样品

为了研究鉴别护肤品的方法,采用傅里叶变换红外光谱法分析了46种品牌的196个护肤品样品,并对不同厂家、不同品牌、不同系列以及不同批次的护肤品样本进行了区分。该方法操作简便,结果准确,重现性较好,所需检材用量少且不破坏检材,为护肤用品的检验提供了一种有效的手段。     

基于双密度双树小波变换的图像去噪

为了使图像的不同增量同时达到最优的去噪结果,本文提出了一种基于双密度双树小波变换的图像去噪方法.首先使用Vese和Osher的图像分解模型把图像分成结构和振荡分量,然后根据各个分量的不同特性进行双密度双树小波变换域阈值去噪.实验结果表明,本文方法不但有效的去除了噪声,而且去噪后图像的视觉效果更好.     

基于小波树和二维主元分析的人脸识别

为提高人脸识别率,结合小波树和子空间分析中的二维主元分析,提出基于小波树和二维主元分析的人脸识别算法(WTMPCA).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;分层次重组小波近似分量,得到新样本集;最后在此样本集上使用二维主元分析进行人脸识别.ORL和CAS-PEAL-R1人脸库的实验结果表明,与基于图像矩阵的二维主元分析(2D-PCA)相比较,WTMPCA方法的人脸识别率为96%,对光照条件、脸部表情变化有良好的鲁棒性.     

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.     

小波与多小波变换在支持向量机人脸识别中的研究

以ORL人脸库为基础,采用不同的小波和多小波,对人脸图像进行不同层次的小波和多小波分解,提取低频分量作为特征向量,利用支持向量机(SVM)进行人脸识别,通过实验具体给出了在采用不同的小波和多小波对人脸图像进行不同层数的小波分解时,支持向量机的识别率,该文对实际应用具有良好的指导价值和参考价值.     

基于决策融合的红外人脸识别方法

提出了一种基于决策融合的红外人脸方法。分别通过离散小波变换＋主元分析＋线性辨别分析、二维PCA方法、离散小波变换＋傅里叶变换3种方法将测试图像进行分类，得到3个结果，然后将这3个结果进行融合得到最终的识别结果。实验结果表明：本文提出的方法更能利用人脸图像的有用判别信息，并得到更好的识别效果。     

基于拉普拉斯模型的双树复小波域图像降噪

分析了图像复小波变换的特点,根据复小波系数服从拉普拉斯分布的特性,采用最大后验概率估计,推导出一种复小波域的软阀值去噪方法。在实验中,分别与图像小波域、复小波域的高斯概率分布模型的去噪方法进行对比分析。结果表明,文中的去噪方法,在去除噪声的同时更好地保留图像的细节信息,且峰值信噪比有所提高,取得很好的降噪性能。     

基于小波变换和2DPCA的人脸识别

主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:2DPCA)直接处理图像数据,不需要向量化的过程,2DPCA降低了计算复杂度,但是2DPCA与PCA相比,需要存储更多的系数,即要占用更多的存储空间.本文提出了一种基于小波变换和2DPCA的人脸识别方法,可以克服上述缺点,实验结果证明了该方法的有效性.     

基于小波子带的PCA人脸识别方法研究

随着人机接口和识别技术的不断发展，人脸识别已经成为一门很活跃的研究领域。如今，PCA(主成份分析)已应用在许多人脸库的识别中，并取得了很好的效果。然而，PCA有它的局限性：大的运算量和较低的判别能力。针对这些缺点，文中提出了一种新的算法，将PCA运用在小波子带上，用包含了原始图像的大部分信息的低频子带作PCA。和传统的方法相比较，该方法得到了较好的识别率，同时也降低了运算量。当训练样本很大时，这点就显得尤为重要。     

基于模型匹配人脸识别的研究

提出了基于模型匹配的人脸识别方法.利用人的脸部特征规律建立一个立体可调的模型框架,在定位出人的脸部位置后用模型框架定位和调整人的脸部特征部位,着重于解决人脸识别过程中的观察角度、遮挡和表情变化等因素影响.     

基于小波变换和非负矩阵分解的人脸识别改进方法

针对NMF在识别人脸图像特征时分解速度慢,基空间不适应欧氏距离度量的缺点,提出了一种基于小波变换和非负矩阵基矩阵正交化的人脸识别方法.利用小波变换对人脸图像进行变换,选择LL分量既能抽取到人脸的实质特征又能有效减小数据维数,降低NMF分解的复杂性.同时对NMF的基矩阵实施正交化变换,在得到的正交基上进行投影.实验结果表明,该方法对光照变化、表情变化和部分遮罩不敏感,识别性能明显提高.     

基于MMP-2DPCA 的人脸识别方法

提出了一种基于二维小波分解和融合多特征的2DPCA(简称MMP-2DPCA)人脸识别方法.该方法对于人脸表情变化不敏感,能够很好地压缩和表征原始人脸图像;融合图像既能反映人脸的全局特征,又能反映人脸的局部特征,具有更强的表达能力和判别能力.在ORL人脸库上的实验表明:MMP-2DPCA方法具有有效性.