基于改进的广义K-L变换的掌纹识别

提出了一种基于改进的广义K-L变换的掌纹识别方法.在主成分分析思想的基础上,改进后的广义K-L变换把样本的类间信息也加入到算法的分类过程中,相对于广义K-L变换,识别效果得到了提高.将原始图像投影到一个由图像的类间散布矩阵的特征向量所构成较低维的特征子空间中,在这个特征子空间中,用欧式距离来对分属于不同手掌的掌纹图像进行分类.基于不同的特征长度和训练样本数,做了一系列的实验,最佳识别率达99 17%.     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

基于K-L变换的掌纹自动识别

掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 K- L变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和鲁棒性得到了进一步提高。     

高分辨率掌纹图像的分割

研究了高分辨率掌纹图像的分割方法问题,将均值、标准差作为标准,实现了由纹线组成的掌纹图像的前帚分割。对于手指部分的干扰,将其分为孤立的手指部分和与手掌相连的手指部分分别进行处理,利用区域生长法提取最大连通域达到去除孤立手指部分的目的;利用轮廓跟踪法比较CD、PD距离,定位与手掌相连的手指部分的位置,从而实现将其去除的目标。实验结果表明,该方法很好地实现了高分辨率掌纹图像的分割,为后续的特征提取工作奠定了基础。     

基于脊波变换的掌纹识别方法

提出一种基于脊波变换的高分辨率多尺度特征提取算法, 并在此基础上设计一种由粗到精的分级匹配方法, 改善了高分辨率下掌纹特征的匹配速度. 理论和实验结果验证了该方法的有效性.     

基于小波变换的纹理识别

利用小波变换在时、频域同时具有良好的局部化性质,提出由小波变换得到的多分辨率表示来进行纹理识别.通过对肝脏B超图象进行分类,结果表明,本文提出的方法具有分类精度高的特点.     

基于小波变换的圆谐联合变换相关器

将小波变换应用于圆谐联合变换相关器作旋转不变的目标检测。与高通滤波的圆谐联合变换相关器相比,其输出相关峰宽度、识别力、峰噪比和旋转不变性都有较大改善,小波函数采用改进的Ｍｅｘｉｃａｎ－ｈａｔ小波,圆谐联合变换相关器采用直流偏置型,给出计算机模拟实验结果。     

基于小波和Beamlet变换的图像线特征提取

Beamlet变换是多尺度几何分析的有效工具之一。本文提出了一种基于小波变换和Beamlet的图像线特征提取算法,利用小波变换凸显图像的线特征,再通过Beamlet变换提取图像线特征,实验结果表明了该方法有效。     

基于小波变换的纹理特征提取

提出了一种利用小波分解图像来提取图像纹理特征的方法,指出该方法有效提高了检索准确性,且检索效果较好。     

基于小波变换的语音信号的特征提取

本文将小波变换用于语音信号目标特征的提取,利用小波变换对语音目标进行小波包分解后提取各频带内的能量特征作为特征向量。实验表明,小波变换使信号的频率特征得到增强,且压缩了特征空间的维数,具有很好的语音信号分类效果。     

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.     

基于小波包变换的一种降噪算法

白噪声的方差和幅值随着小波变换尺度的增加会逐渐减小 ,而信号的方差和幅值与小波变换的尺度变化无关。因此 ,文章提出一种以小波包能量为基础 ,以降低原始信号与降噪后信号之间的均方误差 (MSE)为目标的基于小波包的降噪算法 ,并与传统的 Donoho的硬阈值降噪算法作了比较。仿真结果表明 ,该算法可以有效去除白噪声干扰 ,并且明显优于传统的 Donoho的硬阈值降噪算法。     

基于小波模极大值的数字水印算法

目的针对传统数字水印技术的有限性,实现一种新的数字水印算法。方法新算法以小波变换为基础,对原始图像和水印图像进行小波变换,将水印信息嵌入到中频系数中。结果实现了二维彩色图像将为水印信息嵌入到二维图像数据中。结论实验证明,新算法在对彩色图像进行水印处理方面达到较好的效果,具有较好的健壮性。     

一种基于小波变换的图像去噪方法

利用小波系数在相邻尺度上的相关性关系，针对小波系数估计中硬阈值方法和软阈值方法的缺点，通过对双重量收缩函数得到的阈值乘以一个合适系数进行修定的折衷方法，提出了一种新的小波域局部自适应去噪算法。实验结果表明，该方法既可以去除噪声，又可以较好地保留图像的高频细节特征。     

基于小波包变换的超声回波信号特征提取

超声检测技术中,缺陷的定性分类这一技术难题至今尚未得以彻底解决。文章介绍了一种基于小波包变换的多尺度空间能量特征提取方法,并对实测的超声缺陷回波信号进行了特征提取;进而采用基于距离的类别可分性判据对提取结果进行了评价。结果表明:该方法提取的缺陷回波信号特征值,其可分性测度均值达91.7%,从而证明该方法对超声检测缺陷回波信号的特征提取是相当有效的。     

基于小波变换的图像自适应水印

提出了一种基于小波变换的图像自适应水印嵌入方法。此方法对原始图像进行小波分解,在每一个低频系数中嵌入一位水印信息,嵌入时根据低频逼近系数和高频系数的特点以及树结构关系,给每一个低频系数确定一个相关掩蔽参数,并用此参数控制其对应低频系数嵌入水印时的相对修改强度。实验表明：使用该方法嵌入的数字水印具有很好的隐蔽性,感觉不到对原始图像的影响。同时,嵌入的数字水印具有较理想的鲁棒性,常规的图像处理方法对其影响甚弱。     

基于小波变换的信号去噪处理

小波变换是信号处理中一个十分有用的数学工具。基于小波分析理论,本文采用软阈值法滤除与有用信号频率相近的噪声信号,取得了很好的滤波效果。并通过实时数字仿真系统验证了这种方法的有效性。     

利用改进曲波变换特征提取的 CBIR 算法

针对Gabor变换(Gabor transform,GT)和使用àtrous小波变换(wavelet transform,WT)分解图像的曲波变换不能准确地采集图像中边缘信息的问题,提出一种改进曲波变换(improved curvelet transform,ICT)特征提取的CBIR(content based image retreval)算法.ICT使用脊波变换作为一个组成步骤,使用Gabor小波过滤器的过滤器组实现曲波子带,使用词汇树索引每幅图像的描述符向量,即能量直方图向量.在Corel收集的1 000幅图像上的实验结果表明:提出的算法对数据库中恐龙图像的检索精度可高达97.20％,平均精度比Gabor变换的CBIR算法和使用atrous小波变换的CBIR算法分别提高至少18％,23％,算法ICT的平均召回率为37.40％,远优于GT算法(27.13％)和WT算法(30.70％).在加权平均精度、平均精度、平均检索率和平均秩方面的显著改进使提出算法拥有很好的实用性.