Fourier变换和Gabor变换与小波变换的比较研究

对Fourier变换、Gabor变换和小波变换进行比较.从Fourier变换的定义出发,进行分析阐述,指出了Fourier变换不具有局部化分析的功能以及时频完全分离的缺点;通过对Gabor变换的核函数进行时频两域分析,说明了它品质因数是不恒定的以及它的一些缺陷;最后对小波变换的核函数进行分析,论述了小波变换具有品质因数恒定和多分辨率分析等优点.     

Fourier变义换和Gabor变换与小波变换的比较研究

对Fourier变换、Gabor变换和小波变换进行比较。从Fourier变换的定义出发，进行分析阐述，指出了Fburier变换不具有局部化分析的功能以及时频完全分离的缺点：通过对Gabor变换的核函数进行时频两域分析，说明了它品质因数是不恒定的以及它的一些缺陷；最后对小波变换的核函数进行分析，论述了小波变换具有品质因数恒定和多分辨率分析等优点。     

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.     

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PCA＋2DPCA的人脸识别方法分析

阐述了基于主成分分析（Principal Component Analysis,PCA）和二维主成分分析（2DPCA）的人脸识别方法,分析了该方法在矩阵理论中的来源和算法,提出了PCA＋2DPCA分析方法,并采用2DPCA求出特征向量,PCA进行最优压缩,从而降低了维数.     

结合Gabor小波变换与2DKDA特征提取的人脸识别

提出了一种结合Gabor小波变换和二维核判别分析(2DKDA)的新型特征提取方法.算法首先对人脸图像进行Gabor变换,然后通过二维核判别分析进行特征提取,可以很好地保留图像的几何特征和非线性特征.通过在标准人脸数据库上的测试表明,该方法较其他传统的二维特征提取方法具有更高的识别效率.     

改进的Gabor变换图像纹理特征提取方法应用研究

提出一种具有近似旋转不变性的改进Gabor小波变换纹理特征提取方法,由小波变换系数模的均值和标准方差组成特征向量表示图像内容,利用10幅Brodatz纹理图像经过旋转、分割组成的图像数据库进行了检索测试,并与传统Gabor变换和二元树复小波变换特征提取方法的分类结果进行了比较分析,实验表明本文方法有效地提高了图像检索精度.     

基于小波变换的混合图像编码方法

提出了一种新的静止图像压缩算法－基于小波变换的混合图像编码方法。该算法综合了多种编码方法的优点。经实验表明：在高压缩比的情况下，本算法仍能获得满意的图像质量，优于目前已有的其它算法。     

基于模块C-2DPCA算法的人脸识别方法

提出了基于模块化完全二维主成分分析(modular C-2DPCA)算法的人脸识别方法,该方法首先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于鉴别分析,由于直接基于二维子图像矩阵,能方便地降低鉴别特征的维数,在特征提取过程中可以避免使用矩阵的奇异值分解,方法简便.该方法与改进前完全二维主成分分析(C-2DPCA)方法在ORL人脸数据库上的仿真识别效果比较表明,改进后的方法在保持较高识别率的前提下鲁棒性有很大提高.     

基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

人脸表情识别的Gabor变换最优通道模糊融合方法

根据Gabor小波的多方向、多尺度性质,将其分成13个通道。利用各个通道对表情识别率贡献不同的特点,提出了一种最优通道模糊积分融合的人脸表情识别算法。首先,提出最优通道选取的三条原则,根据这三条原则选取出3个最优通道;然后,提取表情图像经过最优通道的Gabor特征,并进行降维处理;最后,将每个最优通道作为一个分类器,用基于模糊积分的多分类器联合的方法对它们进行融合处理。在JAFFE库上进行测试取得了94.41%的识别率,验证了该算法的有效性。     

基于Gabor特征和EHMM的人脸识别方法

针对传统人脸识别方法在受到表情、姿态和光照等影响时存在鲁棒性差的问题,提出了一种改进的人脸识别方法.在特征提取上,该方法首先提取人脸的Gabor特征,接着利用DCT(discrete cosinetransform)压缩使得相似特征得到聚合,最后利用PCA(principal component analysis)分别...     

基于改进的2DPCA对近红外人脸图像的识别方法

基于二维主成分分析（two dimensional principal component analysis, 2DPCA）算法与近红外人脸识别方法, 提出一种双向2DPCA算法和双向对称2DPCA
算法, 得到了识别率更高的人脸识别方法, 解决了环境光照对人脸识别的影响.     

一种基于多通道Gabor小波与2DFLD的人脸识别方法

为了降低人脸图像的Gabor特征的维数,提高计算效率,提出了一种多通道Gabor小波与二维Fisher线性判别(Two-dimensional Fisher linear discriminant,2DFLD)相结合的人脸识别方法.在每个通道用2DFLD进行特征提取和分类,然后进行决策融合以便决定测试人脸的类别.在CAS-PEAL-R1与ORL人脸数据库上的试验结果表明,所提出的方法具有较好的识别性能,尤其在CAS-PEAL-R1人脸数据库的表情子库上,所提出的方法的最佳识别率能达到99%以上.     

一种局部保留C2DPCA人脸特征提取方法

 首先分析了主成分分析(PCA)、二维主成分分析(2DPCA)以及完全二维主成分分析(C2DPCA)存在的不足,针对PCA方法不能解决的小样本问题以及2DPCA和C2DPCA存在对所有识别信息都采用同等对待的不足,提出了局部保留的C2DPCA方法,此方法首先将人脸图像划分为5个区域,并对双眼、嘴唇和轮廓进行保留,其它部分采用降低其散列度的方式进行处理,然后再采用C2DPCA方法进行数据降维和特征提取,经过在ORL人脸数据库上实验研究表明,与C2DPCA相比在进一步降低了特征矩阵的维数的基础上又提高了识别率,并且在识别率方面优于经典的Fisherfaces和ICA方法.     

基于小波变换的双通道语音增强

运用噪声对消法的基本原理,通过小波变换对染有噪声的语音信号进行了消噪处理,并取得了一定的效果。     

基于小波变换的传声器阵列语音增强方法

针对现有的基于传声器阵列语音增强算法的局限性，并考虑到入耳听觉感知模型，提出一种将延迟-求和波束形成技术和小波变换技术相结合进行语音增强的方法，该方法首先利用延迟-求和波束形成技术将阵列中各个传声器接收到的信号进行时间延迟补偿，并对各通道信号相加-平均，消除一部分不相干或弱相干噪声；然后再利用小波变换技术进一步去除噪声，计算机模拟结果表明，该方法具有良好的消噪能力。     

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.     

基于Gabor滤波器和广义对称变换的指纹增强算法

在传统Gabor滤波器的基础上,引入广义对称度,综合考虑指纹图像中脊线的对称性、方向选择性与频率选择性,提出了一种结合对称性和Gabor滤波器的指纹图像增强新算法.实验表明,该算法能够准确地定位指纹图像的细节点.     

基于Gabor小波的全局运动估计方法

通过Gabor小波变换(GWT)提取特征点的能量，以能量决定的概率分布来确定特征点的选取，从而在一定程度上消除光照条件变化和帧内噪声的影响，得到更为稳健的特征点．通过去除邻接的特征点，减少了计算量，同时提高了块匹配的精度．实验结果表明，提出全局运动估计方法的算法是稳健可靠的．