基于小波变换的眉毛识别方法

提出了一种基于小波变换的眉毛识别方法.该方法利用小波变换进行眉毛特征提取,选取奇偶行三层小波变换的高频、水平分量、垂直分量和整体二层小波变换的低频部分作为特征,利用最近邻法则进行识别.实验结果对比表明,该方法简单且识别率较高.     

快速Haar变换算法的实现技术

从软件工艺设计的角度出发，根据快速Ｈａａｒ变换算法的特点，运用指针交换以及二进制位操作等方法，给出了快速Ｈａａｒ变换的实现技术，保证了辅助操作步骤的减少和快速变换的迅捷。     

光学Haar小波变换的数值模拟

以Haar小波为例,对光学小波变换过程进行数值模拟．模拟程序包含原图像的读取、Haar小波的构造、频谱变换、空间匹配滤波等内容,能够模拟Haar小波对图像边缘增强过程．通过改变Haar小波的宽度,分析了不同尺度小波的光学变换结果．同时,还提出了Haar小波的二次滤波方法,图像的边缘得到进一步增强．     

基于Haar小波变换和分块DCT的人耳识别

提出一种新的对人耳图像进行降维的方法。先对人耳图像进行二维的离散小波分解,然后再对小波分解后得到的低频信息施行分块离散余弦变换,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的PCA-LDA方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效的手段。     

二维非均匀正交Haar小波基

该文研究了二维非均匀正交Haar小、波基的结构。利用张量积定义了二维Haar尺度函数与二维非均匀正交Haar小、波基,并且定义了与尺度函数和小波基相关的非均匀正交多分辨分析,最后给出了二维函数f（x,y）在非均匀正交Haar小波空间中的分解与重构公式。     

整数Haar变换结合DPCM的无失真图像压缩

讨论了整数Ｈａａｒ小波的构造方法,在此基础上提出了一种整数Ｈａａｒ小叔与ＤＰＣＭ相结合的无失真图像编码方法,该方法运算速度快、硬件实现简单,与ＡＲＪ和ＪＰＥＧ中使用的无失真编三方法相比,压强比平均提高了１２％左右。     

基于Haar变换的数字水印

利用DWT中的Haar变换,将水印信息嵌入到变换城中,制作用于版权保护的透明水印,然后再提取出夹．     

整数Haar变换结合DPCM的无失真图像压缩

讨论了整数Ｈａａｒ 小波的构造方法,在此基础上提出了一种整数Ｈａａｒ 小波与ＤＰＣＭ 相结合的无失真图像编码方法,该方法运算速度快,硬件实现简单,与ＡＲＪ和ＪＰＥＧ 中使用的无失真编码方法相比,压缩比平均提高了１２ ％ 左右     

基于希尔伯特黄变换和决策树的电压暂降源识别方法

电压暂降源的准确识别对治理电压暂降问题和改善电能质量具有重要意义。雷击故障和普通故障造成的电压暂降特征不同,对电网的影响有差异,相应的治理措施也不同。传统的暂降源识别主要考虑了短路故障、变压器激磁和大型电机启动三类暂降源,将雷电冲击单独列为一类进行识别,提出一种基于希尔伯特黄变换(Hillbert-Huang transform, HHT)和决策树的暂降源识别方法。基于HHT变换后的曲线差异提取分类特征,并通过构建分类决策树自适应确定特征阈值。使用PSCAD/EMTDC搭建了普通故障、雷击故障、变压器激磁和电机启动四类暂降源仿真模型,通过仿真验证并与现有识别方法对比分析以及实际应用结果表明,所提方法简单有效、识别准确率高、有实用价值。     

边Haar子波的光学实现及图像边特征提取

提出一种应用４ｆ 系统制作边 Ｈａａｒ 子波匹配滤波器从而实现光学子波变换的新方法．在傅里叶平面引入正弦光栅,使输入平面两个方孔的正负一级衍射像边缘密接,且位相相反,达到子波要求的极性．给出了理论分析和提取图像边特征的实验结果．     

基于Wiener滤波,K-L变换和BP网络的数字识别

研究基于传统模板匹配的识别灰度图像中数字的方法.在对大量样本图像模板进行Wiener滤波的基础上,利用K-L变换进行特征提取,用低维子空间描述高维空间中的图像.将低维子空间中的向量加载到BP网络的输入端进行训练,调整神经网络权值.权值稳定后,在网络输入端加载经过预处理的待识别灰度数字图像,在输出端即可得到识别结果.该方法有效地利用了Wiener滤波器以最小方差对原始信号的恢复能力、K-L变换的降维特性和BP学习网络所擅长的数据映射处理能力.     

基于正交邻域保持投射的DT-CWT特征人脸识别

为了有效地利用双树-复小波变换(DT-CWT)进行人脸识别,提出一种将DT-CWT与正交邻域保持投射(ONPP)相结合的方法.先通过DT-CWT得到具有空间、频率以及方向特征的人脸特征表示,然后使用ONPP对特征向量进行线性降维,有效地保持了数据的局部与全局的几何特征,最后进行识别测试.实验结果表明,基于DT-CWT的ONPP算法可以在特征维数有效降低的前提下很好地完成人脸识别任务.     

基于小波变换的模糊目标识别

针对图像处理问题中的模糊性问题,在不确定因素分类与影响分析的基础上实施去模糊处理,并与其他图像的降噪处理作比较.利用仿真实验系统地分析模型与算法的有效性;然后,利用小波变换对图像进行分解,提取小波系数和图像的能量特征,给出匹配与识别方法,通过实验与现有主要的目标识别方法作比较.结果表明,该识别法的识别精度高、速度快,比现有的目标识别方法的识别率平均提高了5.16%.     

图像识别技术在活塞装配自动识别系统中的应用

介绍了应用数字图像处理与识别技术检测活塞装配质量问题。针对在工作现场采用CCD摄像机采集的活塞图像，结合模板匹配、阈值分割、特征提取、模式识别等算法，通过适当的处理和分析，对活塞图像中目标文字进行自动检测与识别，最终实现了对活塞装配质量的机器自动识别。实践证明，该方法具有一定的快速性和实用性。     

基于正态分布变换的多位姿手掌部三维静脉识别

研究基于三维点云匹配的多位姿手部静脉识别.考虑手部静脉点云的特点,结合双目视觉原理,建立了一种结合三维特征阵列和静脉点云的扩展数据库,提出了一种基于三维特征阵列的静脉点云粗配准算法.在双目静脉图像中提取稳定特征并重建为三维特征,根据三维特征匹配结果初步消除静脉点云位姿差异.并采用改进的正态分布变换算法完成静脉点云匹配.实验表明,本文算法能够有效提高多位姿下的静脉点云识别率,即使手部位姿变化范围较大时,系统的识别率仍超过90%.      

正交小波变换的残余相关分析

构造了正交小波变换矩阵，分析了平稳模型和非平稳模型下正交小波变换的残余相关特性．实验结果表明，对于非平稳信号，正交小波变换的去相关性能好于离散余弦变换；而对平稳信号，正交小波变换性能较差，因此，在数据压缩应用中，应使用正交小波变换与其它经典变换相结合的编码方法     

Haar小波的离散化消噪方法及其应用

介绍一种Haar小波离散化消噪方法,并应用该方法进行信号和图像消噪处理.首先将信号或图像用该方法实现计算机的离散化抽样取点,然后结合小波阈值方对含噪信号或图像用Haar小波作消噪处理,并进行离散平滑,实现连续小波离散化处理.该方法对信号和图像的消噪处理的效果好,具有广泛应用的价值.     

字符图像识别的分布加权模板匹配方法研究

使用标准模板匹配识别算法对图像中的字符进行识别时,图像中的背景噪声会导致识别准确率较低.为了提高识别准确率,提出一种基于分布加权的模板匹配识别算法,在获取图像与模板在对应的各个像素点上的匹配情况后,根据点间距分别对匹配点和不匹配点进行聚类,将聚集在一起的点划分到同一个分组中,根据聚类结果对不同组内的点设置不同的权重值,再计算图像与各个模板的匹配度,将匹配度最高的模板代表的字符作为识别的结果.实验结果证明,此算法提高了对有背景噪声的字符图像进行识别的准确率.