基于Contourlet变换和PCA的人脸识别算法

为了减少光照、姿态变化对人脸识别的影响,提出一种基于Contourlet变换和PCA的人脸识别方法：首先利用Contourlet变换对人脸图像进行多尺度多方向分析,得到低频子带图像和高频子带图像,然后对分解后的低频子带和高频图像进行PC A分析,最后将提取出的低频特征以及高频统计特征组合成特征向量进行人脸识别。在orl人脸数据库和Yale人脸数据库上的实验结果证明：与PCA方法相比,该方法能够有效减少光照、姿态变化影响,提升人脸识别率。     

关于不可约非负矩阵的特征值问题探析

在数理经济学、概率论等多个领域的有关矩阵理论研究中,不可约非负矩阵至关重要.文章从关于正矩阵特征值的Perron定理出发,根据正矩阵与不可约非负矩阵的关系,将该定理加以改进推广,从而得出关于不可约非负矩阵特征值的一些有价值的结论.     

基于contourlet变换和模糊理论的多聚焦图像融合

研究一种基于contourlet变换和模糊理论的图像融合新算法.首先,对源图像进行contourlet变换;再对contourlet系数中低频和高频部分采用不同的融合规则,即低频部分采用基于模糊集的自适应加权融合方法,高频部分采用区域能量最大的方法进行融合;最后再通过contourlet逆变换,获得融合图像.实验结果表明该算法能够取得较好的融合结果.     

基于小波变换的多聚焦图像融合算法

提出一种基于小波空间频率的多聚焦图像的融合算法,该方法是在小波多分辨率分析的基础上,采用小波变换后的系数去定义待融合图像中的清晰度测量指标.对于明显的清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域.而对于清晰与模糊的边界区域,采用了基于像素的窗口空间频率的方法进行融合处理.融合结果表明,该方法是可行和高效的,且比其他图像融合方法具有更好的性能.     

翻转全对称矩阵及其特殊情况下的矩阵分解

在翻转矩阵概念的基础上,提出了翻转全对称矩阵,并讨论其性质,获得了一些新的结果,给出了翻转全对称矩阵在特殊情况下的分解,将其化成阶数较低的矩阵,从而可极大地减少翻转全对称矩阵的计算量与存储量.     

基于NSCT的图像消噪研究

针对CT变换缺少平移不变性会在图像消噪时产生伪Gibbs现象,提出了非下采样CT变换与自适应阈值法相结合的图像消噪法。实验结果表明,采用非下采样CT变换方法能有效地消除图像噪声,保存图像的纹理细节,提升图像信噪比,消噪效果优于传统小波及CT消噪效果。     

基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

一种有效的形态小波多聚焦图像融合算法

多聚焦图像融合的关键问题是如何更好地保持源图像的轮廓信息和细节信息。形态小波具有小波变换的多层次分解特性和形态学的非线性特性。提出了一种基于形态小波变换的多聚焦图像融合算法。根据形态小波分解信号的特点,分别对高频系数和低频系数设计不同的融合规则:高频系数采用方向相关方法,最大程度保留细节和细节信息的方向特性;低频系数采用加权平均方法,该方法轮廓明显,最大程度地保留了轮廓信息。实验结果表明:该方法融合图像效果优于传统图像融合方法。     

基于主成分分析变换和提升小波的图像融合

为了将低分辨率多光谱图像和高分辨率全色图像有效地融合,提出了主成分分析(PCA)变换和提升小波相结合的融合方法。小波提升后选用不同的融合规则对高低频成分进行融合,并与PCA+DWT和HSV+LWT融合法进行了比较,实验结果表明,该方法较好地保留了多光谱图像的光谱特性,提高了空间分辨率。     

基于IHS变换和形态小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和形态小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用形态小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像代替多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数分析评价分析表明,新方法的性能优于IHS变换融合、小波变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。     

基于小波变换的多聚焦图像融合

本文提出了一种新的基于小波变换的融合算法。此算法简单易行,既保留了图像的边缘特性和多聚焦图像的对比度特性,又有效地对两幅多聚焦的图像进行了融合。通过实验及结果分析,对这些方法保留图像的边缘特征和对比度特性进行了对比,得出了有益的结果。     

基于结构相似性的多源图像融合

对源图像进行小波分解,得到图像分解后的高频系数和低频系数,并且计算源图像的结构相似性。对于低频系数采用系数绝对值取大法进行融合;对于高频系数依据相似性大小对其进行融合,如果相似性大于设定阈值,则高频系数采用系数绝对值取大法,否则采用计算像素点边缘强度法进行融合,对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到更好视觉效果和更优的评价指标,融合效果优于对比实验中的小波方法。     

基于小波变换的图像融合算法及性能评价

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于FPGA动态可重构的图像融合算法。该方法对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像。核心算法集成到一片FPGA中实现,提高算法的实时性,降低系统的实际功耗,有效地减少融合图像的失真。对多组图像进行实验,实验结果表明,该方法是有效的。     

《复变函数与积分变换》的几点教学思考

复变函数与积分变换课程是本科院校非数学专业非常重要的一门专业基础课,从课程特点、学生特点、教学方法、课堂教学、课堂师生关系等方面提出了提高该课程教学效果的多种途径。     

一种基于有限脊波变换的数字图像水印算法

提出了一种基于有限脊波变换域实现图像水印的方法。其优点是良好的稳健性和层次性的检测方法。这种算法充分利用有限脊波变换的特点,把原始图像和水印分解成多频段的图像来嵌入水印。检测时,把加了水印的图像分解,通过计算处理每一层取得所有的有关信息。     

NSCT 变换域上的异源图像融合算法研究

给出了一种在非降采样轮廓波变换域上融合可见光与红外图像的算法。分析了融合机理,确定了融合策略,对实测可见光和远红外图像进行了融合,试验结果表明本文算法优于现有流行算法,在生产实践中有应用价值。     

一种基于小波变换的多尺度图像配准算法

在研究传统Harris角点检测算法的基础上,结合小波变换的多分辨率特性,提出一种基于小波变换边缘检测与Harris角点检测的多尺度图像配准算法。该算法保持了Harris角点检测算法在图像旋转、缩放或灰度变化时角点提取效果依然良好的优点,改进了其对噪声敏感且不具有尺度不变性的缺点,在不同尺度上有较高稳定性与匹配精准度,抗噪性较强。     

基于小波域图像融合的边缘检测算法研究

针对多聚焦度分析和部分有损图像分析中难以提前完整边缘信息的问题,提出了一种基于小波域图像融合的边缘检测算法。它是在小波变换多分辨率分析的基础上,运用图像融合及图像增强理论,使得小波子带边缘信息量最大化,再运用经典的Canny算子边缘检测算法最终实现图像边缘的检测。     

一种基于gamma分布的NMF算法及其在人脸识别中的应用

提出了一种基于gamma分布的NMF算法(GNMF),并将之用于人脸特征抽取.构造了特征子空间,并在特征子空间内实现脸部识别.结果表明,GNMF算法可行且有效,以GNMF为基础的人脸识别率较高.     

基于小波变换的低比特率图像编码研究

运用小波变换理论,结合人类视觉系统特性,提出一种基于SPIHT算法的低比特率图像压缩的改进算法.实验证明,该算法在平滑图像的压缩中有较好效果,在低比特率压缩下减少了Gibbs现象,边缘模糊现象得到改善.