基于2DGabor小波与2DPCA的人脸识别方法

2DGabor小波变换能够将相邻区域的像素联系起来,从不同的频率尺度和方向反映局部范围内图像像素灰度值的变化,2DGabor小波变换系数描述了图像上各给定位置附近区域的灰度特征。2DPCA方法,避免了从图像矩阵向一维向量的转换,并在人脸识别中获得了满意的效果。提出了2DGabor小波变换和2DPCA相结合的人脸识别方法,实验证明,2DGabor小波变换＋2DPCA的算法在识别效果上优于Gabor小波变换＋DPCA的算法。     

基于小波变换与Boosting的人脸识别方法

文章首先对人脸图像做三层小波变换,分析了小波分解后的各个小波子带图像,研究了每一个小波子带单独运用主成份分析方法进行人脸识别的识别率,然后利用Boosting算法中的投票组合原则,组合各小波子带来进行人脸识别,与传统的主成份分析方法相比,具有更高的识别率.     

基于小波变换和支持向量机的人脸识别系统设计

小波变换能够充分突出某些特征的主要特点,通过小波变换可以将一张高维数的图片变换成低维数的图片,且人脸识别所需要的主要特征保持不变,通过主成份分析可以进一步降维。改进了基于小波变换和主成份分析提取特征〖JP〗向量的人脸识别方法,开发了基于小波变换及支持向量机的人脸识别系统,实现了对普通图片和视频的人脸识别。     

一种基于小波和DCT的人脸识别算法

提出了一种基于小波变换和离散余弦变换(Discrete Cosine Transform DCT)的人脸识别方法,它通过对经过小波变换的人脸图像的低频图像进行DCT变换,从而获得原始图像的频谱图像,然后利用最近邻法进行分类,在ORL人脸数据库上的实验表明这样的方法能够获得比传统主成分分析(Principal Components Analysis PCA)更好的识别性.     

基于小波变换的遥感图像融合方法

概述了图像融合技术的常用方法,着重介绍了基于小波变换的图像融合原理、融合算法与融合规则,并分析了不同的小波基及小波分解层数对图像融合效果的影响,最后总结了有效的图像融合结果的评价指标。     

一种基于小波树和主元分析的人脸识别

为提高人脸识别率,提出一种小波树和主元分析的人脸识别算法。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,并对该近似分量进行二次小波分解,相应地计算出各小波近似分量;其后对三层分解的小波近似系数进行重新组合,得到新样本集;最后在此样本集上使用主元分析进行人脸识别。ORL和CAS-PEAL-R1人脸库的MATLAB程序仿真实验结果表明,与基于图像矩阵的二维主元分析(2D-PCA)相比较,新方法的人脸识别率为95%,对光照条件、脸部表情变化有良好的鲁棒性。     

一种基于小波图像去噪算法应用中分解层数的确定方法

本文针对小波分解层数在图像去噪过程中非常重要这一事实,结合多方向、多尺度图像去噪算法给出了一种基于多阈值的分解层数确定方法.并通过仿真实验验证了确定分解层数的重要性及本文所给出方法的有效性.     

新的基于奇异值分解和小波变换的图像水印技术

基于传统的奇异值分解技术和小波变换技术,这里将两种技术相结合,提出了一种新的数字图像水印技术。将灰度水印图像嵌入到了载体小波变换分解后的中频子带。仿真实验结果表明,该算法比较有效,能够抵抗多种攻击,具有较好的鲁棒性和透明性。     

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。     

基于小波变换的图像压缩技术的分析研究

在当代高度信息化的社会中,随着计算机技术和网络通信技术的飞速发展,图形和图像在信息传播中所起的作用越来越大。本文主要介绍了数字图像压缩的基本原理及其发展,重点研究了小波编码。通过对图像进行小波变换后的特点研究,并利用MATLAB提供的小波工具箱来实现图像的压缩,并由此提出了自己的见解。     

一种改进的核二维主成分分析人脸识别算法

结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。     

改进的人脸识别主分量分析算法

在应用于人脸识别领域的主分量分析(PCA)算法中,为了降低与外界光照变化相关的特征向量对提取特征的影响,提出了一种改进的主分量分析(MPCA)算法,利用相对应的标准方差对提取的特征矢量元素进行归一化处理.采用耶鲁大学的2个人脸数据库(Yale face database和Yaleface database B)进行了验证,实验结果表明,对于正面人脸和具有小角度姿态变化情况下的人脸,提出方法的性能优于传统的PCA和LDA(线性判别分析)算法,而运算量和PCA算法相同,大大低于LDA算法.     

Blind separation of speech signals based on wavelet transform and independent component analysis

Speech signals in frequency domain were separated based on discrete wavelet transform （DWT） and inde- pendent component analysis （ICA）. First, mixed speech signals were decomposed into different frequency domains by DWT and the subbands of speech signals were separated using ICA in each wavelet domain; then, the permutation and scaling problems of frequency domain blind source separation （BSS） were solved by utilizing the correlation between adjacent bins in speech signals; at last, source signals were reconstructed from single branches. Experiments were car- ried out with 2 sources and 6 microphones using speech signals at sampling rate of 40 kHz. The microphones were aligned with 2 sources in front of them, on the left and right. The separation of one male and one female speeches lasted 2.5 s. It is proved that the new method is better than single ICA method and the signal to noise ratio is improved by 1 dB approximately.     

基于主分量分析的数字水印

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　Ｗｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｍｐｕｔｅｒｎｅｔｗｏｒｋａｎｄｍｕｌｔｉｍｅｄｉａｔｅｃｈｎｏｌｏｇｙ,ｄｉｓｓｅｍｉｎａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｆｏｒｍｓｏｆａｕｄｉｏ,ｖｉｄｅｏａｎｄｓｔｉｌｌｉｍａｇｅｈａｓｂｅｃｏｍｅｗｉｄｅｓｐｒｅａｄ.Ｔｈｅｐｒｏｂｌｅｍｏｆｄａｔａｐｉｒａｃｙａｎｄｃｏｐｙｒｉｇｈｔｂｒｅａｃｈｉｓａｍａｊｏｒｃｏｎｃｅｒｎｗｈｅｎｉｎｆｏｒｍａｔｉｏｎｉｓｔｒａｎｓｍｉｔｔｅｄｏｖｅｒｎｅｔｗ…     

基于主成分分析的荧光分子断层成像

随着全角度非接触式成像系统的开发与应用,较大规模的多投影荧光数据能够降低荧光分子断层成像(FMT)重建问题病态性,提高重建图像质量,已广泛应用于逆问题。但采用如此大规模的数据进行重建需要消耗大量的计算内存和花费较长的计算时间。为了解决该问题,采用主成分分析对原始FMT投影数据降维,在此基础上结合稀疏正则化算法进行重建。设计了圆柱仿真实验和数字鼠仿真实验。实验结果表明,在不影响重建结果的前提下,经过主成分分析降维后投影数据规模减小,FMT的重建时间缩短大约10倍。     

Watermarking on 3D mesh based on spherical wavelet transform

In this paper we propose a robust watermarking algorithm for 3D mesh. The algorithm is based on spherical wavelet transform. Our basic idea is to decompose the original mesh into a series of details at different scales by using spherical wavelet transform; the watermark is then embedded into the different levels of details. The embedding process includes: global sphere parameterization, spherical uniform sampling, spherical wavelet forward transform, embedding watermark, spherical wavelet inverse transform, and at last resampling the mesh watermarked to recover the topological connectivity of the original model. Experiments showed that our algorithm can improve the capacity of the watermark and the robustness of watermarking against attacks.     

Watermarking on 3D mesh based on spherical wavelet transform

INTRODUCTIONTherapidgrowthofdigitalmediaoverInternetprovideseverybodywiththefacilityofeasyaccess,copy,editanddistributionofdigitalcontentssuchaselectronicdocuments,images,soundsandvideos.Thereisurgentdemandfortechniquestoprotectthecopyrightoftheoriginaldigitaldataandtopreventunauthorizedduplicationortampering.Digitalwatermarkingordatahidingisonesolutionforthecopyrightprotectionofdigitaldata.Digitalwatermarkingisaprocessbywhichauser-specifiedsignal(watermark)ishiddenorembeddedintoanothersi…     

基于主成分分析法的奥灰富水性评价

针对因钻孔单位涌水量数据严重不足而无法评判整个井田奥灰含水层富水性的实际情况,选取了新汶煤田良庄井田井下奥灰水文孔钻孔涌水量、影响煤层安全开采的奥灰上部马家沟组上段含水层厚度、井田内断层分维值、井田内褶皱分维值和奥灰上部峰峰组含水层深度5个影响因素,作为评价奥灰富水性的指标,采用主成分分析法从这5个因素中提取出主控影响因素并获得对应的权重,建立了富水性指数的数学模型。通过确定分区阈值,绘制了以富水性指数为依据的良庄井田奥灰富水性分区图,为煤矿的安全开采提供基础资料。     

一种基于小波变换的多尺度铅笔画生成算法

近年来,非真实感绘制技术(non-photorealistic rendering,即NPR)在娱乐视频、医学等方面都有广泛的应用。现存的许多自然图像铅笔画生成算法,效果都不太理想,存在如铅笔画边缘线条粗重或者层次不够突出、缺少细节等一系列问题。在分析了传统的铅笔画生成算法的基础上,提出了一种改进的自然图像的铅笔画生成算法。该算法仿照艺术家手工绘制铅笔画的过程,使用小波变换的多尺度方法生成铅笔线条轮廓图,使得到的线条轮廓图保留了更多的细节信息且边缘线条不会十分粗重;再利用直方图匹配的方法得到与艺术家手工绘制铅笔画相同的色调,并使用一个优化将色调与铅笔画的纹理图结合从而得到色调纹理图;最后将线条轮廓图与色调纹理图合并得到效果良好的铅笔画。通过将该算法应用在各类图像上,发现由该算法得到的铅笔画效果与现存铅笔画生成算法相比,不仅保留了更多的细节,而且更加接近艺术家手工绘制的铅笔画。     

基于主成分分析的模糊支持向量分类器

由于孤立点和原始样本的选取对于支持向量机的分类性能具有较大的影响,所以本文旨在设计一种区别于以往的支持向量机的算法来解决这个问题。首要步骤是通过主成分分析法对原始数据样本进行处理,以达到用最好的方式对原始数据进行表达,从而达到使高维特征空间的维数降低的目的。然后使用类均值法,依据样本在特征空间的投影到特征空间中本类样本均值的距离,来确定其模糊隶属度,为达到使孤立点对最优分类超平面的影响最小,本文通过赋予较小隶属度的方式来实现这一目标。通过进行仿真实验,我们可以发现,这种算法能够比较有效地降低分类误差,而且在一定程度上也能够使支持向量机的鲁棒性得到提高。