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2DPCA的人脸识别关键问题分析

利用小波变换结合PCA算法可以有效地识别人脸,但是算法性能依赖于一些关键参数的选择和调整,比如：人脸特征方向、主分量数、小波基函数和分解层数等.本文结合在ORL数据集上的计算机仿真实验,提出了解决上述问题的具体策略和经验规则.     

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.     

基于PCA的人脸识别技术的研究

视觉是人类获取外界信息的重要途径,人脸特征是人的身份验证的主要手段,因此人脸识别技术具有广泛的应用。本研究在传统的基于PCA的人脸识别方法基础上,对其进行了研究和改进,并通过实验证明其在应用中的优势。     

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。     

基于主成分分析的特征脸提取及人脸识别实现

基于主成分分析的方法,对OLR人脸图像样本库做特征脸提取,然后作人脸识别。依据SVD定理及其推论,使得计算特征值和特征向量在计算机上实现成为可能。从而使得提取的特征脸组成的特征空间从原来的高维空间降到了低维空间,这为后续的人脸识别研究打下了基础。     

基于PCA算法的摄像头人脸识别研究

研究一种基于摄像头的快速人脸识别方法,具体步骤为:利用摄像头捕捉人脸图像,采用图像处理算法从所抓取的图像中提取能代表人脸的特征信息;然后对这些信息进行分析和处理利用主成分分析算法对人脸进行识别;最后采用VC++程序语言开发了基于摄像头的人脸识别系统。实验结果表明,该系统具有采集速度快,易读性和可移植性强的特点,并且具有很强的实用性。     

基于小波包和Hopfield神经网络人脸识别

人脸具有极其复杂的情绪表达方式,边缘检测是一种经典的将复杂特征进行精确简化的方式。小波包具有良好的特性,它不但能对信号的低频部分进行分解,而且能对高频部分进行细致的刻画,为精确的边缘检测提供了良好的前提。本文将边缘检测的完整简洁的人脸表达和Hopfield神经网络的记忆性完美结合起来．实验取得了令人满意的效果。     

基于Matlab的人脸识别系统设计

为了更好地保障信息安全,基于Matlab设计一个人脸识别系统。首先调用计算机摄像头采集人脸照片,检测并提取其中的人脸区域部分,并对提取出的人脸区域进行图像预处理,然后与事先建立好的人脸特征数据库进行对比与匹配,识别出检测到的人脸图像,输出识别结果,最后得出待测人的有效身份。运行结果表明,该人脸识别系统可有效实现人脸识别,且运行较为稳定。此外,研究发现Gabor算法在人脸特征提取方面具有良好性能。     

一种新的BP神经网络人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化.主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求.在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量.     

基于主分量线性判别方法人脸识别系统的实现

人脸识别是计算机视觉和模式识别领域的一个活跃课题,有着十分广泛的应用前景。给出了一种基于PCA和LDA方法的人脸识别系统的实现。首先该算法采用奇异值分解技术提取主成分,然后用F isher线性判别分析技术来提取最终特征,最后将测试图像的投影与每一训练图像的投影相比较,与测试图像最接近的训练图像被系统识别出,图像的比较采用了欧几里德距离,仿真结果表明了该方法的有效性。     

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。     

一种基于小波变换的图形压缩方法研究

将小波理论应用于视频和图像压缩是目前国内外十分重视的图像压缩技术。小波分析技术和多分辨分析理论改善了基于分块DCT变换的压缩编码技术的方块效应和飞蚊噪声的不足；而分形压缩编码方法，由于其可以获得极高的压缩比而得到广泛关注。本文在借鉴前人的图像压缩编码算法的基础上，提出了一种图像压缩方法：该方法首先将图像进行小波分解，然后对不同的频带特征采用不同量化、压缩方法进行编码。实践表明，该方法不仅能够大大提高图像的压缩比，而且在网络信道不稳定的情况下，能在一定程度上克服数据传输出错，从而避免数据丢失造成的恢复图像质量下降。     

一种基于离散小波变换的数字水印技术

提出了在一种离散小波变换域内实现图像水印的方法。这种算法充分利用小波变换的特点,把原始图像及水印图像塔式分解,在多分辨率分解后的相同的频段来嵌入水印信息。该方法也利用了人眼视觉特性,算法简单而有效。实验证明,该算法较好地解决了水印不可见性与鲁棒性之间的矛盾,对常见的水印攻击都有较强的鲁棒性。     

基于小波变换的图像压缩算法设计

本文设计并实现了一个有效的图像压缩算法。选取了Daubechies-5小波基,通过对小波系数的特点的研究,提出了将嵌入式零树编码和改进的游程编码相结合的方法,实现了小波系数的有效编码,实验表明,该算法取得较好的压缩效果。     

一种基于小波变换的数字图像水印算法

研究了基于小波变换的灰度图像不可见水印算法。首先利用伪随机序列对水印信息进行扩频处理,然后在小波变换的高频子带中嵌入水印信息。在提取的过程中,根据嵌入水印的图像与伪随机序列的相关性提取水印信息,由此论述一种基于小波变换的静态图像水印嵌入和提取算法。