基于张量的2D-PCA人脸识别算法

人脸图像的色彩信息也是人脸的重要特征,但现有的2D-PCA彩色人脸识别忽略了人脸色彩信息的空间关系。由此引入三阶张量表示,提出基于张量的2D-PCA(Tensor PCA)的人脸识别算法。Tensor PCA通过分解n模总体散布矩阵获得三个由最大特征值对应的特征向量组成的将张量样本投影到低维子空间的投影矩阵,并构造交替最小二乘法的迭代过程对矩阵进行优化得到最优投影矩阵,使得投影后的样本间的距离尽可能得大,以达到最佳分类识别的效果。Georgia Tech彩色人脸库的测试结果表明,与2D-PCA方法相比,识别正确率提升了5.53%,同时训练时间降低了78.1%。

面向便携式数字水印终端的快速DCT-SVD方法

针对目前数字产品版权保护的迫切需求,提出了一种便携式数字水印终端的快速DCT-SVD方法.以较低端的Tiny6410嵌入式开发平台为例,首先对载体图像进行分块,对每个分块的矩阵在空域中完成DCT域DC系数的计算并组成新的矩阵,再对该矩阵进行SVD分解,然后将Arnold置乱的水印嵌入该矩阵的奇异值矩阵中,最后进行SVD合成以及DCT的逆变换,得到含水印的图像.实验结果表明:与其他同类技术相比,该方法嵌入时间平均缩短了69.23%,提取时间平均缩短了67.47%,在兼顾便携性与鲁棒性的同时,耗时间更少.

三维FMF的HFCM水声数据分割

针对三维水声数据背景复杂、受噪声干扰严重等特点,提出一种结合三维FMF的HFCM水声数据分割算法,以提高水声数据分割的精度和效率。该算法首先选取三维滤波窗口,利用最大熵阈值法计算出模糊阈值;再结合半高斯模糊隶属度函数对水声数据进行模糊中值滤波;最后采用HFCM算法对滤波后的数据进行分割。对两组不同的三维水声数据进行分割处理的结果表明,该算法能够有效地降低噪声干扰,分割效果要优于未滤波的HFCM以及均衡FMF的HFCM分割算法,并且在分割效率上要明显优于传统的模糊C-均值算法。

面向生物特征的信息隐藏算法

针对生物特征识别的自身安全性问题,引入信息隐藏方法,以虹膜特征作为秘密信息,指纹为宿主信息,根据秘密信息和宿主信息的特点,采用基于二值的图像信息隐藏方法,对距离差矩阵和分块矩阵进行了优化,实现生物特征到生物特征的隐藏,增强生物特征数据的安全性.实验结果表明:该算法对剪裁和旋转攻击具有鲁棒性,同时具有较好的隐蔽性和欺骗性,能够适用于目前主要的生物特征识别技术.

基于卷积神经网络的古玩图片分类方法

针对现有的网上古玩图片分类算法需要人工设计特征、依赖个人经验的不足,提出一种基于卷积神经网络的分类方法。将背景分离后的图片输入网络,自动提取特征进行分类,在达到较好分类结果的同时网络结构更加简单,并且设置合适的特征图个数使网络取得较好的识别率。实验结果表明,该方法应用卷积神经网络能够解决网上古玩图片分类问题,与传统卷积神经网络相比网络结构更简单、识别率更高;与常用的Hog特征相比,在测试时间相近的情况下该方法识别率更高。