基于小波域PCA与LDA相结合的红外人脸识别方法

提出了一种新的小波域主元分析与线性辨别分析相结合的红外人脸识别方法。首先通过DWT将红外人脸图像通过二级小波分解成七个子带,舍去两次分解中的对角子带,对剩下的五个子带进行有效的组合;然后用PCA方法对组合后的向量进行特征提取,再把PCA提取的特征向量进行线性辨别分析;最后用欧氏距离和三近邻分类器得到分类结果。同传统的PCA和PCA+LDA的方法相比,该方法更能利用人脸图像的有用判别信息,并得到更好的识别效果。

基于多小波的SPIHT改进算法

为了进一步提高图像编码效率,利用多小波子带上各个分量间的相关性以及分量间能量分布的特点,提出了一种SPIHT改进算法。该算法是根据高频子带第1分量无效值的分布来预测其他3个分量上不重要系数的位置信息,由于减小了无效集判别过程中的扫描范围,从而可加快编码速度。实验结果表明,该算法既提高了编码效率,又保持了压缩性能。

图像盲水印算法的遗传优化

为了提高数字水印的实用性,必须保证水印的鲁棒性和透明性,为此在Cox等人提出的水印稳健性理论的指导下,充分考虑人类视觉系统特性,提出了一种基于遗传算法的图像盲水印算法。通过基于小波边缘的检测,调节系数差,实现了水印透明性和鲁棒性的综合优化。实验结果表明,该算法不仅对于水印的攻击具有强鲁棒性,且兼顾载体图像的质量。

基于辐射能量的红外人脸识别

人脸识别至今还是计算机视觉中的一个难题,用红外人脸图像来进行识别是近几年才发展的一个新领域,虽然其独立于光源,不易受外部光线的影响,但研究发现,人脸温谱图因受到一系列内在(生理、心理等)和外在(环境、成像等)条件的影响而使识别率下降。针对这一问题,根据Stefan-Boltzmann定律,提出把易受环境温度影响的面部温度数据转换为较为鲁棒的辐射能量数据来进行识别,以提高红外图像人脸识别的性能。理论分析显示,当人体处于一个稳定的状态时,辐射能量图对周围环境温度的敏感度较低。实验结果表明,基于辐射能量图的识别率高于基于温谱图的识别率。

基于血流图和小波包域傅立叶变换的红外人脸识别方法

提出了一种基于血流图和小波包域傅立叶变换的红外人脸识别方法.该方法首先利用血流模型把温谱图转换成血流图,然后将人脸血流图进行3级小波包分解,得到一棵小波包分解树,选取其中识别率最高的若干个结点分别进行傅立叶变换,得到每个结点的特征矩阵,再通过欧氏距离和三阶近邻分类器得到各选中结点的识别结果.最后将这些结果进行融合,得到最终的识别结果.同传统的PCA,DWT+PCA以及频谱脸等方法相比,所提出的方法更能充分利用人脸图像的有用判别信息,并得到更好的识别效果.

基于决策融合的红外人脸识别方法

提出了一种基于决策融合的红外人脸方法。分别通过离散小波变换＋主元分析＋线性辨别分析、二维PCA方法、离散小波变换＋傅里叶变换3种方法将测试图像进行分类，得到3个结果，然后将这3个结果进行融合得到最终的识别结果。实验结果表明：本文提出的方法更能利用人脸图像的有用判别信息，并得到更好的识别效果。

基于双重加密和纹理特征的盲水印算法

提出一种基于图像纹理、高斯随机置乱和混沌变换的图像数字水印算法。该算法利用混沌变换和高斯随机置乱对水印进行双重加密,以提高水印的安全性。在水印嵌入时,将载体图像进行分块,应用Prewitt因子对其的纹理特征区域进行分类,并对不同区域选择不同的嵌入强度。实验结果表明,该算法具有良好的透明性和鲁棒性。