正交Haar变换的眉毛识别方法

【目的】提高现有眉毛识别方法的识别效率。【方法】采用快速正交Haar变换模板匹配算法(FOHT),设计一种基于正交Haar变换的眉毛识别方法;同时,使用最大标准子模板和自适应阈值解决了FOHT算法只能处理标准模板且需要手动设置阈值的缺陷。【结果】所构建的眉毛识别方法比原方法效率提高约32%。【结论】正交Haar变换的眉毛识别方法实时性强,具有一定的实用价值。

基于拟Haar变换的模板匹配算法

基于正交Haar变换(orthogonal Haar transform,OHT)的模板匹配算法在处理二维图像时采用条形和来替代积分图,从而获得了较高的运行效率,但它要求模板必须是标准大小的,即模板的高和宽必须相等且为2的幂次.为解决OHT算法的这一问题,提出了另一种基于拟Haar变换(quasi Haar transform,QHT)的模板匹配算法,它使用树分解策略来加速非标准模板时的匹配处理.QHT算法不仅能处理非标准模板的情况,也同样能处理标准模板的情况.在标准模板情况下,实验结果表明,QHT算法在低噪声等级时比OHT算法拥有更快的运行速度.

改进斜Haar变换在图像压缩中的应用

在斜Haar变换的基础上提出了一种有效的改进算法,描述出了其计算复杂度及变化性能.与其他正交变换相比,在没有增加原斜Haar变换计算复杂度的前提下,提高了其在图像压缩中的效果,并且在一阶Markov模型下优于传统的斜Haar变换和DCT变换.

基于小波变换和正交质心算法的人耳识别研究

提出了一种新的快速对人耳图像进行特征提取的方法,先对人耳图像进行二维的离散小波分解,然后使用正交质心算法对小波分解后得到的低频信息进行降维,进而获得图像的特征向量。实验证明,该方法与模式识别领域中广泛应用的Fisherfaces方法相比,在识别率大体相当的前提下,具有计算量小、降维速度快的优点,是对人耳图像进行特征提取的一种有效手段。

离散正交变换理论实例教学法的探索与实践

为了生动地讲解枯燥的正交变换公式,探讨了离散正交变换理论实例教学的重要性和具体实施方法.在教学环节中设计了2个典型的离散哈尔变换教学实例.在启发学生绘制一维哈尔变换的快速算法流程图基础上,完成二维哈尔变换的计算问题,能够让学生理解离散正交变换计算的关键所在,有助于帮助学生深入地理解正交变换理论.实践证明,离散正交变换理论的实例教学效果良好.