基于分块小波变换和2DPCA的人脸特征提取与识别算法

从最优化的角度出发,提出了一种基于分块小波变换和二维主成分分析法(2DPCA)的人脸特征提取与识别算法。该方法首先对人脸图像进行分块小波变换,并对各分块的高、低频分量进行组合处理,然后对小波系数特征应用2DPCA方法进行变换并将分块特征进行融合得到人脸鉴别特征,最后在ORL人脸库上应用支持向量机(SVM)对该特征进行分类识别。试验结果表明,该算法能有效地提高人脸识别性能,具有较短的识别时间和较高的识别准确率,优于传统的人脸识别方法。

卫星遥感图像分块小波变换编码方案

提出一种分块小波变换（ＢｌｏｃｋｉｎｇＷａｖｅｌｅｔｓＴｒａｎｓｆｏｒｍ）方案。该数据压缩方案可节省存储时间，为星上应用提供了可能性。利用各基带之间的自相似性，对小波系数采用改进型零树编码（ＩｍｐｒｏｖｅｄＺｅｒｏｔｒｅｅＥｎｃｏｄｉｎｇ），可有效的提高压缩比。

基于分块形态Haar小波变换的盲水印算法

提出了一种基于形态Haar小波变换的数字水印算法。该算法对载体图像按分块进行形态Haar小波变换,水印的嵌入和提取在子块的形态小波域中完成,每个子块嵌入水印的一个像素信息。该算法能实现水印的快速盲提取。实验证明,与分块DCT法和分块DWT法相比,算法不仅简单快速,而且大大提高了水印的不可觉察性和鲁棒性,在抵抗噪声攻击方面更有优势。

一种基于分块小波的人脸识别算法

提出一种基于分块小波的人脸识别新算法。在充分考虑提取局部特征,又克服小样本问题的基础上,提出分块小波的概念。首先,对小波分解后的低频子图进行分块,提取局部特征,从而降低图像维数并除去冗余噪声;将其先后进行PCA和LDA变换,得到组合特征向量;最后,根据KNN的快速分类能力及SVM在少数类别分类上的优势,提出KNN+SVM融合分类器对组合特征向量进行分类识别。研究结果表明:该方法识别率高,识别速度快,具有一定的实用价值。

基于分块小波微粒群混合的图像智能检索

考虑到目前许多基于颜色直方图图像检索系统的搜索质量往往相当有限,提出一种融合分块小波直方图相似度检索和粒子群优化的新方法.该算法引入小波技术,提高了特征提取的有效性,采用分块技术扩展了图像检索性能,结合微粒群算法进行智能搜索加快了算法的执行速度.实验结果证实,该算法对图像数据库的相似度搜索是切实可行的,为大型图像数据库的智能图像检索问题提供解决方案.

基于分块小波粒子群混合的图像智能检索

虽然许多基于颜色直方图的图像检索系统已相当成熟,但其搜索质量却不尽如人意,为此本文提出了一种分块小波直方图与粒子群优化融合的新方法。该算法引入小波技术提高了特征提取的有效性,采用分块技术扩展了图像检索性能,结合微粒群算法进行智能搜索加快了算法的执行速度。实验结果证实,该算法对图像数据库的相似度搜索是切实可行且行之高效的,为大型图像数据库的智能图像检索问题提供了解决方案。

基于小波域子带特征编码的鲁棒水印技术

为了提高数字水印的透明性和鲁棒性,建立了一个视觉模型计算不同图像块水印嵌入的临界噪声阈值(JND),并选择块离散小波变换(DWT)的三个细节子带作为水印嵌入对象。算法先对文本水印和水印图像进行二值化、冗余编码和随机置乱,得到二值水印序列;然后在宿主图像分块的Hilbert扫描序列中,每次选取两相邻分块分别进行DWT变换,并利用JND和二值水印编码,来调整两相邻分块各对应细节子带均值之间的大小关系;最后,进行离散小波逆变换,以实现水印的嵌入。实验证明,被该算法所嵌入的水印具有很好的不可见性,且该算法对常见图像攻击具有较好的鲁棒性。故该算法是有效和实用的。