一种基于局部方差相似度的自适应图像融合算法

针对现有多光谱和全色图像融合算法空间和光谱特性难以兼顾的问题,文章提出了一种基于局部方差相似度的自适应图像融合算法,通过局部方差相似度自适应选择融合规则来改善现有问题。首先对多光谱图像主成分分析(principal component analysis,PCA)变换后的第一主分量和全色图像进行小波变换;其次根据系数矩阵局部方差相似度在2选1和加权平均之间自适应选择小波系数融合策略;最终由对应的逆变换获取融合图像。实验采用Landsat7和QuickBird卫星数据进行算法验证,并与基于PCA变换、小波变换(wavelet transform,WT)、基于局部算法的改进小波算法和自适应IHS(intensity hue saturation)算法进行比较分析。实验结果表明,该方法在提高融合图像空间和光谱质量上,综合性能优越。

小波包特征提取及方差相似度的人脸识别

小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有良好的时频局部性和正交性,随着分解层数的增加,小波包分解能够在所有的频率范围聚焦。利用图像小波包变换的系数矩阵,能够构造出不同的人脸特征向量。针对人脸识别过程中的图像匹配问题,采用计算人脸特征向量方差的方法,并通过方差与权值的对应关系,转换出用于相似度计算的权值。基于理论推导得到的权值具有很好的稳定性,由这些权值计算出的方差相似度也具有较强的适应性,能够减弱由图像噪声、变形等干扰带来的影响。实验表明,该方法识别率高、实时性好。

非下采样Contourlet变换耦合区域信息特征的遥感图像融合算法

当前遥感图像融合算法主要是通过图像的能量信息来完成低频系数的融合,忽略了图像的光谱信息特征,导致融合图像中存在光谱扭曲等不足。设计基于非下采样Contourlet变换与区域信息特征的遥感图像融合算法。引入HSV(Hue,Saturation,Value)变换,从多光谱图像中提取亮度分量。采用非下采样Contourlet变换,对全色图像与多光谱图像的亮度分量进行分解,获取图像的低频系数与高频系数。联合低频系数的区域能量以及信息熵特征,构造低频系数的融合模型,完成低频信息的融合。通过高频系数的区域方差相似度,建立高频系数融合规则,对高频系数完成融合。通过非下采样Contourlet逆变换与HSV逆变换,获取融合图像。实验结果表明,与当前遥感图像融合方法相比,该算法的融合图像具有更好的光谱与空间特性。

小波包重构系数矩阵与改进SVD的人脸识别

提出了一种采用小波包重构系数矩阵与改进SVD的人脸识别新算法。小波包变换是小波变换的推广,可视为普通小波函数的线性组合,具有灵活的时频分析能力。小波包重构系数矩阵与原始图像矩阵的尺寸相同,具有较高的精度。使用常规Colub-Reish算法的奇异值分解(SVD)所得到的奇异值(SV)按由大到小的顺序重新排列过,无法确定每个SV与输入矩阵列向量的对应关系。改进的SVD方法能够使得奇异值与每个频带的重构系数相对应,进而构造出人脸图像小波包重构系数矩阵的奇异值特征向量,并采用基于方差计算的相似度分类方法识别人脸。实验表明,该方法识别率高、稳定性强。