基于小波分解系数的贝叶斯人脸识别方法

本文给出了贝叶斯人脸识别方法中匹配准则的多个近似表达式及一种实用的快速计算方法 .在此基础上 ,利用反对称双正交小波变换的微分算子功能 ,提出了一种利用两幅人脸图象的小波变换系数差作为模式矢量的贝叶斯人脸识别方法 ,并利用 AR人脸图象库进行了实验 .实验结果表明本文方法与基于图象灰度的类似方法相比 ,识别率提高 8%左右 .

多尺度对称变换及其应用于定位人脸特征点

提出了一种在图像的反对称双正交小波分解数据域中 ,实现多尺度对称变换的方法 ,并将它应用于脸部图像中主要特征点的定位 .这种方法与直接在原始图像数据域中的同类方法相比 ,能大幅度减少计算量、加快定位速度 ,并明显提高定位准确度 .除此之外 ,由于它是在小波分解数据域上实现的 。

基于反对称双正交小波变换的多尺度归一化分割方法

针对工业检测现场拍摄的微电子元件图像产生的模糊和噪声叠加现象,提出基于反对称双正交小波变换的多尺度归一化分割方法.首先通过反对称双正交小波的多尺度边缘检测方法对待处理图像进行平滑、去噪及轮廓提取;然后利用重构后的边缘轮廓、强度值和图像的约束矩阵求得权重矩阵;最后利用谱分割技术得出图像的特征向量,并离散化后得到最终的分割结果。对工业显微镜采集的电路板零件和部分故障图像以及PASCAL VOC2012分割数据集中的图像进行测试,并与归一化割方法、多尺度归一化割方法、最小割/最大流方法和基于约束参数的最小化割方法在精确率、查全率、F-测量、平均绝对误差和运行时间上进行了对比,结果表明,该算法的分割质量更理想.

基于小波域奇异值分解的人脸识别方法

通过分析小波分解系数对光照、姿态、表情所表现出来的特性,选择了不同系数的组合进行奇异值分解,提高了在光照、姿态、表情变化等情况下人脸识别的鲁棒性。采用Harvard、Umist和Yale 3个人脸库对该文提出的方法进行了人脸识别实验。结果表明,基于小波分解系数优化组合的奇异值分解方法的识别率高于在原图上的奇异值分解方法。

基于全卷积神经网络和结构化森林的结构体裂纹分割方法

针对现有深度学习方法在复杂背景下无法保证裂纹特征映射的有效传递和融合,结构化森林对相似、随机的裂纹特征无法准确判别的问题,提出一种基于全卷积神经网络和结构化森林的结构体裂纹分割方法。首先,以全卷积神经网络框架为基础构建5种消融神经网络用于扩充细微裂纹全局特征;其次,提出一种基于多尺度结构化森林的裂纹分割参数竞争策略用于效改善细微裂纹区分能力;最后利用基于消融神经网络和结构化森林的耦合分割方法进行裂纹图像的联合预测。在2类结构体裂纹数据集上对所提方法进行实验验证表明,所提方法能够在复杂相似背景下提高裂纹检测的精度,可以实现有效的结构体健康监测。

基于多尺度降采样规范化割的图像裂纹检测

针对多尺度规范化割在边缘检测时精度低以及求解特征向量耗时长等缺陷,提出一种基于多尺度降采样规范化割的图像裂纹检测方法。该方法首先利用反对称双正交小波变换的半重构特性对待测图像的多个尺度进行边缘特征提取;其次结合各尺度的强度和位置特征构建多尺度相似矩阵和多尺度规范化相似矩阵;然后对多尺度相似矩阵进行降采样并利用谱分割方法实现降采样特征向量求解;最后利用多尺度规范化相似矩阵对降采样特征向量进行上采样的乘法运算并离散化后得到最终结果。在3个数据集的单一目标图像上进行文中方法与多尺度规范化割等方法的实验结果表明,不仅提高检测精度,而且减少运算时间。

基于数据融合的贝叶斯人脸识别方法

分析了反对称双正交小波分解细节系数在光照条件变化下的稳定性,提出了一种基于数据融合的贝叶斯人脸 识别方法.利用AR人脸图像库进行了对比实验,实验结果验证了本文方法的有效性.

基于多尺度梯度相角的人脸图像对称性检测与定位

在利用反对称双正交小波变换系数获得人脸图像多尺度梯度矢量的基础上 ,提出了一种基于多尺度梯度相角的人脸图像对称性检测与定位算法 ,该方法对光照变化具有很强的鲁棒性 .另外 ,本方法可利用小波变换的多分辨率特性 ,实现由粗至精的分级检测 ,从而提高定位速度 .同时 ,由于反对称双正交小波还能用于图像压缩 ,因此该方法为压缩数据域中的人脸定位提供了一条可能的途径 .与类似方法的对比实验表明 ,本文方法在定位速度。

支持在压缩域提取识别特征的人脸图像压缩方法

目的 提出一种支持在压缩数据中提取识别特征的人脸图像压缩算法。方法 将人脸图像分为特征区、过渡区和背景区,特征区采用反对称双正交小波变换子带编码;过渡区和背景区采用不同码率的改进型零树编码和Huffman编码。结果 验证了所提图像压缩算法的有效性。结论在获得高压缩比的同时,较好地保留了人脸图像的识别特征和主观质量,且能控制编码的比特数。

小波变换域内基于方向梯度相角直方图的图像检索算法

利用反对称双正交小波所具有的多尺度边缘表征能力，基于图像边缘的梯度相角构建统计特征量用于反映图像的内容并支持检索，实验结果表明该算法不仅具有较高的检索效率，同时对图像中存在的光照变化和几何变化（尺度、平移和旋转等）具有较强的鲁棒性,且用于检索的特征量能够直接基于部分解码的小波压缩数据得到。

一种快速实现人脸定位与几何校正的方法

提出了利用边缘点集的协方差矩阵的特征值与特征矢量作为人脸图像尺度与方向的粗估计方法,从理论和实验上证明了该方法的可行性.以此方法作为人脸图像精确定位的前期处理,可以大大降低定位的复杂度,从而快速、准确实现人脸图像的定位与几何归一化.实验结果验证了该方法的有效性.

基于反对称双正交小波的图像压缩算法

研究了一种反对称双正交小波的图像压缩算法。通过分析静态图片中的空间冗余和结构冗余信息,计算图像的小波变换系数及相关信息度,并对低频和高频部分进行编码。实验结果表明该方法压缩效果明显,以Lena图像为例,其压缩品质PSNR指标比DCT方法高1.42dB。

基于多尺度梯度角和SVM的正面人脸识别方法

为了提高人脸识别算法性能,提出了一种多尺度梯度角(MSGA)和支持向量机(SVM)相结合的新的正面人脸识别方法.分析了梯度角对光照的不敏感特性和反对称双正交小波(ASBW)的导数特性.获取多尺度梯度角特征,并利用其所具有的降噪能力和有效降低表情变化、光照变化等因素引起的影响,使算法具备较强的鲁棒性.采用了分类性能优越的支持向量机技术,提高了泛化能力.并在Yale人脸数据库上与归一化原始数据、小波处理后数据进行了仿真比较,实验数据显示,不论使用主分量分析(PCA)还是线性鉴别分析(LDA)降维,在相同的维数条件下,新方法的识别性能都优于其他方法.

基于反对称双正交小波分解系数的模极大值的信号快速重构

因为反对称双正交小波具有近似微分算子性质,该文用它对信号作无下采样(Un-decimated)的小波变换,以此获得信号在各尺度下与信号的"边缘"点相对应的局部模极大值。在只保留这些局部模极大值(即边缘)点信息的条件下,利用高斯函数直接拟合各级小波系数,然后再作小波逆变换就可恢复原信号。实验表明,与现有的采用二进小波变换的方法比较,该方法更加简便快捷。

反对称双正交小波应用于医学图像增强的研究

研究了二进小波和反对称双正交小波所具有的微分算子功能,从而得出反对称双正交小波也具有近似于二进小波的平移不变性。提出了用一种反对称双正交滤波器进行图像增强的方法。通过实验可知,用反对称双正交滤波器进行医学图像增强时,不仅会保持平移不变性,而且还能加快速度;同时,图像增强的评价指标数据相等,且有的高于用二进小波进行增强所得到的数据。

基于小波变换的人脸图像压缩

传统的人脸识别方法,在对压缩的人脸图像进行识别时,要先进行图像的“全解压”操作,然后再进行识别,这无疑大大限制了识别系统性能的提高.为提高压缩人脸识别中压缩域特征提取的有效性和识别率,提出一种支持在压缩数据中提取识别特征的人脸图像压缩算法,反对称双正交小波变换子带编码的方法.与DCT法相比较,在获得高压缩比的同时,较好地保留了人脸图像的识别特征和主观质量.

基于多尺度小波变换和结构化森林的表面裂纹分割

为实现复杂背景下裂纹目标的有效检测,提出一种融合小波边缘检测与多尺度结构化森林的裂纹分割方法,以提高裂纹检测稳健性。该方法利用多幅裂纹图像和人工标注结果提取裂纹图像特征通道并离散化映射标准结果;利用三角滤波器和降采样方法获取常规和相关性候选特征;并将该特征与离散化后的标签进行结构化森林分类器的训练和验证,进而获得多个尺度的裂纹分割。在776幅结构体裂纹图像和600幅钢梁裂纹图像数据集上进行实验,结果表明,相比于单一多尺度结构化森林方法和其他几种分割方法,本文方法能够在较短的时间内获得最高的分割精度。