基于Karhunen-Loeve变换的人脸识别研究

运用生物神经系统的神经信息处理方式开展对自动人脸识别的研究。采用主要成分分析技术—Karhunen-Loeve变换,构造了一个能够将图像空间的人脸映射到人脸空间中,并实施识别的实验系统。分析了该系统的构成与特点,并给出了实验测试结果。

一种微机电系统陀螺信号基于小波域的Karhunen-Loeve变换去噪方法

为了减少梳状音叉微机电系统(MEMS)陀螺的随机漂移误差,提出了一种小波域上的Karhunen-Loeve变换(KLT)的MEMS陀螺漂移信号的去噪方法。其主要思想是:先对分段的MEMS陀螺漂移信号进行小波分解;然后对各个中高频子带进行6抽头滤波,插值成和最高频带相同长度的样本点后,利用小波各尺度间的相似性进行高频分量的KLT变换,在一定程度上去除不相干噪声;最后对KLT降噪后的信号再进行小波阈值处理完成进一步的降噪。实验结果表明,所提方法相对于基于小波变换的各种阈值方法,陀螺输出信号的方差、零偏稳定性和随机游走误差都有了明显的改善。

基于Karhunen-Loeve和小波变换的多光谱图像三维集合嵌入块编码压缩算法

目前多光谱成像已被广泛应用在遥感领域中,但巨量的多光谱图像数据导致存储和传输的困难,这就需要对多光谱图像数据进行高效的压缩。该文提出了一种新的多光谱图像压缩算法(KLT/WT-3DSPECK),首先利用二维小波变换(2DWT)去除多光谱图像的空间相关冗余,然后利用Karhunen-Loeve变换(KLT)减少频域的相关性,最后对变换后的系数利用改进的三维集合块分裂算法(3DSPECK)进行编码。根据变换后子带能量分布的特点,提出了新的3D八度音符分裂方法(octavepartitioning)和改进的集合零块分裂算法。为了加速本文算法和优化嵌入码流的率失真性能,还给出了一种零块优化排序的快速算法。对两组多光谱和超光谱图像的测试表明,该算法不仅明显优于KLT/WT-3DSPIHT算法,也远优于基于3D小波变换的AT-3DSPIHT和3DSPECK等算法,同时该算法还支持图像的渐进传输。

基于Karhunen-Loeve变换优化的图像隐写技术

针对现有信息安全领域隐写技术存在的感知失真大和图像误差率高问题,设计一种基于Karhunen-Loeve变换(KLT)优化的图像隐写技术。引入KLT算法压缩图像数据,用最低有效位代替加密数据,结合原始像素矩阵获得有效的图像信息。实验结果表明,与常用算法相比,该算法的嵌入容量与信噪比较高,提取到的图像数据失真较小。

基于Karhunen-Loeve变换的GPS弱射频干扰检测

干扰是无线电通信系统最大的威胁之一,干扰检测对于全球导航卫星系统(Global Navigation Satellite System,GNSS)信号非常重要。为了检测GPS(Global Positioning System)信号中射频干扰,文章提出了一种新型的基于Karhunen-Loeve变换(KLT)射频干扰(RFI)的检测算法。通过GPS信号模拟器生成GPS L1信号,并在射频前端叠加射频干扰;再利用KLT对其数字中频信号进行分析和处理,得到相关矩阵(Toeplitz矩阵)的特征值,通过特征值重建干扰信号。经过仿真验证,该算法能够成功地检测出干扰信号,包括微弱的干扰信号。

基于Fourier-Bessel展开和Karhunen-Loeve变换的语音变换

为了有效地进行语音变换,改善变换后语音的自然度和目标人倾向度。依据语音信号传播机理和(Fourier-Bessel)展开式系数对语音信号的表现能力,提出了利用F-B展开系数作为变换参数。在该算法中,根据F-B展开系数无语音相位信息的特点,提出基于最大基频相位的语音分帧算法;针对F-B展开式数据量过大的问题,提出了基于Karhunen-Loeve变换的参数压缩算法,转换模型使用GMM(Gaussian mixture model)模型。对算法进行了仿真实验。对变换后语音所进行的ABX测试表明,算法能够较好地完成语音变换,变换后语音的目标人趋向度比较高。

Karhunen-Loeve变换在地震数据滤波中的应用

研究Karhunen-Loeve(K-L)滤波在地震数据中提取相关性信息的应用,利用K-L方式抽取或压制地震道集中的同相轴来实现滤波.探讨K-L运算中的正交分解法和奇异值分解算法,并分析同向轴的倾角、夹角以及噪音对滤波效果的影响.将该方法用于处理和分析模型数据与实际数据,证明该方法实用价值较高.

Karhunen-Loeve变换及其几种计算方法

对于K L变换所涉及的协方差矩阵的特征值和特征向量的计算 ,给出特征多项式的降价法和镜像阵法 ,使K L变换在实现上有更多的选择。此外 。

基于K-L变换的红外图像弱小目标检测与分析

针对红外图像中的目标对比度低、尺寸小及背景复杂等特点 ,利用正交变换的去相关特性 ,提出了一种改进的 K - L变换和广义 K- L变换的红外弱小目标检测与描述方法 ,从而实现低信噪比条件下红外弱小目标的检测 .

基于K-L变换与LS-SVM的玉米品种识别方法

为实现外观相似的不同玉米品种的有效识别,提出了K-L变换与最小二乘支持向量机相结合的籽粒品种鉴别方法。采用标记算法及多尺度小波分析方法获得玉米单籽粒图像,应用K-L变换技术提取籽粒图像的特征数据,设计了二叉树型多类LS-SVM分类器,实现了对特征数据的有效分类。通过试验分析,确定了较为合理的状态空间维数(L=3),正确识别率可达95.3%。

巴氏距离和K-L变换结合的特征选择

该文提出巴氏距离(BhattacharyyaDistance)和K-L(Karhunen-Loeve)变换结合的特征选择。采用巴氏距离特征选择眼3,5演的迭代算法,可以获得最小错误率上界。当特征维数高时,为了减少巴氏距离特征选择计算时间,对样本先进行K-L变换,将特征降低到中间维数。然后进行巴氏距离特征选择,降低到结果的维数。用基于MNIST手写体数字库的试验表明,该文方法比单纯用巴氏距离特征选择计算时间大大减少,并比主分量方法(即单纯使用K-L变换)特征选择的错误率小得多。

基于K-L变换和灰度共生矩阵下的桂西—滇东南地质构造遥感信息提取方法研究

桂西—滇东南是植被高覆盖区域,地质遥感信息相对于地表覆盖(植被)信息而言相对较弱。有效消除地表覆盖信息、突出地质遥感信息是遥感地质专题信息提取的瓶颈之一。本文运用K-L变换提取代表地质构造信息的成分波段,有效滤去地表覆盖信息;利用灰度共生矩阵、定向检测和环形滤波检测相结合的方法,并通过阈值设置,提取地质构造的遥感专题信息,从而达到实现计算机自动提取地质构造信息的目的。经过野外实地验证,结果表明:地质构造信息提取精度较高,特别是一些小的地质构造信息也能有效提取;但是环形地质构造信息没有有效提取,地表覆盖类型对地质构造信息的提取仍有较小影响。

基于并行特征组合与广义K-L变换的字符识别

针对传统的串行特征融合方法的弱点,提出了一种新的并行特征融合方法.该方法的基本思路是:首先,利用复向量将样本空间上的两组特征集组合起来,构成复特征向量空间;然后,从理论上推广了经典的K-L变换方法与3种基本的K-L展开方法,使其适用于复特征向量空间内的特征抽取.此外,还揭示了并行特征融合的对称性质,并详细讨论了并行特征组合的策略问题.最后,用所提出的方法来解决手写体字符的特征抽取与识别问题.在南京理工大学NUST603HW手写体汉字库以及Concordia大学的CENPARMI手写体阿拉伯数字数据库上的实验结果表明,所提出的特征融合方法不仅较大幅度地提高了识别率,而且识别结果优于传统的串行特征融合方法.

基于小波变换和K-L展开的单通道表面肌电信号识别

利用单通道表面肌电信号对肘收缩、肘伸直、前臂外旋和前臂内旋四个上肢动作进行了识别.用肌电信号最高频率20倍的过采样率对表面肌电信号进行采样,利用抽取滤波技术将过采样带来的冗余数据去除并保留了过采样带来的低噪声的优点.通过小波变换提取出5个子频带的相对能量与表面肌电信号的总能量一起作为原始的特征向量,然后通过K-L展开将6维的原始特征向量降为2维.通过建立BP网络分别用6维特征向量和2维特征向量对上述的四个动作进行识别.结果显示该方法在减少肌电电极的同时保持了较高的识别率,有很好的识别效果.

基于K-L变换的彩色航空影像阴影检测

从K L变换的原理及其特性出发 ,提出了一种利用K L变换技术来对影像上的阴影进行检测的方法 。

K-L变换在地震资料去噪声的应用

介绍了K-L变换衰减噪声的基本原理,并将其用于实际地震资料的处理中.针对不同类型的干扰波,利用实例对K-L变换进行了讨论.结果表明,K-L变换可压制噪声提高信噪比,去噪的效果与所选取的特征值的个数有关.利用K-L变换对浅层多次波、折射波、直达波的压制,可避免手工切除对浅层有效信息和干扰信息一刀切的弊端,保存了浅层有效信息.

K-L变换在多光谱图像聚类中的应用

遥感图像是通过光谱信息和空间信息表征地物的。选择特定地区不同时相的多光谱图像进行聚类分析 ,可以实现卫星核查和作物估产等应用目的和要求。多光谱图像的波段间存在大量的冗余数据 ,文中采用了对多光谱图像先进行K L变换再进行聚类的解决方法 ,并对某地区多光谱图像进行了处理分析 ,取得了理想效果。

基于Contourlet变换的K-L变换地震随机噪声自适应衰减方法

地震资料中有效反射信号具有丰富的纹理及边缘特性,在Contourlet变换域系数较大并具有相关性,而随机噪声均匀分布于Contourlet变换域且系数较小。考虑K-L变换具有分类特征提取的优势,在Contourlet变换基础上应用K-L变换,采用最大似然估计法和多尺度噪声估计法估算地震记录中有效信号及随机噪声的Contourlet系数方差,并将其应用到K-L变换域能量百分比阈值函数的定义中,自适应地确定用于K-L反变换的特征向量,修改Contourlet变换的系数,再进行Contourlet反变换压制随机噪声。数值模拟及实际地震资料去噪效果表明,基于Contourlet变换的K-L变换去噪方法不仅可以有效地压制地震资料中的随机噪声,提高地震资料信噪比,而且具有较好的保真性。

一种广义的K-L变换与人脸识别

提出了一种直接基于图像矩阵的包含在类平均图像中判别信息的最优压缩方法。在 ORL标准人脸库上的试验结果表明 ,提出的方法不仅识别性能优于传统的主分量分析和 Fishr线性鉴别分析 ,而且特征抽取的速度得到了很大的提高。

一种基于K-L变换的突变镜头检测方法

镜头检测是对视频进行分析和检索的基础。根据人眼的视觉特性,本文研究了一种基于K-L变换的突变镜头检测方法。新方法通过对原始RGB空间进行K-L变换得到由主轴构成的图像参数模型,利用相邻两帧对应第一、第二主轴的方向差异,应用加权系数来计算帧间差值。然后运用基于滑动窗口的自适应阈值方法来进行突变镜头检测,并对静止镜头进行了处理。实验结果和性能比较表明该算法取得了良好的检测效果,并且对目标的快速运动、光照变化等具有一定的鲁棒性,同时计算速度快,易于实现。