一种基于SV特征向量预匹配的快速分形图像压缩方法

该文首先简单讨论了基本的分形图像压缩方法,然后针对这种方法存在的运算时间过长的缺点,提出并证明了一种值块和域块的有效预匹配策略,它用运算时间短的预匹配来代替运算时间很长的匹配,排除大量不匹配的域块,从而大大减少运算时间。最后,用标准灰度图像对这种策略进行了测试,结果证明这种策略是有效的。

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。