虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

HAAR

  • 基于HAAR小波变换的数字图像水印算法,信息隐藏, 数字水印,小波变换

    基于HAAR小波变换的数字图像水印算法,信息隐藏, 数字水印,小波变换

    标签: HAAR 小波变换 信息隐藏 数字图像

    上传时间: 2014-01-11

    上传用户:zhangyigenius

  • HAAR小波变换行分解程序行分解是最基本的了 只要学会了它 其他的自己就会了

    HAAR小波变换行分解程序行分解是最基本的了 只要学会了它 其他的自己就会了

    标签: HAAR 分解 小波变换 程序

    上传时间: 2016-07-07

    上传用户:yiwen213

  • 利用difference expansion水印隐藏! 方法是利用HAAR整数变换

    利用difference expansion水印隐藏! 方法是利用HAAR整数变换,或是S变换在LSB里隐藏水印信息

    标签: difference expansion HAAR 水印

    上传时间: 2014-09-03

    上传用户:libenshu01

  • 对图片实现HAAR变换

    对图片实现HAAR变换,并可设置阈值对图片进行不同损耗的压缩

    标签: HAAR 变换

    上传时间: 2016-10-31

    上传用户:yuzsu

  • 用LABVIEW自己编的一个HAAR小波变换程序

    用LABVIEW自己编的一个HAAR小波变换程序

    标签: LABVIEW HAAR 小波变换 程序

    上传时间: 2014-09-11

    上传用户:chongcongying

  • 这里面主要阐述HAAR小波的基本原理和基本算法

    这里面主要阐述HAAR小波的基本原理和基本算法

    标签: HAAR 算法

    上传时间: 2013-11-26

    上传用户:fxf126@126.com

  • 透過jjil在android上實現HAAR人臉偵測 

    透過jjil在android上實現HAAR人臉偵測 

    标签: android jjil HAAR

    上传时间: 2014-01-04

    上传用户:colinal

  • 基于ARM架构的嵌入式人脸识别技术研究

    嵌入式人脸识别系统建立在嵌入式操作系统和嵌入式硬件系统平台之上,具有起点高、概念新、实用性强等特点。它涉及嵌入式硬件设计、嵌入式操作系统应用开发、人脸识别算法等领域的研究;嵌入式人脸识别系统携带方便、安装快捷、机动性强,可广泛应用于各类门禁系统、户外机动布控的实时监测等特殊场合,因此对嵌入式人脸识别的研究工作具有突出的理论意义和广泛的应用前景。 本文是上海市经委创新研究项目《射频识别RFID系统-自动识别和记录人群的身份》(编号:04-11-2)与上海市科委AM基金项目《基于ARM和RFID芯片的自组织安全监控系统的研制》(编号:0512)的主要研究内容之一。论文从构建自动人脸识别系统所需解决的若干关键问题入手,重点探讨了基于嵌入式ARM微处理器的实时人脸检测、关键特征定位、高效的人脸特征描述、鲁棒的人脸识别分类器及自动人脸识别系统设计等问题的研究。论文的主要工作和创新点表现在以下方面: 1实现了结合肤色校验的HAAR特征级联分类器嵌入式实时人脸检测,提出了基于人脸约束的人眼HAAR特征RSVM级联分类器人眼检测算法和基于遮罩掩磨与椭圆拟合的瞳孔定位算法。 复杂背景中的人脸检测是自动人脸识别系统首先要解决的关键问题,通过对基于肤色模型和基于HAAR特征级联强分类器的人脸检测算法的分析研究,综合两个算法的优点,提出了基于肤色模型校验和HAAR特征级联强分类器的嵌入式实时人脸检测算法。实验结果表明,该算法不仅解决了复杂背景中的类肤色和类人脸结构问题,而且具有较高的检测率和较快的检测速度,同时对光照、尺度等变化条件下的人脸检测也具有较强的鲁棒性。 人眼检测与瞳孔定位在人脸归一化和有效人脸特征抽取等方面起着非常重要的作用,为了快速检测人眼并精确定位人眼瞳孔中心,论文提出了基于人脸约束的人眼HAAR特征RSVM级联分类器人眼检测算法和基于遮罩掩磨与椭圆拟合的瞳孔定位算法,首先利用人眼检测分类器在人脸区域内完成对人眼位置的检测,然后通过对检测到的人眼进行遮罩掩磨、简单图像形态学变换及椭圆拟合实现瞳孔中心的精确定位。测试结果表明该算法只需几百毫秒便能完成人眼检测与瞳孔中心定位整个过程,在保证检测速度较快的同时,还能确保较高的定位精度。 2 针对传统线性判别分析法存在的小样本问题(sss),通过调整Fisher判别准则,实现了自适应线性判别分析算法及相应的人脸识别方法人脸识别中的小样本问题使线性判别分析算法的类内散布矩阵发生严重退化,导致问题无法求解。本文在人脸识别小样本问题的基础上,通过调整Fisher判别准则,利用类间散布矩阵的补空间巧妙地避开类内散布矩阵的求逆运算,通过训练集每类样本的样本数信息自适应改变调整参数,实现了自适应线性判别分析算法,实验结果表明,该算法能有效解决人脸识别中的小样本问题。 3 提出了基于有效人脸区域的Gabor特征抽取算法,有效地解决了Gabor特征抽取维数过高的问题。 Gabor小波对图像的光照、尺度变化具有较强鲁棒性,是一种良好的人脸特征表征方法。但维数过高的Gabor特征造成应用系统的维数灾难,为解决Gabor特征的维数灾难问题,论文第四章提出了基于有效人脸区域的Gabor特征抽取算法,该算法不仅有效地降低了人脸特征向量维数,缩小了人脸特征库的规模,同时降低了核心算法的时间和空间复杂度,而且具有与传统Gabor特征抽取算法同样的鲁棒性。 4 结合有效人脸区域的Gabor特征抽取、自适应线性判别分析算法和基于支持向量机分类策略,提出并实现了基于支持向量机的嵌入式人脸识别和嵌入式人像比对系统支持向量机通过引入核技巧对训练样本进行学习构造最小化错分风险的最优分类超平面,不仅具有强大的非线性和高维处理能力,而且具有更强的泛化能力。本文研究了支持向量机的多类分类策略和训练方法,并结合论文中提出的基于有效人脸区域的Gabor特征提取算法、自适应线性判别分析算法,首次在基于Windows CE操作系统的嵌入式ARM平台中实现了具有较强鲁棒性的嵌入式自动人脸识别系统和嵌入式人像比对系统。 5 提出并初步实现了基于客户机/服务器结构无线网络模型的远距离人脸识别方案为解决嵌入式人脸识别系统在海量人脸库中进行识别的难题,论文提出并初步实现了基于客户机/服务器结构无线网络模型的嵌入式远距离人脸识别方案。 客户机(嵌入式平台)完成对人脸图像的检测、归一化处理和人脸特征提取,然后通过无线网络将提取后的人脸特征数据传输到服务器端,由服务器在海量人脸库中完成人脸识别,并将识别后的结果通过无线网络传输到客户机显示输出,从而实现基于客户机/服务器无线网络模型的嵌入式远距离人脸识别方案。 6 结合我们开发的基于ARM的嵌入式自动人脸识别系统和嵌入式人像比对系统,从系统设计的角度探讨了在嵌入式系统中进行人脸识别应用设计的思路及应该注意的问题虽然嵌入式人脸识别系统的性能很大程度上取决于高效的人脸特征描述和鲁棒的人脸识别核心算法。但是,嵌入式系统的设计思想对嵌入式人脸识别系统的性能影响同样值得重视。本文第六章重点阐述了嵌入式自动人脸识别应用系统的设计思路,并结合我们自主开发的嵌入式自动人脸识别系统和嵌入式人像比对系统从系统设计的角度探讨了嵌入式人脸识别应用系统设计中应该注意的关键技术问题。 结合本文提出的算法我们在PC上完成对人脸识别分类器的训练,然后在嵌入式ARM开发平台上实现了嵌入式自动人脸识别、嵌入式人像比对两个便携式人员身份认证系统,经测试运行效果良好。所提出的人脸识别算法不仅具有一定的理论参考价值,而且对于嵌入式系统应用开发、AFR应用系统开发也具有一定的借鉴意义。

    标签: ARM 架构 嵌入式 人脸识别

    上传时间: 2013-05-18

    上传用户:我们的船长

  • 基于Joint+HOG特征复杂场景下的头肩检测

    头肩的定位检测采用了HAAR特征和HOG特征的层级分类方法,并根据头肩的对称性特点,提出了一种称为Joint HOG的组合型特征。通过HAAR分类器滤除大部分负样本后,接着用HOG进行精细的验证从而得到头肩目标框。实验表明,本文的方法取得了80%~90%的准确率,并且完全可以用于实时处理。

    标签: Joint HOG 特征 复杂场景

    上传时间: 2013-11-13

    上传用户:weareno2

  • This program compress and recostruct using wavelets. We can select level of decomposition(here maxim

    This program compress and recostruct using wavelets. We can select level of decomposition(here maximum 4 levels are given) of images using selected wavelet. For eg:-wavelets can be HAAR, db1, db2,dmey............... Decomposition can be viewed in figure. (Please note that select 256X256 image for better result.) Then compression can performed, PERFL2 give compression score. Then reconstruction can be performed. Each decompsition we can choose different threshold values. For each threshold value we can calculate mse,psnr,pq(picture quality), bit ratio etc. To get pq install pqs function .

    标签: decomposition recostruct compress wavelets

    上传时间: 2016-01-22

    上传用户:liuchee