1 河海大学物联网工程学院, 江苏 常州 213022
2 常州市传感网与环境感知重点实验室, 江苏 常州 213022
针对现有的人脸图像识别算法准确度不高的问题，提出了一种基于非下采样Contourlet 变换(NSCT)和仿生模式的人脸图像识别的方法。对人脸图像进行NSCT 分解，并将分解后的各系数矩阵转化为能量特征，利用仿生模式识别算法实现对人脸图像的识别。使用UMSIT、Yale 和ORL 人脸库进行实验，且设计了无拒识和有拒识两组方案，实验结果表明：与传统方法相比，利用基于非下采样Contourlet 变换和仿生模式的人脸图像识别的方法能够获得更高的正确率，而有拒识的方案能够获得更好的综合性能。
图像处理 非下采样Contourlet 变换 仿生模式识别 人脸识别 高维空间覆盖 激光与光电子学进展
2015, 52(3): 031001
1 河海大学物联网工程学院, 江苏常州213022
2 常州市传感网与环境感知重点实验室, 江苏常州213022
针对红外图像对比度低、噪声大等特点，提出了一种基于人类视觉系统的亮度掩蔽和对比度掩蔽特性的非下采样轮廓波变换(NSCT)域红外图像增强算法，在NSCT 域中定义一种带参数的对比度，对高频系数计算其带参数的对比度，用非线性增益函数对其进行增强，低对比度区域进行高增益，高对比度区域进行低增益，从而突出图像细节与提高图像对比度，同时通过估计噪声水平设置阈值，抑制绝对值小于阈值的系数，用以抑制噪声。对表示图像概貌的低频系数采用非完全贝塔函数进行非线性调整，从而提高图像的整体亮度。实验结果表明，该算法能够有效地对图像局部和整体进行增强，同时能够避免产生过增强现象，具有良好的视觉效果。
图像处理 红外图像 图像增强 非下采样轮廓波变换 人眼视觉系统 非线性增益函数 激光与光电子学进展
2015, 52(1): 011001
