基于奇异值分解的人脸识别方法 梁毅雄 龚卫国 潘英俊 李伟红 刘嘉敏 张红梅 提出了一种将傅里叶变换和奇异值分解相结合的人脸自动识别方法.首先对人脸图像进行傅里叶变换,得到其具有位移不变特性的振幅谱表征.其次,从所有训练图像样本的振幅谱表征中给定标准脸并对其进行奇异值分解,求出标准特征矩阵,再将人脸的振幅谱表征投影到标准特征矩阵后得到的投影系数作为该人脸的模式特征.然后,对经典的最近邻分类器算法进行了改进,并采用模式特征之间的欧式距离作为相似性度量,从而完成对未知人脸的识别.采用ORL

1．分析研究了基于内容的图像检索系统的工作原理，关键技术如：纹 理、形状等图像底层特征的描述方法， 图像间的相似性度量方法， 图像库索引机制等。 2．研究了基于纹理特征的图像检索方法，并提出了一种基于NSCT 变 换的纹理特征提取方法。通过对SAR 图像及相关图像进行NSCT 分解，计算不同尺度不同方向上的系数幅度序列的均值，标准方差 和三阶中心矩，以此构成特征向量来描述图像的纹理。实验证明本 文提出的采用NSCT 算法有较好的特征提取效果，引入三阶中心矩 作为特

自编的图像特征的快速计算，包括局域均值，局域方差，变差系数，峰度等统计量-the calculation of the local mean, local variance, local coffiecnt of varition et al.

编码： （1）进行颜色转换，将RGB格式转换为YUV格式。 （2）将待编码的N×N的图像分解成(N/8)^ 2 个大小为8×8的子图像。 （3）对每个子图像进行DCT变换，得到各子图像的变换系数。这一步的实质是把空间域表示的图像转换成频率域表示的图像。 （4）对变换系数进行量化。 （5）进行Z字形重排 （6）使用霍夫曼变长变码编码器对量化的系数进行编码，得到压缩后的图像（数据）。 解码： （1） 对压缩的图像数据进行解码，得到用量化系数表示的图像数据。 （2） 进行反Z字型重排 （3）用与编码时