基于动态分块的指纹图像方向图研究

计算指纹点方向图和块方向图,并在此基础上利用指纹纹理方向变化特征采用动态分块的方法求取指纹方向图.该方法更准确地反映指纹的脊线方向信息.     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

多级提取奇异点的算法及基于奇异点的粗匹配

提出了一种分别基于Poincare指数和梯度场零点检测的分级算法来提取奇异点(核心点,三角点).该算法分为两级:首先是粗定位,根据指纹块方向场的Pioncare指数确定奇异点所在的分块和该奇异点所属的类型,同时得到核心点的方向;然后精定位,用梯度场零点检测的方法在该块中精确确定奇异点的位置(精确到像素级);最后利用奇异点的位置和方向信息对指纹做粗匹配,尽可能地排除明显不可能的候选待匹配指纹.实验证明,提取奇异点的算法快速、准确并且有很强的鲁棒性,而且与全图平方方向场滤波算法相比节省27%的计算时间.后阶段粗匹配的算法则能够拒绝30%的候选指纹系统的处理时间.     

指纹中心点的定位和特征匹配方法

提出了一种新的指纹中心点搜索的方法及其于中心点的指纹匹配算法，它利用指纹块方向图中块方向的变化进行中心点的粗细两步搜索，首先在粗方向图中搜索方向锐变区域，然后在细方向图中对相应的匹配再进一步搜索方向锐变的区域，最终得到中心点，在此基础上介绍了基于网格的旋转匹配方法，此方法对噪声大的指纹有较强的抗干扰性，算法相对简单且效果良好。     

基于阴影轮廓差分投影方法的快速定位车体算法

利用阴影轮廓特征，提出了一种快速分离和定位车体算法．该算法利用车体形成的阴影轮廓曲线，根据不同的阴影方向模型进行水平和垂直方向的轮廓差分投影，利用轮廓差分投影曲线定位阴影与车体边界的特征点，从而分离和定位车体．实验图象数据研究表明，该算法具有较好的鲁棒性和准确性，同时从其运行的时间来看，完全能满足实时的车型识别系统的需要．     

一种基于样图的三维纹理合成优化算法

为了避免网格重建过程,提高大量三维采样数据的快速绘制处理速度,提出一种有效的三维纹理合成算法.该算法为点模型上每一点建立邻域关系,并在点模型上建立方向场,将初始化纹理值作为基础纹理;建立模型上的点与样图的映射关系,并依次在样图中为点模型上每一点选取合适的纹理值;用点的绘制方法,完成纹理合成.实验结果表明,该算法能在三维模型上生成光滑、连续的纹理,算法纹理合成质量较好.     

基于特征向量的线性约束最小方差自适应方向图控制

针对自适应波束形成中副瓣电平较高的问题,该文提出一种基于特征向量的线性约束最小方差(E-LCMV)自适应方向图控制算法。该算法通过对输入数据协方差矩阵进行特征分解,得到干扰子空间与噪声子空间,利用子空间之间的正交性,在静态加权矢量中修正约束矩阵和约束响应矢量,可在小快拍数条件下有效地抑制干扰,并同时保持静态方向图的副瓣特征。计算机仿真结果表明该算法具有良好的副瓣特性,并提高了低快拍数下输出的信干噪比(SINR),验证了该算法的有效性和优越性。     

任意阵列天线自适应方向图综合的模值逼近法

基于自适应理论提出了一种任意阵列天线方向图综合算法。该算法采用模值逼近，并利用牛顿迭代法二次收敛的特点，使综合最优化方向图的速度达到非线性收敛，该方法能够有效地控制主瓣和旁瓣的形状，大大加快算法的速度。     

利用各向异性高斯方向导数相关矩阵的角点检测方法

为了抑制图像边缘上的局部变化和噪声对角点检测的影响,提出了利用各向异性高斯方向导数自相关矩阵的角点检测算法.该算法首先利用Canny边缘检测器提取图像的边缘映射;然后用各向异性高斯方向导数滤波器对输入图像进行平滑,对每个边缘像素,利用它与相邻像素之间方向导数的相关性构造自相关矩阵;若边缘像素点的自相关矩阵所对应的归一化特征值的和是局部极大值,则标记该点为角点.与传统的基于轮廓的角点检测方法不同,文中提出的方法利用的是邻近像素的方向导数的相关信息,而不是轮廓曲线的曲率,因而具有更好的稳健性.实验结果表明:在无噪声和含噪声的条件下,该检测方法与已有的3种算法相比,平均配准角点数分别提高了7.4%和9.3%左右,平均定位误差分别降低了10%和15.2%左右.     

一种求解单调变分不等式的下降型邻近点交替方向乘子法

针对具有可分结构的单调变分不等式问题,基于邻近点算法和文献[12]提出的下降型算法构造了一个新的下降方向,并利用下降量的下界来选择最优步长,提出一种下降型邻近点交替方向乘子法;证明了算法的收敛性;并将该方法与文献[11]中算法的下降量下界进行比较,从理论上说明了算法的优越性。     

一种基于小波的Contourlet变换的图像压缩算法

针对JPEG2000图像压缩不能有效地保护图像边缘的局限，提出了一种结合基于小波的Contourlet变换与最优截断嵌入码块编码（EBCOT）的静止图像压缩算法（CEBCOT）．在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换，它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带，从而更稀疏地表示了图像的边缘和纹理．CEBCOT采用了改进的EBCOT编码，它依照方向子带大小进行编码块分割，提高了编码性能．实验结果表明，相对于JPEG2000，所提出的算法获得的压缩图像边缘更加清晰，峰值信噪比提高了0．1～0．8dB．     

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.      

一种改进的Mean Shift指纹图像分割算法

基于传统指纹图像分割算法, 提出一种改进的Mean Shift指纹图像分割算法. 该算法利用指纹图像固有的方向性特性, 把经过分割后的每个指纹图像区域抽象为一个样本点, 将区域内像素点的灰度均值作为均值向量, 从而有效地实现了指纹图像分割. 实验结果表明, 该算法能准确地将指纹图像中的模糊区域和背景区域分离, 提高了指纹图像分割的精确度, 并且对于多数指纹图像准确性较好.     

全相位方向滤波器组设计及其应用

为提高方向滤波器组的方向选择性和运算速度,基于全相位列率滤波理论提出了一种新的方向滤波器组设计方法该方法直接从频谱特性设计纯二维方向滤波器并灵活构建方向滤波器组,避免了传统方向滤波器组对图像的旋转、采样等操作,可以更多地保留图像细节并减小运算量．采用该方法设计了2种全相位方向滤波器组,并将其用于图像去噪对经典测试图像的实验结果表明,与Contourlet变换及其改进——非下采样Contourlet变换相比,采用该方法去噪后图像的峰值信噪比最多提高2．96dB,且重建图像的主观质量也较好．     

非均匀纹理图像大区域修复算法

为了改善实际非均匀纹理图像大区域修复效果,提出了一种改进的纹理合成算法.在传统图像修复算法优先权系数的基础上,增加了方向性优先权系数,为纹理合成时各点的传播方向和进度提供索引;同时,针对非均匀纹理图像渐近变化的特点,将以待修复块为中心的扇形区域作为最优匹配块的搜索区域,以减少误匹配.仿真实验结果表明,该方法能够有效克服传统纹理合成方法没有考虑方向性的缺点,对实际大区域非均匀纹理图像取得了较好的修复效果.     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

基于切缝法求方向图的指纹奇异点定位

基于指纹识别技术中指纹奇异点定位在实现指纹分类和实现指纹识别的重要性,提出一种基于切缝法求方向图的奇异点定位算法,求出的方向图具有细节保留能力强、去噪能力强等特点.结合改进的Poincare index法和切缝法求出的方向图在FVC2000指纹数据库上进行指纹奇异点定位,在时间复杂度和准确性上取得了较好的效果,可满足实际使用的需要.     

非结构环境下一种改进的区域生长点云分割方法

针对非结构环境下目标零件识别过程中零件相互堆叠造成分割困难的问题,提出了一种改进的区域生长点云分割算法。首先,采用直通和统计滤波器对获取的点云进行预处理,得到去除冗余数据后的点云;其次,使用八叉树建立点云之间的拓扑关系,提高后续点云分割的效率;最后,选择基于局部径向基函数的曲率计算方法,通过计算选取曲率最小点为初始种子点,并设定空间阈值范围进行区域生长。实验结果表明:该方法能有效解决非结构环境下零件堆叠导致的分割困难问题,分割准确度高且效率满足工业实时需求。     

基于半像素的Hessian矩阵的空域误码掩盖

针对线条边缘采用传统的Sobel算子进行边缘检测和方向判别方法无法准确地检测其方向的问题,提出了基于半像素的Hessian矩阵对线条边缘进行检测的算法。该算法将图像中丢失的数据块的像素进行分类,再根据不同类别的边缘采用相应的边缘检测算子进行边缘检测,并根据检测的边缘方向对受损图像进行方向外推掩盖。实验证明,半像素精度的Hessian矩阵对线条边缘方向的检测更加精确,该算法较一般误码掩盖算法使受损图像的恢复质量PSNR(Peak Signul Noise Rate)值提高了0.2~0.4 dB。