基于最小最大概率机的虹膜图像分类方法研究

为了提高虹膜图像分类的准确性和稳定性，提出了一种基于最小最大概率机的虹膜图像分类方法．该方法通过控制错分概率实现分类的最大化，将一般的二维分类问题扩展到虹膜特征的多维空间，并利用最小最大概率机的高维映射泛化特性，实现了不同核函数下的虹膜图像多维分类问题，具有分类准确率高、稳定性好的特点．通过虹膜图像库的实验验证表明，该方法在保持分类稳定性的同时，获得了径向基核函数高达98．55％的分类率，该分类率比最近特征线方法和相异度函数方法的分类率分别提高了4．47％和6．41％．     

基于LSSVM和D-S的遥感图像分类方法

为了提高遥感图像的识别率,提出一种基于最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)和证据理论(Dempster-Shafer theory,D-S)的遥感图像分类方法.该方法首先分别提取遥感图像的纹理和颜色特征,然后分别对纹理和颜色特征采用LSSVM建立分类模型,并得到相应特征的分类率,最后把单一特征分类正确率输入到D-S证据理论对它们进行融合,从而得到它们的权值,并根据权值得到遥感图像的最终分类结果.仿真结果表明,该方法不仅提高了遥感图像的分类率,而且还加快了遥感图像分类的速度,从而使得该方法在地理信息系统具有一定的应用价值.     

一种新颖的虹膜图像预处理算法

提出一种新的虹膜图像预处理算法．先利用搜索迭代的圆周差分方法快速准确地定位虹膜，再利用一种将瞳孔与虹膜圆心变换合并的虹膜图像归一化方法解决虹膜内外圆不同心带来的误差，最后使用改进的局部直方图均衡化方法增强图像．大量的虹膜图像的实验表明，新方法对虹膜定位有非常高的准确性和鲁棒性，归一化和图像增强能提高后续的虹膜识别率．整个虹膜预处理的运算时间小于0．4s，能满足实时系统的要求．     

基于D-S证据理论加权的遥感图像组合分类

为了提高了遥感图像识别率,提出一种D-S证据理论加权的遥感图像组合分类模型。首先提取遥感图像的纹理和颜色特征,然后分别对纹理和颜色特征建立分类模型,并得到相应特征的分类率,最后把单一特征分类正确率输入到D-S证据理论对它们进行融合,得到它们的权值,根据权值得到遥感图像最终分类结果。仿真结果表明,本文模型不仅提高了遥感图像分类率,而且加快了遥感图像分类的速度,在地理信息系统具有一定的应用价值。     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

虹膜识别算法研究

为了提高虹膜识别的速度和准确性,提出一种新的虹膜图像均衡法：将直方图均衡法和局部对比度增强法结合起来调节图像动态范围、增强局部对比度,并利用平衡式零谱矩滤波器对预处理后的虹膜图像进行分解,提取更准确的虹膜纹理特征。整个虹膜识别过程小于1．3s,准确率97．25％。可用于个人身份识别中。     

基于支持向量机的机场检测算法

提出了一种新的机场检测算法．该算法通过把机场跑道的几何特征与其所在区域的纹理特征相结合来描述机场特征，其中由灰度的平均值和方差、区域的光滑性、直方图的偏斜度、区域的一致性、图像的随机性、图像的梯度平均和方差等8个特征组成机场的纹理特征向量．先通过直线检测找到机场跑道的候选区域，然后用基于高斯核函数的支持向量机作为分类函数，对候选区域的特征向量进行分类，由此判别机场跑道．实验表明，与传统的仪通过形状判断机场的方法比较，该算法对机场的误检率较低，检测率比刘德红的方法高近10倍，几乎能实时完成一幅图像的检测．     

一个基于尺度空间理论的直方图定性匹配算法

设计并实现基于高斯尺度空间理论的直方图定性匹配算法，该算法首先建立灰度直方图的尺度空间，并提取各直方图在尺度空间中的特征。包括峰点个数、峰点线结构和峰点生命期等，然后利用这些特征匹配直方图，在同一内容的图像与不同内容的图像组成的图像库中。对直方图定性匹配算法进行了实验研究，实验结果表明，该算法可较好地解决图像内容恒常性问题。     

一种基于Logistic回归的基本信度分配函数的构造新方法

结合Logistic回归分类,该文提出一种新的构造证据理论基本信度分配函数的方法,并将其应用于多特征图像分类.该方法首先以多类Logistic回归分类法输出的后验概率与样本分类正确率建立证据权重系数,然后构造出加权的基本信度分配函数,最后利用加权D-S证据融合判别所属类别.实验结果显示:该方法既能提高图像分类的正确率,又能改正使用单特征分类导致的分类正确率的不稳定的缺点.     

面向残差网络多元特征的轻量级虹膜分类

针对传统虹膜分类需手工设计滤波器提取虹膜特征,提取特征单一,且通常需大量手工调参,泛化能力较差的问题,提出一种面向残差网络下多元特征的虹膜分类算法.一方面将虹膜图像与Gabor特征相结合,另一方面在网络结构中使用多个尺度的卷积核,使学习到的虹膜特征更丰富,从而提高图像特征的表征能力.实验结果表明,在固定类别中,使用Softmax分类器进行多分类,该算法在JLU虹膜数据库中的分类准确率可稳定在98.90%以上,不低于DeepIrisNet和Resnet等网络结构,且该算法的网络结构参数更少,学习速度更快.     

基于形态学与灰度分布的序列虹膜质量评价算法

基于形态学和灰度直方图中的灰度分布, 提出一种虹膜质量评价算法. 通过清晰度, 基于二值形态学的活体检测, 灰度直方图灰度分布的区域有效判定以及超界偏移度和斜视离心度的斜眼程度判断, 解决了连续采集的序列虹膜质量评价中因判别指标严苛导致的有效虹膜幸存率过低的问题. 在排除不合格图像的同时, 尽可能地保留可以进行识别的虹膜, 以提高有效虹膜幸存率, 并且时间消耗相对较短.     

基于BP神经网络的虹膜图像质量分类方法

摘要：针对虹膜图像采集过程中受光照条件不足、眼镜反光和眼皮遮挡等因素的影响而造成的图像质量不理想的问题,本文提出了一种基于BP神经网络的虹膜图像质量的分类方法。利用小波变换对每一幅虹膜图像进行特征提取,进而将提取的归一化虹膜图像数据作为BP神经网络的输入,以此对BP神经网络进行训练,实现了将3种被不同的影响因素影响的虹膜图像与未被影响图像进行区分的目的。仿真结果表明,该方法具有较高的虹膜分类精度以及较低的误差率。     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

基于椭圆拟合的晃动虹膜图像的检测算法

针对虹膜识别系统中晃动影响识别准确率的问题,提出了一种基于椭圆拟合的晃动虹膜图像的检测算法.首先对虹膜区域利用Gabor滤波器卷积初步估计光斑的位置;然后在放大5倍的截取虹膜图像上定位有效光斑;最后,对每个光斑的边界进行椭圆拟合,并计算长短轴比例和拟合误差,误差较小且长短轴比例大于1.55的图像判定为晃动图像.在CASIA-IrisV3-Lamp数据库上的实验表明,该方法检测晃动虹膜图像的准确率达到100%,提高了虹膜识别系统的准确率.     

基于多尺度Retinex理论的彩色图像增强算法

提出一种基于Retinex理论的图像增强算法,Retinex理论的实质就是从图像I中获得物体的反射性质R,即抛开入射光的性质获得物体的本来面貌,对多尺度的Retinex理论算法进行改进,即将直方图均衡化算法用于多尺度的Retinex算法中.通过该方法得到的图像具有色彩逼真、动态范围大等特点.实验表明该算法确实对彩色图像起到增强的效果.     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.