基于特征点距离的手背静脉特征融合方法

针对现有手背静脉识别利用手背静脉特征较少, 识别率较低的问题, 提出了一种基于特征点距离的手背静脉特征融合方法。该方法首先对手背静脉进行细化, 对不变矩特征的量化值求和再进行匹配; 然后提取手背静脉的端点及交叉点, 利用改进的Hausdorff 距离进行匹配, 从而去除零距离点的影响, 提高两幅图之间的非相似性; 最后将这两种匹配方法进行加权融合。实验证明, 该融合算法识别率可达96. 75%, 且运行时间仅为0. 97 s。     

一种改进的SIFT图像检测与特征匹配算法

提出了一种改进的SIFT图像特征检测与匹配算法.以包含像素信息的深度图为基础,通过相应的映射关系,将深度图变成二维图像,再依据深度图每个网格顶点处的局部微分性质确定二维图像上的灰度值,得到二维灰度特征图像;利用SIFT算法对特征图像进行特征点的检测;然后将K近邻算法和双向特征匹配算法相结合,使得匹配得到的结果更加准确,误匹配对更少,并把匹配结果还原到深度图上;最后采用随机抽样一致性RANSAC算法对误匹配点对进行剔除,实现2幅图像的配准.实验结果验证了这种改进算法的鲁棒性和有效性.     

脊波分析在手背静脉识别中的应用

提出一种基于改进的有限脊波变换的手背静脉识别算法. 利用脊波理论适合于表示直线奇异性的特点, 对手背静脉特征进行分析. 使用改进的有限脊波变换对手背静脉图像进行分解, 得到不同分解尺度下手背静脉的多分辨脊波特征, 再通过定义多分辨脊波特征距离进行模式匹配. 实验结果表明, 与传统静脉特征提取方法相比, 该方法较完整地保留了静脉的原始信息, 提高了运行速度并降低了算法复杂度.     

灰度视频序列中驾驶员疲劳实时检测方法

介绍了一种灰度视频序列中快速、有效的通过判断眼睛睁开程度来检测驾驶疲劳的方法,首先通过改进的Sobel算子在面部区域获得五官边缘的二值化图像,然后进行连通区域判断,并结合五官几何特征、区域生长及形态学算法精确定位眼睛位置,最后利用上下眼睑的相对距离来判断是否疲劳.实验结果表明;该算法对尺寸、旋转角度等有很好的适应性.     

基于并行特征匹配的车牌定位与识别算法

针对智能交通系统中车牌定位速度慢,信息识别准确度低的问题,提出了一种高性能的车牌定位及字符识别算法.进行车牌图像预处理,在彩色图像中搜索边缘密度快速突起的矩形域,在搜索后的矩形区域内采集相似走向的双边曲线,筛选出双边走向具有突出相似特征的区域,以此定位出包含字符的真实车牌区域,通过改进的神经网络模型进行多模板同位权值匹配,将待匹配模板逐层剔除,接着进行相似模板的异位权值匹配,准确识别出车牌图像里的字符信息.该算法抓住了车牌的矩形特征和字符具有的并行双边走向的重要特点,利用新型的同异位并行模板剔除方法,提高了车牌定位的速度和字符识别的准确度.     

一种有效的水表数字图像二次识别算法

针对远程水表抄表系统中的水表数字识别问题,提出一种有效的水表数字图像二次识别算法.在识别之前,先对水表图像进行前期处理以获得单个字符图像.基于模板匹配的思想,该算法首先将待识别字符与模板只进行有效信息区比较,得到一次识别匹配系数;然后进行基于数字字符特征的匹配,得到二次识别匹配系数,最后取2次匹配系数之和最大者为最佳匹配.对于半字识别,在变化字长模板匹配的基础上,提出匹配权重的概念,并结合上下半字连续这个先验知识,将待识别半字图片分别与各个模板匹配,取匹配系数最大者为最佳匹配.实验结果表明,所提方法简单有效且识别率很高,获得了满意的效果.     

基于红外图像的绝缘子串自动提取和状态识别

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题,提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型.首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征点集合;通过特征点对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量,通过训练得到优化的识别模型,用于绝缘子状态识别.该方法经过了220kV试验验证,证实了模型的有效性和实用性.     

基于信息熵的局部二值模式手指静脉识别

为进一步提升手指静脉识别算法的识别率与识别速度,在图像处理阶段,提取出手指图像的感兴趣区域(region of Interest, ROI),减少手指周围区域的干扰。为提升识别率,在局部二值模式 (local binary patterns, LBP)的基础上,引入像素邻域之间的关系,增强LBP的识别性能;然后将信息熵与改进型LBP结合得到新的ELBP特征,最后采用主成分分析(principal component analysis,PCA)降维,以减少识别时间,去除冗余特征。通过对比欧氏距离与曼哈顿距离构建的分类器,与其他主流特征比较,验证算法的识别性能。在SDUMLA数据库与天津市智能实验室采集指静脉图像数据库上,保证了算法的识别速度前提下,分别取得了99.53%、99.84%的识别率,与其他识别算法相比识别率有明显的提高。     

基于遗传算法自适应建立HMM的静脉识别算法

为了准确地对人的身份进行识别,利用图像中脉络延伸方向与脉络间位置的相互联系,将隐马尔科夫模型(HMM)应用于识别系统中,提出了一种基于遗传算法自适应建立HMM的静脉识别算法.图像经预处理后得到静脉的骨架信息,将细化后的静脉图像进行Radon变换,每一静脉对象可表示为一个HMM;对于已知确定的训练样本库,利用遗传算法自适应调整HMM参数,使所有测试图像的观测序列在真实匹配模型中发生的概率值远远大于其在虚假匹配模型中发生的概率值,提高了不同静脉对象的区分度.实验表明,该算法具有较高的正确识别率,并具有良好的实时性.     

基于改进凸分解的手势识别

提出了一种新的基于Kinect的实时静态手势识别方法,主要贡献包括:提出了一种简易可行的、结合图像深度信息与肤色信息的手势区域检测与分割方法;提出了一种改进的凸分解算法,对手势区域进行近似凸形状分解,以得到表征手势特征的骨架信息;采用基于路径相似性的骨架图匹配算法对手势进行匹配以实现识别.针对特定手势集进行了对比实验,实验结果表明,本文方法在识别结果的准确率以及算法的效率上都有着良好的表现.      

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.     

全局结构化 SIFT描述子在图像匹配中的应用

为了克服传统SIFT描述子进行图像匹配时对噪声和图像灰度的非线性变换敏感的缺点,提出了一种全局结构化SIFT描述子及其生成方法．该方法将特征点矩形区域改为以特征点为中心向外扩散的同心圆区域,计算同心圆区域10个方向的曲率累积值,建立一个描述范围为特征点尺度函数的特征向量,对其实施排序操作,赋予完全旋转尺度不变,形成全局结构化SIFT描述子．采用欧氏距离为匹配度量函数应用于图像匹配．实验结果表明：这种全局、局部结构式信息联合的思想增强了算法对图像的光照、平移、旋转等变换的鲁棒性,匹配精度提升18％,极大地改善了匹配效果．     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

基于改进Inception-ResNet-v2的城市交通路面状态识别算法

针对传统方法对于路面状态识别准确率低的问题,提出了一种改进Inception-ResNet-v2的路面状态识别算法,对六种城市交通路面状态进行识别。首先,在Inception-ResNet-v2算法的Inception-ResNet-C模块引入SENet注意力机制得到SE-Inception-ResNet-C模块,使算法学习到不同通道特征的重要程度;然后采用特征融合策略,将不同层级的特征信息融合,防止重要特征信息的丢失;最后采用全卷积结构,将原始算法中的全连接层换成卷积层,不仅保证了图像的空间结构,还能使网络接收任意尺度的图片。实验结果表明,该算法能提取关键的特征信息,有效提高了路面状态的识别精度。