Radon域虹膜图像数字水印研究

提出了Radon域特征嵌入的虹膜图像数字水印算法.算法提取小波变换的过零表达系数,用于描述虹膜纹理特征,将其编码后作为水印信息嵌入原始虹膜图像.证明了虹膜图像Radon变换的幅频域是一个旋转、平移和缩放的不变域,水印的嵌入选择在这个不变域内进行.水印的检测过程不需要原始图像,是一种盲检测水印算法.实验结果表明,提出的虹膜水印算法对虹膜纹理具有敏感性,可以有效地保护虹膜图像纹理区域不受篡改.同时实验还表明,水印对一般的图像处理和几何失真攻击具有鲁棒性.     

基于小波变换与差分矩阵的虹膜识别技术

文章提出了一种二维离散小波变换与差分矩阵相结合的虹膜识别算法。与现有的替他方法相比,该方法充分利用虹膜的尺度信息和空间信息,有效提高了虹膜识别率。     

一种新的基于小波变换的虹膜识别算法

为了克服基于小波变换过零检测的虹膜识别算法对纹理灰度变化敏感的缺点,利用小波的带通特性和小波变换检测奇异点的原理,提出了一种新的基于小波变换的虹膜识别算法。将虹膜纹理分成8个分析带,每个分析带只采用一个合适尺度的小波滤波,然后将滤波结果量化,产生256byte的虹膜特征码,最后利用Hamming距离进行模式匹配。实验结果表明,算法运算时间约为1s,识别率可达97.04%,可用于实际的身份鉴别系统中。同时,算法具有平移、旋转和缩放不变性。     

基于二维小波变换的虹膜识别方法

提出一种基于二维小波变换的虹膜识别方法; 对虹膜图 像预处理后, 将二维小波变换与积分图像相结合, 实现虹膜纹理的特征提取; 实验检验了算法的有效性.     

一种新的基于多小波变换的虹膜识别算法

提出一种基于多小波变换的新的虹膜识别算法. 利用CL多小波优良的数学性质, 虹膜纹理特征能够被准确完整地表达. 将分解后子带作为特征编码, 利用空间向量的方向夹角余弦作为匹配方法, 有效克服了缩放、 平移、 光照等影响, 达到了较好的识别效果.     

图像边缘检测二维小波算法研究与实现

边沿作为图像视觉的最主要特征，成为图像信息获取的重要内容。小波变换具有检测局域突变的能力，而且可以结合多尺度信息进行检测，因此成为图像信息边缘检测的优良工具。根据二维小波变换的特点,分析了利用二维小波进行图像边缘检测的基本原理，并设计了利用二维小波变换进行多尺度边缘匹配的检测算法。基于研究结果，编写了计算机应用程序，进行实例分析。     

基于小波变换和升高变换的IC图像纹理分割算法

引入二值图像的升高变换，并结合小波变换提出一种IC图像纹理分割算法．在纹理分割过程中，首先对IC图像进行小波分解并对二值化后的近视部分进行升高变换，然后利用原图像信息识别出不同纹理，分割出不同区域．实验表明，该算法快速、高效，具有很好的实用性．     

虹膜识别

系统阐述了虹膜识别的原理和实现方法,提出将小波变换与Hough变换相结合定位虹膜外边界,采用同心圆渐变展开虹膜图像为矩形图像,根据纹理分布方差对分类距离加权.新算法在保持平移和缩放不变性的同时,有效地实现了虹膜识别.     

基于多方向Gabor滤波器和Adaboost的虹膜识别方法

结合虹膜的整体和局部纹理信息,提出一种新的虹膜特征提取和识别方法.首先将归一化虹膜进行分块,然后利用多方向Gabor滤波器分别对整个虹膜和虹膜子块进行编码并生成特征向量,最后使用Adaboost算法训练得到识别性能较好的特征用于识别.在数据库CASIA-IrisV3-Lamp中实验,该算法的识别率达到99.85%;在包含大量低质量虹膜图像的数据库NICE:Ⅱ中实验,算法也具有较好的识别性能,表明了算法既能充分地利用虹膜的纹理信息,又能有效地减少噪声的影响.     

基于快速离散曲线变换的各向异性虹膜识别

提出了旋转不变技术在决策水平上进行虹膜特征提取和融合后分类的方法,以提高非理想环境条件下的性能.在这项工作中,基于二维(2D)快速离散曲线波变换(FDCT)的方向性虹膜纹理特征被计算出来.该方法将归一化的虹膜图像分为六个子图像.Curvelet变换应用于每个子图像.使用这些curvelet系数的方向能量导出每个子图像的特征向量.这些距离在决策层通过新颖的后分类器k-out-of-n进行融合,降低错误识别率.最后提出的方法在UBIRIS,MMU1和CASIA-Iris V2.0数据库上进行了测试,证明了所提出算法的可行性,并将其与现有虹膜识别算法进行了比较.实验结果表明,该算法可以提高虹膜识别准确率,达到较高的实际应用中的要求.     

基于改进的小波变换的纹理特征提取算法

提出了一种基于改进的小波变换的纹理特征提取算法。首先介绍了基于金字塔小波变换的纹理特征提取方法,然后在分析金字塔小波变换和离散小波框架的基础上,提出一种基于改进的离散小波变换的纹理特征提取方法。最后,给出了上述算法的计算机实现方法,并进行了计算机仿真研究。     

基于小波变换和灰度-梯度共生矩阵的局部放电特征提取及识别

为了能够充分利用局部放电(Partial Discharge, PD)信号中包含的特征信息，提高变压器内部局部放电类型的识别率，文中提出了一种基于小波变换(Wavelet Transform)和灰度-梯度共生矩阵(Gray-GradientCo-occurrence Matrix,GGCM)算法的局部放电类型识别方法。结合变压器内部结构特点，设计四种局部放电缺陷类型，在实验室搭建变压器局部放电实验检测平台，通过脉冲电流法采集局部放电高频电流信号。运用小波变换对非平稳信号处理时的灵活性对局部放电信号脉冲构建时频谱图；然后结合GGCM算法提取时频谱图的15维纹理特征组成特征向量；将特征向量输入到支持向量机(Support Vector Machine,SVM)分类器进行模式识别。结果表明，小波变换和GGCM算法结合的识别方法能够有效地对不同局部放电缺陷类型进行识别。     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

三特征Contourlet纹理图像检索算法

Contourlet纹理检索算法中,特征向量的构造大多采用子带系数的能量和标准偏差级联得到,这在一定程度上阻碍了细节纹理的准确表达.为了克服这个问题,构造了相对标准偏差这个特征作为纹理特性的描述算子,并将该特征与子带系数幅度均值和峰度级联来构造特征向量.采用这种新型的特征向量,在Contourlet与Contourlet-2.3两种轮廓波纹理算法框架下,以Brodatz纹理图像数据库作为测试对象,相对于目前普遍采用的特征向量,平均检索率提高了5%~7%,从而验证了该算法的有效性.     

基于K-L变换和支持向量机的三维肺结节识别

针对传统二维结节感兴趣区的特征提取忽略了肺结节在三维空间的细部特征问题,提出了一种基于K-L变换和支持向量机(SVM)的肺结节识别新方法.首先对三维肺结节的几何特征和密度特征进行分析,计算并提取三维特征形成原始特征空间,然后使用K-L变换方法进行原始空间变换,去除特征间相关性,最后采用支持向量机分类方法来进行肺结节识别,并引入ROC曲线对算法性能进行评价.实验针对36组具有临床标注"金标准"的肺部HRCT数据进行,结果表明该方法的识别准确率可以达到94.33%,ROC曲线的Az值为0.94.     

基于SIFT和小波变换的图像拼接算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的图像拼接算法,以提高室外复杂场景的图像拼接质量.利用SIFT算法提取基准图像(待匹配图像)和后续图像(与基准图像进行匹配的图像)的特征点,确定特征点的位置、尺度与方向;利用128维向量对特征点进行描述;利用最近邻法完成两幅图像特征点的匹配,确定重合区域;利用基于小波变换的多分辨率方法完成对图像的拼接.实验结果表明,该方法对亮度差异较大的图像拼接效果良好,适宜于室外复杂环境的图像拼接.