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.     

基于小波神经网络的掌纹识别

提出了一种基于小波神经网络的掌纹识别方法。首先对掌纹图像经过预处理得到掌纹的感兴趣区域(ROI),然后利用小波包分解的方法对该区域进行掌纹特征的提取,再利用RBF网络的容错能力和较快的收敛性对掌纹图像加以识别。针对香港理工大学掌纹数据库进行了实验,实验结果证明,本算法可以达到很好的识别效果,为掌握识别提供了一种新途径。     

基于log-Gabor小波的掌纹识别算法

掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点,为此提出一种基于log-Gabor小波进行特征提取的掌纹识别算法.该算法首先用log-Gabor小波对掌纹目标区域（region of interest,ROI）进行滤波,然后根据滤波后图像的相位信息形成二进制掌纹特征码,最后用汉明距离来衡量不同掌纹特征码的相似度.在UST掌纹库上的实验结果达到了较高的识别率,验证了该算法的有效性.     

数学形态学在圆形目标识别和定位中的应用

利用数学形态学简单准确和便于捕捉图形特征的特点，提出了一种提取圆形目标并定位图像方法。先用形态学开运算去除较小团块，再通过形态学边缘提取算法找出图像中物体边缘，通过圆形的判别标准，提取图像中圆形目标，并定位了圆心的位置。实验表明这是一种有效的提取圆形目标的方法。是实现多种特征定位的有效尝试。     

一种内侧指横纹识别方法

提出了一种新的内侧指横纹识别方法.首先,对图像采集设备进行改进,在采集过程中固定了手指方向,使获得的指横纹感兴趣区域(ROI)之间只存在微小的平移变换,有利于提高图像匹配的精度.另外,在预处理阶段,利用Gabor滤波法检测手指线特征以分割手指,并从中提取出ROI.在特征匹配阶段,提出了一种利用投影比较进行定位的图像匹配方法,对ROI特征图像进行水平和垂直方向投影,通过比较所得的一维向量实现感兴趣区域的精准定位.评估系统建立在包含来自于77个人的820幅图像的数据库上,等错误率仅为0.61%,单次匹配时间为3.1ms,证明该算法可快速实现指横纹特征识别,准确率较高.     

基于灰色系统理论及方向图的纤维边缘检测算法

针对传统边缘检测算法在对纤维进行边缘检测时易出现边缘不连续、虚假边缘、粘连纤维无法确定轮廓的现象,提出了一种基于灰色系统理论及方向图的纤维边缘检测算法.该算法首先利用灰色预测和Niblack算法分别得到图像的强边缘和图像二值图,接着利用边缘连接算法求出连接图,并与利用灰色关联度求出的感兴趣区域(ROI)相结合求出纤维边缘图,进而利用填充算法和轮廓跟踪求出纤维外轮廓,再将外轮廓与ROI相结合求出轮廓增强的纤维图像,最后运用基于方向图的边缘界定算法提取纤维的边缘信息,剔除毛刺之后可得到纤维的完整边缘.试验结果表明,这种方法能够很好地抵制噪声,并能得到比较完整的纤维边缘信息,不仅具有较好的边缘连续性,且克服了双边缘的现象,提高了检测精度.     

基于多方向滤波和邻域去噪的掌纹主线提取

为了提取完整的、接近自然生长规律的掌纹主线,提出了一种基于多方向滤波和邻域去噪的掌纹主线提取方法.首先对全手掌图像进行预处理,得到统一大小和灰度的ROI(Region of Interest, ROI)掌纹图;然后用中值和4个方向检测器对ROI图像滤波,并对滤波后的结果进行底帽运算从而得到粗提取的结果;最后对粗提取的主线进行二值处理和邻域去噪,得到最终的主线提取结果.在公开的数据集上将新方法与现有同类方法进行对比,主观实验结果表明:新方法提取得到的主线图像连续且完整,客观的PSNR值比对比文献平均高约2.315 3 dB,表明新方法能较好地去除断线、孤点噪声,从而完整、有效地提取掌纹主线.     

一种融合分割和消失点提取的车道线检测方法

针对路面干扰时车道线检测鲁棒性差和消失点检测误差大的问题,提出了一种基于融合分割和消失点提取的车道线检测方法.对获取视频帧图像进行灰度化和高斯滤波处理之后,利用Canny边缘检测算法对图像进行边缘提取.以边缘点最多的一行作为上界划分预处理图像的动态感兴趣区域(ROI),结合大津算法(OTSU)分割出预处理图像的车道线背景,提取车道线信息.采用直线段检测(LSD)算法对ROI区域内车道线标志进行提取,并结合改进的消失点检测方法快速提取车道线.实验结果表明:所提出的方法对多场景下离线照片的平均正检率为97.16％,识别速度为34 ms/帧,能够很好地对多场景下车道线进行快速检测.     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。     

掌纹图像的主线特征提取

掌纹特征的提取在掌纹自动识别系统中是一个必不可少的重要环节.本文首先用基于掌纹图像灰度特性的方法提取出掌纹的主线特征,针对存在的大量干扰点和断点,运用数学形态学进行了后置处理.实验表明,该方法能够有效地去除干扰点、连接纹线的断点,从而保证主线特征的稳定性与可靠性.     

基于卷积神经网络的掌纹识别方法

为避免在处理掌纹识别时人工提取掌纹特征,提出使用卷积神经网络(CNN)来处理掌纹识别问题。首先根据掌纹的几何形状特点进行预处理,切割出掌纹的感兴趣区域(ROI);然后将感兴趣区域进行归一化并组成一个二维矩阵作为卷积神经网络的输入;再使用批量随机梯度下降算法对网络进行训练,得到最优的网络参数;最后对测试掌纹进行分类识别,分类器使用Softmax。应用于香港理工大学掌纹数据库(v2)的掌纹识别率达到99.15%,单张掌纹的识别时间小于0.01 s,验证了方法的有效性。     

采用高斯几何矩的图像复制粘贴篡改盲检测

针对图像盲检测中一种常见的简单的篡改方式复制粘贴,提出了采用高斯几何矩的图像篡改检测方法.首先将图像进行重叠分块,其中所分块的大小相同,然后提取每个图像块的高斯几何矩作为对应的特征向量,通过字典排序之后,计算图像块间的欧式距离,最后根据图像块的相似性确定篡改区域.实验结果表明,该方法能够有效地检测与定位图像的篡改区域,与不变矩相比有较强的抗噪性,能够成功地检测出带有噪音的篡改图像,同时具有很好的鲁棒性.     

分块统计特征和最优分辨力选择特征相融合的掌纹识别

为提高掌纹识别的性能,提出一种分块统计特征和最优分辨力选择特征相融合的掌纹识别方法。首先对预处理后的掌纹图像进行多方向、多尺度Gabor变换;然后将掌纹划分多个子块提取特征,将各子块特征进行拼接得到整个掌纹特征向量;最后以特征分辨力为准则选出最优掌纹特征子集建立两分类器,通过投票机制建立掌纹多类分类器,并采用Po1yU掌纹库进行性能测试。测试结果表明,该方法的掌纹识别性能优于对比掌纹识别方法。     

低能见度前下视航拍图像中机场跑道的自动检测

提出了一种针对低能见度、前下视航拍机场图像中自动检测机场跑道的方法 .首先 ,采用基于递归的Otsu分割方法 ,从复杂背景中提取机场的主要轮廓 ;然后 ,利用基于形态学的开运算和膨胀进行形态滤波 ,开运算是为了滤除一些孤立噪声点 ,而膨胀运算是为了将分割后的机场成分连成一个完整的整体 ;最后 ,对形态滤波处理后的图像进行其区域生长 ,从而对机场主跑道进行定位 .试验证明 :这种方法对低能见度、前下视的航拍机场图像能够快速准确地检测、定位机场主辅跑道 .     

利用改进的超像素分割和噪声估计的图像拼接篡改定位方法

通过检测图像局部噪声水平的不一致性,提出一种图像拼接篡改区域的定位方法.首先,用改进的简单线性迭代聚类(SLIC)超像素分割算法将待检测图像分割成具有相似特征的像素块;然后,采用基于主成分分析的噪声水平估计方法计算每个图像块的局部噪声水平;最后,利用3种聚类算法对估算的噪声水平进行聚类,根据聚类结果定位出被篡改的区域.实验结果表明:文中方法不仅能有效定位被篡改的区域,而且能保留检测区域更多的边缘信息.     

在线单机采集的人手多生物特征识别

单一生物特征识别方法在实际应用时容易受到限制,系统的识别率低、稳定性差.针对上述问题,提出了一种基于在线单机的手形和掌纹相结合的多生物特征识别方法.对于手形识别,提取手指的相对长度构成特征矢量,采用k近邻分类器和支持向量机分类器相结合实现个人身份的识别,然后利用二维Gabor提取掌纹感兴趣区域(ROI)的纹理方向信息作为掌纹特征,对手形分类结果加以认证.在混合图库上进行试验,二者相结合的识别方法的识别率达到98.65%.实验结果表明,采用手形和掌纹双模态特征识别,可以有效提高系统的安全性和稳定性.     

用三次B样条小波检测航拍图像边缘

在智能目标识别与跟踪系统中，如何获取较为清晰的图像边缘至关重要，这也是提高系统目标识别率的关键．作者提出了使用三次B样条小波对航拍图像进行多尺度边缘检测方法，介绍了小波及三次B样条函数的性质，根据Canny的3个最佳边缘准则和检测对象的特点，设计了B样条小波检测算法，把不同尺度下得到的边缘图像进行多尺度聚焦，输出检测目标边缘图像．经实验对比分析，该算法在航拍图像边缘检测应用中优于直接使用Canny算法，可以得到较好的边缘信息，并且能够满足下一步目标识别与定位的要求．