基于Hough变换与图像灰度增强的非理想虹膜边界检测

边界定位是非理想虹膜识别的关键问题之一.非理想虹膜由于经常存在纹理过强、睫毛和眼睑遮挡、虹膜巩膜对比度较差、瞳孔位置偏移等问题,这使其边界尤其是外边界定位容易出现偏差.针对上述问题,我们提出了一种基于非线性图像增强的非理想虹膜边界定位方法.在内边界定位中,该方法首先使用混合高斯模型得到瞳孔粗略位置,然后使用弦长均衡策略搜索虹膜内边界及其中心;在外边界定位中,首先对虹膜图像进行非线性灰度变换,再利用边缘检测和改进的Hough变换定位虹膜外边界.实验结果表明,本算法与经典方法相比可大大提高非理想虹膜分割的准确率.     

基于Hough变换的虹膜定位算法

针对利用Hough变换实现虹膜定位时遇到的一些问题提出了相应的解决方案。为减少Hough变换的计算量,本算法采用了“先采样后变换”、“由粗到精”的方法;为提高可靠性、减小噪声影响,算法利用了虹膜内外边界之间的耦合关系以缩小在边界参数空间内的搜索范围。在MAT—LAB软件环境下的试验表明,算法取得了良好的效果。     

基于梯度的虹膜定位方法

为了提高虹膜定位的速度以及虹膜定位的准确性，依据虹膜图像灰度的分布特性及良好的环状性质，检测出瞳孔边缘以减少参与Hough变换的点数，进而定位虹膜内边缘．对于外边缘定位采用基于灰度梯度的微分积分圆形检测算子的方法．实验结果表明，此种方法能够准确地进行虹膜内外边缘定位，避免了含有大量其它区域对定位带来的影响．     

虹膜定位算法

提出一种根据标准偏差定位瞳孔边缘和圆,大而快速定位虹膜外边缘的方法,试验结果表明,提出的方法提高了虹膜定位的速度以及定位的稳定性,减少了传统的虹定位算法中搜索的盲目性。     

基于二维小波变换及邻域均值滤波的虹膜定位算法

为了提高虹膜定位的准确率和速度,提出了一种基于二维小波变换及邻域均值滤波的虹膜定位算法.采用阈值法分割瞳孔,使用边缘检测算子检测瞳孔区域边缘,定位虹膜内边缘;然后对人眼图像进行二维小波处理降低虹膜图像的分辨率,以减少虹膜本身的纹理对判断外边缘点时所产生的影响;最后采用邻域均值滤波进行虹膜外边缘点提取,根据所得虹膜外边缘点确定虹膜外边界.仿真结果表明:该算法定位虹膜内外边界的平均时间为1.75s,准确率为99.7%,其中虹膜外边缘定位误差小于4.2%,在虹膜识别系统中有较高的实际应用价值.     

虹膜内外边界的粗定位方法

为了提高现有虹膜定位算法的性能,提出了一种虹膜粗定位算法。该算法利用二值图像的下边缘轮廓粗定位虹膜内边界,利用内边界圆心左右两侧的一维灰度均值信号粗定位虹膜外边界。即使在存在严重的眼皮和睫毛干扰的情况下,这种算法也能快速有效地估计出虹膜内外边界的位置。实验结果表明:该算法能够极大地提高虹膜定位的速度和准确度,粗定位一幅虹膜图片平均只需71m s,定位准确度也明显优于现有的粗定位算法。     

基于轮廓跟踪的虹膜定位算法

提出一种基于轮廓跟踪算法的虹膜定位算法. 该算法先通过像素点扫描查找二值虹膜图像中轮廓的起始点, 然后由起始点进行轮廓查找、 轮廓编码、 轮廓筛选确定虹膜内轮廓, 再通过虹膜外轮廓和巩膜间的灰度突变点到内轮廓圆心距离的平均值确定外轮廓半径, 实现虹膜内、 外轮廓的定位. 实验结果表明, 该算法具有较快的定位速度、 较高的准确率, 性能稳定.     

一种基于支持向量机的自适应虹膜定位算法

由于参数的限制和虹膜外边界两边低的对比度,使得Canny算子只能检测到位于某些频率段中的边缘,有时会漏掉一些比较模糊或者一些干扰较大的外边界.为了解决Canny算子进行虹膜定位过程中的鲁棒性问题,提出使用支持向量机(SVM)的自适应以改变Canny算子参数的方法.该算法通过傅立叶变换判断眼睛图像的质量,再使用SVM对眼睛图像分类,然后对于不同质量的眼睛图像采用不同参数的Canny算子检测边缘.实验结果表明该算法可以更加准确地检测到虹膜外边界,并有效地解决了虹膜定位中Canny算子的参数依赖问题.     

基于感兴趣区域的快速虹膜定位方法

虹膜定位是虹膜识别系统中的一个非常重要的步骤,虹膜识别系统性能的优劣很大程度上取决于虹膜定位的精确性和快速性．针对已有的虹膜定位算法存在的定位精度和执行效率低并且鲁棒性差的缺点,本文提出一种基于感兴趣区域的快速虹膜定位算法,本算法主要有两个基本步骤：虹膜边缘点检测和用霍夫变换拟合虹膜边界．在进行这两个步骤之前,我们定义了一个感兴趣区域IF（Interesting Filed）,这个感兴趣区域为一个包含虹膜的外接矩形．通过寻找感兴趣区域,我们缩小了对目标的搜索范围,使得霍夫变换能较快的对虹膜进行定位．经试验表明本算法能较为精确且快速的定位虹膜边界．     

改进的虹膜图像分割算法

虹膜分割是虹膜识别的前提.为提高现有虹膜图像分割的性能,提出一种改进的虹膜图像分割算法.采用边缘检测结合Hough变换的方法定位虹膜内外边缘,对于上下眼睑采用最小二乘法结合边缘检测的方法来检测,阈值法检测睫毛.实验结果表明,该算法能有效地分割出虹膜区域,去除眼睑及睫毛,较大地提高虹膜分割的速度和准确度.     

基于初级视觉模型的Hough变换的改进算法

Ｈｏｕｇｈ变换是图象分析的重要工具之一，但是Ｈｏｕｇｈ变换的运算量很大，这给实际应用带来很多不便，文章提出了一种基于初级视觉模型的Ｈｏｕｇｈ变换的改进算法，该算法可以大大地降低算量，降此之外，该算法可以直接针对原始图象进行，而不是象普通方法那样针对边级图象进行，因此可以省略图象的预处理，边缘提取等步骤，从而进一步加快处理速度。     

基于小波变换的语音增强去噪方法

将小波变换应用到语音识别系统中,提出了在语音信号预处理阶段基于小波变换估计的维纳滤波算法,结合小波变换的阈值处理方法对语音信号进行去噪处理,模拟实验表明该方法去噪效果较好.     

基于Fourier变换离散化的连续小波变换频域算法

对于固定的尺度,小波变换是待分析信号与小波基函数的线性卷积。当小波基函数的Fourier变换有显式表达式时,利用其Fourier变换进行线性卷积称为小波变换的频域计算方法。由于线性卷积的长度大于信号的长度,因此,选取线性卷积中的哪一部分作为小波变换的系数也是一个亟需回答的问题。本文利用Fourier变换的离散化和离散Fourier变换的关系由小波变换时域算法推导了小波变换频域算法,证明了时域算法与频域算法的等价性;解释了这两种方法分别应该选取线性卷积中的哪一部分作为小波变换的系数;分析了频域算法产生边界效应的原因;给出了频域算法中参数的选取方法,以便克服边界效应。时间复杂度分析以及数值实验均表明了频域算法至少比时域算法减少了1/3的运行时间。     

基于小波变换和亮度矩的车牌图像分割算法

车辆牌照图像的分割是车牌识别的前提和基础，针对牌照与车身背景的分割问题，该文提出了基于小波变换和这度矩方法的车辆牌照阈值分割算法，首先，对车牌图像进行小波去噪，然后利用亮度矩对去噪后的车牌图像进行阈值分割，实验结果表明：此方法能够从含有较强噪声的车辆图像中获得车牌图像，且具有相对于图像的平移、尺度变化和旋转的低敏感性。     

基于小波变换和动态聚类的图象分割方法

本文讨论了一种结合小波变换和非监督动态聚类的图象分割算法。在图象分割过程中,首先用小波变换提取图象中的边缘信息,再利用所得的边缘信息和原图象的灰度信息进行聚类。实验证明了这种方法是行之有效的。     

一种基于遗传算法的无线传感器网络节点定位技术研究

本文分析了基于误差的最小二乘估计定位原理,提出一种基于遗传算法的无线传感器网络节点定位技术。建立所有节点的定位误差之和最小的数学模型,利用遗传算法求解模型的最优解,从而得到未知节点的最优的估计位置。实验仿真结果表明该算法对未知节点的定位精度高,条件简单,适合各种规模的无线传感网络节点的定位。     

基于水平集曲率的图像滤噪与增强

分析了用于图像滤噪与增强的滤波技术特点，并针对偏催分方程（PDE‘s）模型给出新的数值计算方案，特别，多局部水平集曲率计算为算法的精细化提供了保证，在使用PDE‘s模型处理前,Canny边缘检测和数学形态学方法被应用估测边缘，滤除部分虚假边缘点，为针对不同区域折中使用不同的滤波方法提供了前提条件，实例分析以较小的计算量取得了较好的视觉质量。     

非线性方程的边界层问题

探讨了一类非线性方程奇摄动问题边界条件与激波解的关系，利用匹配条件得出了对应的激波解。     

基于离散余弦变换与Hessenberg分解的图像水印算法

为了增强水印系统的视觉隐秘性与抗几何攻击能力,设计了基于离散小波变换与Hessenberg分解的图像水印算法。将宿主图像实施分割,形成一系列的8×8的非重叠子块;随后,联合信息熵与边缘熵值,构建嵌入区域选择方法,从这些子块中确定出合适嵌入水印的子块;引入离散余弦变换DCT(Discrete Cosine Transform),对选择的子块进行分解,输出对应的低频与高频系数,将每个子块的低频系数组合成相应的矩阵;随后,利用Hessenberg分解方法处理这些低频系数矩阵,输出对应的上Hessenberg矩阵;根据结构相似度与位正确率,构建粒子群算法的适应度函数,通过对其迭代,获取最优的嵌入强度;根据优化的嵌入强度,设计水印嵌入机制,将水印信息隐藏到上Hessenberg矩阵中,形成水印图像;最后,构建水印检测方法,从水印图像中提取水印。实验数据表明:较当前鲁棒水印方案而言,所提技术具有理想的视觉不可感知性与鲁棒性。     

基于特征增强的三维网格模型孔洞修补算法

对物体进行扫描时,获取的三角网格模型不可避免存在孔洞,导致重建后的网格模型无封闭性,或在孔洞处失去了物体原有的特征[1].为了恢复物体原有真实形状,从恢复尖锐特征的角度出发,提出一种特征增强的三维网格孔洞修补算法.首先,利用径向基函数获得近似逼近孔洞区域的光滑隐式曲面.然后,利用正则化匹配原则对隐式曲面进行三角网格划分,缝合孔洞填充区域与原始网格模型的孔洞边界.最后,对于孔洞区域中存在的尖锐特征区域加以特征增强处理.实验结果表明该算法效率高,并能有效的恢复孔洞区域原有的尖锐特征.