基于相对距离和角度的手指静脉识别方法

根据以静脉图像拓扑结构的本质特性,提出了一种新的手指静脉识别方法.首先对细修复后的手指静脉提取交叉点;然后计算这些交叉点之间的相对距离和交叉点连线产生的夹角;最后将这2种特征融合,进行手指静脉识别.该方法结合静脉自身特征,充分利用了拓扑结构的本质属性,无须定位,一定程度上克服了图像平移、旋转对识别结果的影响.实验结果表明:该方法能够快速准确地进行身份识别,具有实际应用价值.     

基于随机森林的手指静脉识别方法研究

利用手指静脉造影识别人的身份已发展成为自动身份识别领域的一种重要方式,并广泛应用于多种实际场景。为了提升手指静脉图像的识别率,提出了一种基于随机森林的手指静脉识别方法。先将灰度化的手指静脉图像利用圆形等价模式LBP算子计算出编码值,然后通过子窗口直方图降维获取用于识别的特征向量,用随机森林集成分类器完成分类识别。通过实验对比分析,结果表明该方法能达到较理想的识别效果。     

灰度不均匀图像分割

采用虚拟的符号距离函数代替真实的符号距离函数,依靠待检测目标局部灰度高斯加权均值来驱动活动轮廓的演化,提出了一种能够分割灰度不均匀图像的新颖活动轮廓模型.利用虚拟符号距离函数的梯度形成一个窄带,活动轮廓在窄带内做演化运算,其演化具有计算简单、分割效率高、抗噪性强等优点.符号距离函数重新初始化也只需要在窄带内使用高斯函数规则化后,对其取符号运算即可.符号距离函数重新初始化具有计算简单、效率高的特点.最后给出了活动轮廓在窄带内收敛的一个简单条件,能方便地判断待检测目标是否被检测出来.     

基于HDevelop处理图像灰度分布不均匀

在图像处理中,针对光照不均匀图像字符的识别带来的困难,提出了基于HDevelop处理图像灰度不均匀方法,通过对图像进行背景拟合,以消除图像光照不均匀,并通过实验验证了该算法。实验结果证明了该图像处理方法对图像光照不均匀图片的有效性。     

基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法

手指静脉识别作为新型的生物特征识别技术,未来可广泛应用于身份识别领域。针对当前手指静脉图像质量差导致特征识别准确率较低的问题,提出一种基于改进谷形检测增强和Canny边缘修正的手指静脉识别方法。该方法首先改进用于局部静脉特征增强的方向谷形检测算子,增强静脉特征区域,然后利用Canny边缘检测算法对图像分割后的特征区域进行二次修正,在保证手指静脉特征区域完整性的同时降低伪静脉对识别率的干扰。在手指静脉数据库上进行实验,结果表明该方法对增强算法的泛用性较好,对4种不同的全局图像增强算法的识别准确率分别提升了8.66%,3.7%,1.78%,1.2%,能明显提高特征识别的准确率。     

基于灰度不均匀图像边缘检测算法改进

边缘检测算法是图像处理中的一个重要的研究内容。该算法的好坏直接影响着图像处理的结果,常用的检测算法常常不能满足特定情况下的要求(例如实时跟踪下的图像处理)。本文在分析了灰度图像各种边缘检测算法的特性的基础上,根据具体需求,对灰度不均匀的图像边缘检测算法进行了改进。实验表明,在图像对比度较差的情况下,应用灰度变换增强后,配合相应的边缘检测算法,可以大大减少运算量,与原来的算法相比,能够取得较好的效果。     

基于SIFT的中厚板表面缺陷识别方法

中厚板在生产过程中,由于各种因素难免会产生压痕、辊印、划伤等缺陷,严重的缺陷会对下一道轧制工艺产生不良的影响,因此在包含氧化铁皮背景中准确识别出真实缺陷对提高钢铁企业的产品质量至关重要。该文采用尺度不变特征转换(scale-invariant feature transform,SIFT)算子来提取具有尺度旋转不变性的特征向量,并采用Euclidean距离相似性判定度量实现图像匹配,进而识别出中厚板表面缺陷。该文通过大量实验分析并确定各参数取值,最终将SIFT算法应用到中厚板表面缺陷识别,实验结果表明:该算法对辊印、压痕等缺陷的识别率较高,能够达到95%,尤其是对连续出现的缺陷检测效果明显,从而验证了SIFT方法较好的光照不变性、旋转不变性和仿射不变性。     

一种基于SIFT特征匹配的工件识别方法

为了解决平移、旋转、缩放和部分遮挡等复杂环境下的工件图像匹配识别问题,给出了一种基于SIFT(尺度不变特征变换)特征匹配的工件识别算法.该算法采用SIFT特征作为匹配特征,引入欧氏距离作为图像匹配的相似性度量,并采用设定阈值的方法剔除误配点.实验结果表明,该算法能有效解决具有平移、旋转、缩放和部分遮挡等情况下的工件匹配识别问题.     

基于手指骨架提取的手形识别方法

针对使用非接触式手形采集仪采集手形时,手掌图像的指根处轮廓会因手掌张开幅度不同而出现不同程度的变形,增加手形精确定位和手形识别的难度这一问题,提出一种不受指根处轮廓变形影响的手形识别算法。该算法首先提取出细化的手指骨架,其次拟合手指骨架并定位手指中线,然后提取与指根部无关的指形特征,最后,计算注册样本与待识别样本的差异特征统计值并进行判别决策。研究结果表明:本文提出的手形识别算法对指根处轮廓变形有着较强的鲁棒性,识别率可达99.62%。     

一种光照不均匀图像的灰度校正方法

针对光照不均匀所引起的图像视觉效果不佳的问题,提出一种有效的灰度校正方法,即利用一种基于卷积变换与方差归一化相结合的图像光照均衡算法,使均衡后的图像有良好的视觉效果。实验结果表明,该方法能够有效地提升图像质量,同时不会损失细节信息。     

基于中值滤波的手指静脉图像增强

提出了一种基于中值滤波的手指静脉图像增强方法,本算法包括去噪、对比度增强和高通滤波增强.中值滤波在去除图像噪声的同时较好地保护了图像所包含的边缘信息,对比度增强加大了血管和背景的整体对比度,最后的高通滤波增强进一步增强了血管和组织的纹理结构.实验表明,本算法不但对图像去噪效果好,而且能有效地增强图像的对比度,改善图像的质量.     

采用稀疏SIFT特征的车型识别方法

针对实际应用中因图像清晰度低等因素导致的车型识别误差过大的问题,提出了一种基于稀疏尺度不变转换特征(sparse scale invariant feature transform,S-SIFT)的车型识别方法。该方法用背景建模方法检测交通视频运动目标,提取目标SIFT特征;通过L1约束计算出SIFT特征的稀疏编码,并用最大池化方法降低稀疏编码维度,在线性SVM分类器中完成车型分类,弥补了背景建模方法识别误差过大、不具备车型分类功能的缺陷。经G36高速公路实际应用表明:算法对车辆场景识别率可达98%以上,车型识别准确率可达89%以上,对低清晰度、不同视角、雨雪、遮挡等场景有很好的鲁棒性;图像平均处理时间不超过40ms,可满足系统对实时性的要求,在准确率和时间效率两方面均明显优于传统的SIFT方法和HOG方法。     

基于超级帐本和手指静脉的PHR共享方案

当前个人健康记录(PHR:Personal Health Records)存在着存储不安全和难以共享的问题.为提高PHR的安全性和共享性,提出一种基于超级帐本(Hyperledger)和手指静脉(FV:Finger Vein)特征身份验证的安全共享模型.PHR提供方在录入医疗记录时将FV特征与临床医生的私钥签名结合,生成PHR索引.然后将PHR的索引存储在Hyperledger Fabric中,将真正的隐私数据存储在Filecoin中,减少了存储成本和链上存储压力.同时,设计了PHR访问控制合约防止恶意节点攻击.实验结果表明,该模型在性能和存储上有显著的优势.     

基于小波去噪和直方图模板均衡化的手指静脉图像增强

提出一种手指静脉图像增强算法. 该算法包括去噪、 对比度增强和二值化. 在去噪部分, 根据小波变换后各频带的不同特点, 结合手指静脉的特点, 分别设计了不同的去噪策略; 在增强部分, 设计了一种新的方法, 称为灰度直方图模板均衡化方法, 较好地增强了静脉和背景的对比度; 在二值化部分, 采用了OTSU方法. 实验表明, 该算法能有效的增强图像的对比度, 改善图像的质量.     

基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

基于脊波变换的手指静脉图像增强研究

针对人体手指静脉图像的结构和特点,提出一种基于脊波变换的图像增强算法.该算法对手指静脉图像小波域各高频子带系数进行脊波变换,利用非线性新脊域系数确定法对脊域系数进行处理,然后对各高频子带进行脊波逆变换和小波图像重构.该算法对手指静脉二维曲线奇异处理、边缘增强等具有较好的效果,克服了小波变换在高维曲线奇异和方向选择上的不...     

基于稀疏自编码的手指静脉图像分割

针对获取的手指静脉图像不仅包含静脉特征,而且包含噪声和不规则阴影,从而增加了特征提取难度的问题,提出了一种基于稀疏自编码的手指静脉图像分割算法;首先采用传统分割算法对原始灰度图像进行分割,得到一副二值图像(背景像素值为0,静脉像素值为1);然后,以该灰度图像的每个像素点为中心,对其进行图像分块,并将二值图像中对应于中心点的值(0或者1)作为该块的标签,建立训练集合;最后,将训练样本(分块图像和标签)输入到自编码器和神经网络中进行训练,再用训练好的模型对测试图像进行分割;实验结果表明,相比传统的算法,提出的手指静脉分割算法能够有效地对静脉进行分割,提高手指静脉认证系统的认证精度。     

手指动作自动矫正的脑电特征

设计了一个手指运动自动矫正实验,受试者在实验中通过手指控制电脑屏幕图标,执行手部动作快速自动矫正,同时被采集脑电(EEG)信号.选用后顶叶皮层区的脑电电极数据,经过叠加分析等处理,最终获得手部动作自动矫正的事件相关电位(ERP)成份.结果表明:目标跳变引发的自动矫正动作电位,呈现出一种特殊的电位特征,即先于150 ms左右出现一负性脑波,后于320 ms左右出现一正性脑波.     

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。