手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术。根据手背静脉图像的特点,对静脉图像预处理进行了研究。静脉图像预处理分为图像的降噪和静脉图像的分割两部分。提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIB lack算法对图像进行分割,很好的提取出了手背静脉。     

基于域Morphing算法的手背静脉识别

根据人体手背静脉图像的结构及特点, 提出一种快速域Morphing算法对手背静脉图像进行变换, 通过对图像进行相似度计算实现了静脉识别.     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除"毛刺"处理.仿真实验表明,该算法能够获得失真较小的静脉骨架.     

手背静脉血管识别算法研究

由于指纹识别的易被污染性,虹膜识别给人造成的不舒服感等,为了克服这些已有的生物特征识别技术的缺点,本文对一种全新的生物特征识别方法——基于手背的静脉血管图像的特征识别算法进行了初步研究。提出了一种基于血管细化后的特征提取识别算法。分析了这种识别方法所要求的图像预处理过程,并对小数目样本进行仿真实验。实验证明,只要基于可靠的识别方案,手背静脉模式识别进行个人身份识别是完全可行的,具有良好的应用前景。     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除毛刺处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

手背静脉特征提取算法

提出一种基于有限Radon变换(FRAT)的手背静脉识别新方法.在考虑手背静脉图像"线状"特点的基础上,先将手背静脉图像"分块",再对分块后的图像进行FRAT变换,并提出一种向量非均衡分布可得最大值的方法,提取手背静脉图像纹理特征,最后通过特征匹配进行分类识别.结果表明:与传统的Hough变换和离散Radon变换相比,新方法提高了目标直线特征的检测速度;在有800个样本的数据库上进行实验,获得了96.5%的识别率,表明了算法的有效性.     

基于脊波变换的手背静脉图像增强及特征提取

根据人体手背静脉图像的结构及特点, 提出一种基于脊波变换的手背静脉图像增强方法, 并应用局部互联神经网络提取静脉图像特征, 加强了该生物识别系统对模糊图像的识别能力. 实验结果表明, 该方法与传统的拉普拉斯法、 平滑算法及小波变换相比有更加显著的效果.     

PCB板复杂背景下的Data Matrix码定位与识别

工业二维码的应用环境通常比较恶劣,二维码识别通常伴随着噪声、过曝等问题.对工业二维码进行粗定位时,采用基于亮度、对比度和伽玛变换提高了图像整体的对比度,为阈值分割提供良好的图像基础.再对预处理后的图像采用大律法分割使得背景和前景分离并计算连通域面积和个数,定位可能存在二维码的图像区域.根据Data Matrix码的特征,提出了一种基于Shi-Tomasi角点密度的Data Matrix码快速定位算法.识别时针对二维码过曝的问题,提出了一种改进的伽玛变换算法有效地增强了图像的对比度,为识别提供良好的图像基础.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

基于Bandelet变换的手背静脉识别算法

提出一种基于Bandelet变换的手背静脉识别算法, 该算法利用Bandelet变换对静脉图像进行特征点提取, 通过提取的特征点构造了表征静脉纹理特征的特征向量, 通过计算待识别样本特征向量与目标样本特征向量的相关系数得出其相似度, 并在利用自制采集设备采集的样本库上对算法进行测试, 给出了实验结果.