多指标指纹图像分割方法研究

将投票决策系统引入到指纹图像分割过程中,提出了一种多指标投票决策指纹图像分割方法.首先选择区域灰度方差、灰度均值、块方向方差均值和点方向集中度指标等分割指标,然后分别采用单指标、双指标、多指标分别对指纹图像进行分割处理,最后针对所获得的多个指纹图像分割结果,采用投票决策系统在结果层进行决策融合,获得最终的指纹图像分割结...     

一种新的指纹图像轮廓分割算法

指纹图像分割是指纹图像预处理的一个重要部分，有效的分割既可以减少后续处理的时间，又可以大大增强特征提取的可靠性．本文简单介绍三种指纹分割算法，并提出了一种针对活体指纹采集器所采集的指纹图像的轮廓分割方法，根据手指与传感器中接触区的位置差异，用角部灰度均值作为分割阈值，并用形态学进行的处理．试验结果表明，该方法可以快速高效地对该种指纹图像进行轮廊分割。     

一种新的指纹图像轮廓分割算法

指纹图像分割是指纹图像预处理的一个重要部分,有效的分割既可以减少后续处理的时间,又可以大大增强特征提取的可靠性.本文简单介绍三种指纹分割算法,并提出了一种针对活体指纹采集器所采集的指纹图像的轮廓分割方法,根据手指与传感器中接触区的位置差异,用角部灰度均值作为分割阈值,并用形态学进行的处理.试验结果表明,该方法可以快速高效地对该种指纹图像进行轮廊分割.     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究．在此基础上对文献[1]提出的指纹图像二值化方法进行了改进，并对二值化图像、后续的细化图像和特征点提取结果进行了比较。     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究.在此基础上对文献[1]提出的指纹图像二值化方法进行了改进,并对二值化图像、后续的细化图像和特征点提取结果进行了比较.     

指纹图像增强及无效区域提取

由于指纹采集设备的不完善性,对于干、湿、脏、老化、磨损的指纹,往往难以采到清晰的图像.本文给出了一套指纹增强的方法,实现了指纹沿指纹方向的图像增强,并针对该算法提出一种有效的去除无效区域的算法.     

指纹图像传感技术综述

对目前正在使用和正处于研究阶段的四种指纹传感技术进行了分析与比较，指出只有半导体电容式指纹传感技术在性能价格比让更优于其他技术，因而是未来指纹图像传感技术的发展趋势。     

一种指纹图像综合增强方法

图像去污增强处理应当基于其内容特点和应用需要.指纹图像重要的识别用特征是其纹线方向场及其细节点.根据指纹图像的特点提出并研究了一种指纹增强算法.首先,通过梯度一致性检验去除图像中的背景区和纹理无序区.然后,通过曲线波变换、滤波处理和Retinex处理,增强纹理的曲线形状轮廓并规整化图像灰度差异.最后,经过二值化细化,获得清晰指纹图像.实测的图例表明该算法有效,图像去污增强质量良好.     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现，可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理，并提出一种基于PCNN的指纹图像分割算法，该算法有很强的适应性和抗噪性．     

彩色图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。彩色图像比灰度图像具有更多的视觉信息,因而受到了越来越多的重视。对各种彩色图像分割方法进行了系统论述,分析了各种方法的优缺点。     

基于小波域软阈值的指纹分割方法研究

鉴于指纹图像的质量对于其后续识别步骤具有非常重要的影响,因而需要对采集的指纹图像进行增强处理.提出了一种新的基于小波域软阈值Contourlet变换的指纹图像分割算法.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.实验结果表明,该算法能够有效提升指纹图像的质量,提高指纹纹线谷脊清晰度,且具有较好的连续性.     

一种基于高斯算子的指纹图像分割方法

将高斯算子进行了改进,构造的模板作用于指纹灰度图像,结合形态学方法进行图像分割,实现对指纹前景摸板的提取,阈值选取的要求很低,并可有效防止背景区域中的斑点干扰,对质量较差的指纹图像也具有很好的分割效果.实验结果表明,该算法不仅表现出良好的适应能力和抗噪声干扰,还具有该算法简单、鲁棒性强等优点,其性能优于传统的方差方法.     

基于DCNN的图像语义分割综述

图像的语义分割是计算机视觉中重要的基本问题之一,其目标是对图像的每个像素点进行分类,将图像分割为若干个视觉上有意义的或感兴趣的区域,以利于后续的图像分析和视觉理解.近年来,深度卷积神经网络(Deep Convolutional Neural Network,DCNN)的出现,极大地推动了语义分割的发展.本文从语义分割的基本定义出发,对语义分割中存在的困难和挑战进行了分析和描述.总结了目前用于评测语义分割算法的典型数据库,并以PASCAL VOC数据库为主线对近年来基于DCNN的语义分割算法进行了梳理和总结.最后对语义分割未来的研究重点进行了探讨和预测.     

基于深度学习的图像全景分割改进算法模型

图像语义分割和实例分割是计算机视觉领域基础挑战性工作,图像全景分割统一解决两者的任务,其核心为图像中每一个像素分配相应的类别标签以及为类别中每一个实例分配ID。经典UPSNet已经取得了较好的全景分割效果,但是使用了一种单向信息流动的特征金字塔网络,将存在实例分支的目标实例定位不够准确的问题,并且语义分支的语义分割能力还需进一步提升。本文通过考虑两个任务的差异性以及共性,重新设计特征金字塔网络结构以提取出更适合全景分割的特征图,从而提高了实例分支的AP评价指标。在语义分支中引入了克罗内克卷积,与可变形卷积进行融合使得特征图的感受野更大并且捕获了局部信息,使语义分支的mIoU评价指标得到了提高。此模型在Cityscapes数据集上进行实验,验证了所设计的每个模块及整个模型的有效性。     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

指纹图像增强算法研究

指纹图像增强在指纹图像预处理过程中有着非常重要的作用,直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求,为了提高指纹增强算法的综合性能,现提出一种优化的Gabor滤波方法以增强指纹图像并有效消除噪声,并对Gabor滤波器的参数进行量化。实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取,以提高指纹识别的算法效率和准确率。