基于三维人耳形变模型的三维人耳重建

基于对已有三维人耳重建工作和形变模型理论的研究,充分结合人耳自身的结构特征,提出了一种新的三维人耳重建方法——基于人耳形变模型的方法.首先使用中垂线法完成了外耳轮廓特征点的定位;提出分级三角网格法,解决了样本耳基于生理特征的稠密对应问题;再借鉴广义普鲁克分析的思想,在三维空间内实现了精确全自动的三维人耳形状对齐;最后训练得到了三维人耳形变模型.所提方法只需一幅二维图像,即可获得足够稠密的三维人耳模型.在UND三维人耳数据库和USTB三维重建人耳数据库上的大量实验证明所提方法的有效性和优越性.     

一种具有姿态鲁棒性的三维人耳识别方法

针对现有三维人耳识别方法在姿态变化情况下性能下降明显的问题,提出了三维人耳沟回结构特征以及相应的三维人耳识别方法。通过曲面变化量对曲面的凸凹特性进行度量,进而提取入耳关键生理部件组成的沟回结构信息。利用提取的沟回结构特征进行三维入耳的迭代最近点（iterative closest point,ICP）粗对准,并进一步进行三维入耳ICP精对准。在UND生物识别图像库集合F和集合G上的实验显示,在姿态变化情况下该方法具有较好的鲁棒性,同时也取得了较现有基于ICP的三维人耳识别更高的识别率,用时更短。     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究. 介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比. 在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别. 在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

基于多模板匹配的外耳检测方法

外耳检测定位是人耳识别的一个重要环节,提出了一种基于多模板匹配的人耳检测算法.首先通过手动方法生成多个不同长宽比的耳朵模板,然后在侧脸图像中检测人耳的存在,并获得它们的位置、大小等信息.在模板匹配过程中应用改进的遗传算法作为图像匹配中的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性.实验结果表明,该算法具有运算量小,定位精确等优点.     

基于2DLDA与FSVM的人耳识别

针对人耳图像特征提取和识别方面存在的问题,提出一种将二维线性鉴别分析(2DLDA)和模糊支持向量机(FSVM)相结合的人耳图像识别方法.利用2DLDA将人耳图像直接投影,提取的人耳特征,可以保留人耳图像样本的大量类内和类间信息.同时,FSVM在支持向量机(SVM)的基础上引入隶属度参数,更加适合多类问题.实验结果表明,该方法与2DLDA相比具有更高的识别率.     

一种基于LBP和DLDA的人耳特征提取方法

本文提出了一种新的基于局部二值模式（LBP）和直接线性判别（DLDA）的人耳特征提取方法。LBP对局部纹理信息特征的提取性能和与灰度整体变换的无关性,使得其在人耳特征提取方面具有很强的优越性。采用LBP算法与直接线性判别分析算法相结合的人耳特征提取方法在识别率方面与原始图像特征提取方法相比有明显提升。     

人耳识别的应用研究与实现

针对人耳具有惟一性、稳定性、可接受性等特点，介绍一种由图像捕捉、边缘检测、特征提取、模式识别等环节构成识别系统的生物个体识别技术，采用域值分割与非线性变换的方法进行人耳图像处理，建立训练样本以进行识别，达到100％识别分类。     

考虑变换域融合方法的刀具磨损区域三维重构

针对数控机床加工领域刀具磨损区域的三维重构精度提高的问题,提出了变换域融合方法。将非下采样轮廓波变换和小波变换相结合,对非下采样轮廓波变换得到的低频系数采用小波变换方法进行融合,对得到的高频系数构造区域方差进行融合,突出刀具磨损图像的整体灰度信息和边缘细节信息,从而获得更为清晰的二维刀具图像,以及更为准确的磨痕形貌及磨痕体积。对基于非下采样轮廓波变换、小波变换方法和变换域融合方法得到磨损区域三维形貌和磨损体积与显微镜的观察结果进行了对比分析,发现提出的方法得到的三维形貌与显微镜结果最接近,且计算出的磨损体积平均相对误差小于10%。分析和实验数据表明,所提方法无论在图像的清晰度和磨损体积的准确性方面都有一定的优势,该方法对于刀具磨损区域三维重构精度较高,优于单独采用非下采样轮廓波变换和小波变换方法得到的结果。     

基于多模板匹配的外耳检测方法

外耳检测定位是人耳识别的一个重要环节,提出了一种基于多模板匹配的人耳检测算法。首先通过手动方法生成多个不同长宽比的耳朵模板,然后在侧脸图像中检测人耳的存在,并获得它们的位置、大小等信息。在模板匹配过程中应用改进的遗传算法作为图像匹配中的搜索策略,避免了遍历搜索的费时费力,又克服了随机搜索的盲目性和不稳定性。实验结果表明,该算法具有运算量小,定位精确等优点。     

基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

一种新颖的图像多尺度几何变换及其应用

提出了一种新颖的图像多尺度几何变换方法,主要由预处理、方向滤波器组和最优方向小波变换等组成.方向滤波器组将预处理后的高频分量分解为多个方向子带,然后每个方向子带执行改进的最优方向小波变换.该变换兼有Bandelet变换和Contourlet变换的多尺度几何分析特性,能更稀疏地表示边缘和纹理特征.分别将EBCOT编码和硬阈值去噪应用到图像变换系数中,从而实现了有效的图像压缩和去噪,很好地保护了图像细节.实验结果表明,对于纹理和边缘丰富的图像,所提出的图像压缩和去噪方法在视觉质量上明显优于基于Bandelet或Contourlet变换的方法,峰值信噪比也提高了0.1 dB以上.     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.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.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

基于Contourlet域独立分量分析的视频水印

提出了一种基于Contourlet域独立分量分析的视频水印.该水印算法首先对视频进行镜头分割;然后对同一镜头中的视频帧分别进行Contourlet分解,并选取分解后的带通分量进行独立分量分析;最后采用邻近特征值平均法将Arnold变换置乱后的水印嵌入到独立分量分析所得的运动分量上.实验结果表明,该算法在保证水印不可见性的同时能够有效地抵抗MPEG压缩及其它常见攻击,并且大大减少了计算量.     

利用异常边缘进行图像锐化篡改取证

为实现图像的完整性和真实性鉴别,提出了一种针对人工锐化的取证方法.利用非抽样Contourlet变换分析图像边缘点,进行边缘点分类;通过研究锐化前后预测误差图像和相位一致性来统计正常边缘点与锐化边缘点之间的差异,提取特征,训练分类器;利用SVM标定人工锐化痕迹.实验表明,该方法能够有效地检测出图像人工锐化篡改操作,较为准确地定位图像篡改边界.     

基于归一化和非下采样Contourlet变换的数字水印方案

在研究非采样Contourlet变换和归一化理论的基础上,提出了一种新的数字图像水印算法。先将原始图像经过非下采样Contourlet变换处理,提取出图像的低频区域,然后依据人眼的视觉特性以及嵌入水印前、后系数的相关性,将水印信息嵌入对低频区域进行归一化重要区域中。无须借助于原始图像,就能进行水印提取,实现真正的盲检测。实验结果表明,本文算法对平移变换的抵抗力最强,对旋转和缩放也有很好的抵抗力,而且经过JPEG压缩之后,数字水印也不会失真。      

IHS变换域的遥感图像NSCT融合算法

针对非采样Contourlet变换(NSCT)在多光谱图像与全色图像融合时复杂度较大的问题,提出一种IHS变换域的多光谱图像与全色图像NSCT融合算法.该算法首先对多光谱图像进行IHS变换,然后再将强度分量图像与全色图像进行基于NSCT的融合,得到新的强度分量,最后再做IHS逆变换得到融合图像.实验结果表明,将IHS变换与NSCT相结合,有效地减少了融合计算量.另外与小波变换、Contourlet变换、NSCT等多分辨率分析的遥感图像融合算法相比,该算法还有效地减少了融合图像的光谱扭曲,提高了融合图像的视觉效果.     

1-可扩偶图的刻划

设G是一个具有二分类(X，Y)的偶图且M是G的一个完美对集。文章证明：G是1—可扩图当且仅当G有如下耳朵分解G=e P1 P2 … Pr使得e∈M并且每个只是起始和终止边都在E(G)＼M中的M-交错路。文章还给出一个有效算法判定一个偶图是否1—可扩图并找出该图的耳朵分解。     

M带非采样二维金字塔变换设计与应用

提出了在频域设计M带非采样二维金字塔变换的方法.首先描述了完全重构的2带非采样二维金字塔变换.采用级联2带滤波器组的方法设计出完全重构的M带非采样二维金字塔变换.每个级联的滤波器可通过设置通带和阻带的截止频率来计算.所设计的变换取代Contourlet变换中的拉普拉斯金字塔变换,在获得一定冗余度的同时可对频域进行更精细的分解.实验证实了提出的变换去噪方法可获得较好的效果.