基于2D Log-Gabor滤波器的虹膜识别研究

Log-Gabor滤波器无直流分量,带宽不受限制,比Gabor滤波器更适于提取虹膜纹理特征.提出了基于2D Log-Gabor滤波器的虹膜识别方法.通过多通道2D Log-Gabor滤波器提取虹膜纹理特征并进行相位编码,运用加权海明距离匹配,匹配时借助噪声屏蔽码去除眼睑遮挡干扰.在CASIA和UBIRIS虹膜库进行了测试,与传统方法相比,可取得更小的等错误率和相同错误接收率下更小的错误拒绝率.     

基于Gabor小波和神经网络的红外图像识别算法

首先对原始红外图像进行适当的预处理 ,然后用由小波Gabor滤波器的线性组合所构成的复合滤波器提取红外图像的特征 ,并且用神经网络获取最佳复合滤波器参数从而得到最佳的目标特征矢量。用两类方向相反 (左向和右向 )的低对比度红外坦克图像进行计算机仿真实验 ,取得了较好的识别结果。     

面向手机平台的快速笑脸识别方法

近年来,随着手机平台处理能力的增强,手机内置笑脸识别功能变得可行。传统基于Gabor的笑脸识别方法应用于手机平台遇到的主要难点是运算量大、实时性差。提出了一种改进笑脸特征提取算法,该算法基于Gabor变换和Adaboost算法,训练时采用Gabor变换提取全部特征,然后利用AdaBoost算法从降采样特征中挑选关键特征;检测时先计算关键特征点和相关特征卷积模板,然后计算特征值,最后进行匹配。实验表明改进算法不仅比原算法识别速度快,而且特征点分布规律表明识别性能还具有改善的可能。     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM 分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

基于Retinex和小波分解的手背静脉识别方法

为了解决手背静脉识别系统中图像的对比度较低且静脉结构简单的问题,首先提出一种基于自适应平滑滤波器的Retinex增强算法,在增强静脉结构的同时均衡了图像灰度;然后分析了静脉图像的小波分解子带图像和灰度积分投影,指出小波低频子带图像和垂直方向的灰度积分投影比较适合作为手背静脉识别的特征;进一步提取了基于逼近系数的小波不变矩特征,并融合形成了90维的手背静脉特征向量;最后建立SVM分类器并利用手背静脉图像库进行实验,结果证明了该算法的识别优越性.     

基于分形特征的图像分割

本文主要研究分数维理论在图像特征提取上的应用,在分析了盒子维数的基本思想和算法的基础上,提取能够较好反映灰度图像纹理细节和结构信息的新的分形特征参量用于图像的分割。在图像分割中,采用基于图像模块的分形特征提取方法,利用特征点在特征空间中的分布对图像进行分割,通过上机实验得出的图像分割的结果表明该种方法是让人满意的。     

一种改进的Gabor滤波器特征抽取算法及其应用

特征抽取是模式识别中的一个关键问题。丈中提出一种改进的基于Gabor滤波器的特征抽取算法。该算法应用Gabor滤波器的多尺度特性与样本图像进行卷积，将得到的Gabor特征矢量，根据其邻近分量的离散程度进行加权处理。与传统方法相比，该算法可以有效增强离散程度相对较小的特征分量在分类中的作用，分类效果较好；同时充分利用样本图像的统计信息，具有一定的鲁棒性。将该算法应用于车辆检测系统中，数据表明其能有效降低车辆检测的错误率，增强系统的鲁棒性。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

基于自适应非局部均值的SAR图像相干斑抑制

针对在利用非局部均值方法对合成孔径雷达(synthetic aperture radar, SAR)图像降斑时,存在的图像块相似性度量不准确、鲁棒性不高等问题,提出了一种基于自适应非局部均值的SAR图像相干斑抑制方法。首先,定义平滑度以刻画图像不同区域的纹理复杂程度,并设计自适应匹配函数,自适应地确定图像块和搜索窗口的大小,以提高块相似性度量的准确性,并在此基础上提出了自适应非局部均值算法框架。然后,利用Gabor滤波器对图像块的相似性进行度量,以增强块相似性度量的鲁棒性,并以所提框架为依据,设计了基于Gabor滤波器的自适应非局部均值算法。实验结果表明,所提算法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理、边缘、点目标等信息,为后期SAR图像的理解与解译奠定了良好的基础。     

高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换（scale invariant feature transform, SIFT）算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式（center symme-tric improved local ternary patterns, CS-ILTP）描述子和全局灰度值分布（global distribution of intensity,GDI）描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取 CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

基于多尺度低频特征组合的线性鉴别分析

目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视了更能反映图象本质的低频特征.为此提出先将图像进行多尺度划分,再提取划分后的每个子图像的低频部分,组合起来作为该图像的特征向量,最后根据这些特征向量再应用LDA方法进行鉴别分析.多尺度低频特征组合的向量反映了图像从局部到全局的全部低频特性,具有更有效的鉴别信息.在ORL和Yale人脸库上的实验结果显示,所提出的算法识别性能显著提高,鉴别能力更好.     

一种新的多尺度仿射几何不变量提取方法

提出了一种新的多尺度仿射几何不变量提取方法。该方法以自定义的多尺度自卷积变换为起点,结合灰度归一化处理,构建出目标图像的一系列仿射协变形式,进而通过设计一组非线性函数计算每个协变形式的一组扩展质心,由此得到新的多尺度仿射几何不变量。将所得不变量与经典的扩展质心特征、多尺度自卷积相比,由于其仅需一次分割便可构造出任意数量的区域面积比仿射不变特征,且从单个仿射协变形式中即可提取多个不变特征,从而有效减小了特征误差,提高了特征的获取效率。利用典型的“Fish”测试数据库,从计算复杂度、抗噪性、抗遮挡性和图像扩展性等方面验证了所提方法的有效性。     

High speed robust image registration and localization using optimized algorithm and its performances evaluation

Local invariant algorithm applied in downward-looking image registration, usually computes the camera’s pose relative to visual landmarks. Generally, there are three requirements in the process of image registration when using these approaches. First, the algorithm is apt to be influenced by illumination. Second, algorithm should have less computational complexity. Third, the depth information of images needs to be estimated without other sensors. This paper investigates a famous local invariant feature named speeded up robust feature (SURF), and proposes a highspeed and robust image registration and localization algorithm based on it. With supports from feature tracking and pose estimation methods, the proposed algorithm can compute camera poses under different conditions of scale, viewpoint and rotation so as to precisely localize object’s position. At last, the study makes registration experiment by scale invariant feature transform (SIFT), SURF and the proposed algorithm, and designs a method to evaluate their performances. Furthermore, this study makes object retrieval test on remote sensing video. For there is big deformation on remote sensing frames, the registration algorithm absorbs the Kanade-Lucas-Tomasi (KLT) 3-D coplanar calibration feature tracker methods, which can localize interesting targets precisely and efficiently. The experimental results prove that the proposed method has a higher localization speed and lower localization error rate than traditional visual simultaneous localization and mapping (vSLAM) in a period of time.     

Image retrieval based on color features integrated with anisotropic directionality

A novel image retrieval approach based on color features and anisotropic directional information is proposed for content based image retrieval systems (CBIR). The color feature is described by the color histogram (CH), which is translation and rotation invariant. However, the CH does not contain spatial information which is very important for the image retrieval. To overcome this shortcoming, the subband energy of the lifting directionlet transform (L-DT) is proposed to describe the directional information,...     

基于多重稀疏表示的声纳图像超分辨率重建方法

提出一种基于多重稀疏表示的声纳图像超分辨率重建方法。该方法针对声纳图像的光滑、边缘和纹理3种结构形态,分别利用离散平稳小波变换、contourlet小波变换和Gabor小波变换建立过完备字典,并对多重稀疏表示的声纳图像进行超分辨率重建。实验结果表明,该方法得到的超分辨率图像能够有效保持原始高分辨率图像的几何特征和纹理特征,可以得到更高的峰值信噪比,并且对噪声具有鲁棒性。