压缩感知在车牌识别系统中的应用研究

分析车牌识别系统的数据采集过程,提出关于压缩感知理论的车牌识别系统的数据采集方法。对采集的车牌图像进行小波变换,将车牌图像变换成易传输,数据量较小的图像数据,使用正交匹配追踪算法以及小波逆变换对来自传输设备的车牌图像进行重建,并实现原始图像精确和近似重构。由仿真可知,压缩感知理论应用于车牌识别系统的数据采集传输过程,降低了传输数据量大小,并易于图像数据传输,且能以较小误差实现车牌图像的重构,同时有相应的硬件使用环境。     

基于椭圆拟合的晃动虹膜图像的检测算法

针对虹膜识别系统中晃动影响识别准确率的问题,提出了一种基于椭圆拟合的晃动虹膜图像的检测算法.首先对虹膜区域利用Gabor滤波器卷积初步估计光斑的位置;然后在放大5倍的截取虹膜图像上定位有效光斑;最后,对每个光斑的边界进行椭圆拟合,并计算长短轴比例和拟合误差,误差较小且长短轴比例大于1.55的图像判定为晃动图像.在CASIA-IrisV3-Lamp数据库上的实验表明,该方法检测晃动虹膜图像的准确率达到100%,提高了虹膜识别系统的准确率.     

基于极坐标特征的改进模糊C-均值虹膜定位算法

针对非理想情况下虹膜图像定位失败的问题,提出一种新的虹膜定位算法.该算法先使用基于极坐标特征的改进模糊C-均值算法对虹膜外圆半径进行粗定位,再采用圆周差分法对外圆参数进行准确计算.该算法通过使用极坐标作为聚类特征及放宽模糊聚类的聚类条件,提高了虹膜定位算法的鲁棒性.实验结果表明,该方法有效提高了非理想情况下虹膜图像的定位精度.     

基于熵模型的粒子群优化算法

为了改善粒子群算法在解决高维优化问题时易早熟收敛且存在大量无效迭代的问题,提出了一种基于熵模型的粒子群优化(EPSO)算法.通过引入信息熵模型,精确分析了粒子群搜索过程中的聚集特性,将粒子群搜索过程划分为3个阶段进行优化.第1阶段引入粒子迭代熵差,优化调整惯性权重;第2阶段根据粒子群熵值变化,适时重置惯性权重;第3阶段采用截断策略,减少粒子群的无效迭代.实验结果表明,在Sphere、Rosenbrock、Ackley、Griewank、Rastrigin五个标准测试函数中,EPSO算法的求解精度和收敛速度都优于传统粒子群算法、经典粒子群算法、自适应惯性权重粒子群算法以及新的自适应惯性权重粒子群算法,并且减少了算法的大量无效迭代,从而验证了EPSO算法的有效性.     

基于Gabor能量滤波器的虹膜分割技术的研究

为了能快捷方便地从眼部图像中分割虹膜图像,本文将原用于模拟脑部主要直观皮层中复杂细胞的Gabor能量算子用作眼部图像的滤波函数.实验表明,通过对该Gabor能量函数非CRF抑制、相关参数的分析和优化,该方法能较好地将瞳孔纹理从眼部图像分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序、提高其处理速度.     

虹膜识别算法概述

虹膜识别已经成为近年来的热门研究,由于其可靠性和近乎完美的识别率,虹膜识别已经应用于较多高安全性的领域。虹膜识别系统主要有三个阶段:图像预处理、特征提取和模板匹配。本文对每个阶段的突出算法进行介绍、分析与比较,对虹膜识别系统的进一步发展具有一定的研究价值。     

一种用于虹膜识别的相位匹配算法

虹膜识别是一种非侵犯性的人类身份识别技术 .在虹膜自动识别过程中 ,特征的分析和匹配是非常重要的部分 .此文讨论了虹膜图像定位、增强等预处理的方法 ,并提出了一种相位相关的匹配算法对虹膜图像进行识别和判断 .实验证明 ,该方法运算速度较快 ,并有较高的识别率 ,效果良好 .     

一种粗细结合的快速虹膜定位方法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能.依据虹膜图像的特点,提出一种粗细结合的虹膜定位方法:首先利用虹膜图像灰度分布的规律性,粗定位虹膜圆心及内外半径,确定虹膜的相关参数;然后依据虹膜图像的灰度特征,对其进行二值化,之后使用Canny算子对二值化虹膜图像进行边缘检测;最后使用H...     

基于多分区特征组合的虹膜识别算法

本文提出了一种基于多分区特征组合的虹膜识别算法,既考虑了虹膜纹理的全局特征又考虑了局部特征. 实验结果表明,该算法与传统的Daugman算法相比,具有良好的鲁棒性,明显降低了错误识别率,可以有效地应用于非合作用户场合下的虹膜身份识别系统.     

Radon域虹膜图像数字水印研究

提出了Radon域特征嵌入的虹膜图像数字水印算法.算法提取小波变换的过零表达系数,用于描述虹膜纹理特征,将其编码后作为水印信息嵌入原始虹膜图像.证明了虹膜图像Radon变换的幅频域是一个旋转、平移和缩放的不变域,水印的嵌入选择在这个不变域内进行.水印的检测过程不需要原始图像,是一种盲检测水印算法.实验结果表明,提出的虹膜水印算法对虹膜纹理具有敏感性,可以有效地保护虹膜图像纹理区域不受篡改.同时实验还表明,水印对一般的图像处理和几何失真攻击具有鲁棒性.     

基于k-近邻分类匹配的虹膜识别技术与应用

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性.虹膜识别系统包括虹膜图像采集、虹膜图像预处理、特征提取、匹配与识别等部分.该文提出一种基于k-近邻分类器虹膜识别方法,该方法先对虹膜图像进行定位、归一化和增强等预处理,利用Gabor滤波实现虹膜纹理特征的提取,再用k-近邻分类器进行匹配,达到了识别的目的.实验结果表明,该方法是可行的.     

基于序列图像的虹膜特征提取与分类

根据单一虹膜图像进行虹膜识别时,存在被干扰影响而改变的特征,而从单一图像中无法判断这些特征的有效性.因此,根据这些特征难以对虹膜做出正确分类.针对这个问题,提出了基于序列图像的虹膜识别方法.从多个图像提取的二值相位特征,经过特征配准将虹膜特征投影,获得低维的子空间特征,用子空间上的特征作为该虹膜的特征,将其与数据库中的特征进行比对,从而进行虹膜识别.与基于单一图像的虹膜分类方法相比,该方法的虹膜分类性能明显得到改善.     

一种预测锂电池剩余寿命的改进粒子滤波算法

粒子滤波算法本身存在着粒子退化问题,对于衰减趋势变化剧烈的模型,难以获得精确的预测结果,限制了算法的适用范围。针对以上问题对粒子滤波进行改进,通过引入粒子群优化算法中的粒子更新机制,优化粒子的全局位置信息,进而重新分配各粒子权重,降低了重采样阶段粒子重置的比例,改善了算法固有的粒子退化现象,达到改进算法、提升算法预测性能的目的;同时,为验证算法的实际效果,以马里兰大学先进寿命周期工程中心(CALCE)发布的锂电池容量实验数据集为基础,分别使用传统粒子滤波算法与改进的算法进行剩余寿命预测仿真。经过对比发现:改进算法误差下降33.6%,可获得更为精确的预测结果,重采样率下降18.3%,粒子退化问题得到改善。     

基于快速离散曲线变换的各向异性虹膜识别

提出了旋转不变技术在决策水平上进行虹膜特征提取和融合后分类的方法,以提高非理想环境条件下的性能.在这项工作中,基于二维(2D)快速离散曲线波变换(FDCT)的方向性虹膜纹理特征被计算出来.该方法将归一化的虹膜图像分为六个子图像.Curvelet变换应用于每个子图像.使用这些curvelet系数的方向能量导出每个子图像的特征向量.这些距离在决策层通过新颖的后分类器k-out-of-n进行融合,降低错误识别率.最后提出的方法在UBIRIS,MMU1和CASIA-Iris V2.0数据库上进行了测试,证明了所提出算法的可行性,并将其与现有虹膜识别算法进行了比较.实验结果表明,该算法可以提高虹膜识别准确率,达到较高的实际应用中的要求.     

基于小波包分解的虹膜图像质量评价算法

在虹膜识别系统中,虹膜图像的质量是影响识别效果的重要因素。为了保证识别的准确性,必须选择满足识别算法需要的图像来进行特征提取和模式识别。在对现有虹膜图像质量评价算法分析的基础上,该文提出了一种新的基于小波包分解的算法,根据虹膜纹理的特点确定小波包的分解方式,选取纹理高频分量分布最集中的子频带作为特征子频带,以其能量作为判别图像质量的准则。对比实验结果表明,该方法可以快速、准确地判断虹膜图像的质量,实现了对图像的实时处理,结果合乎人眼的主观度量,且区分不同质量图像的效果优于其它评价算法。     

压缩感知在ECT分相含率检测中的应用

该文研究了压缩感知(CS)理论在电容层析成像(ECT)问题中的应用,有效解决了图像重构中的欠定性问题,从而通过图像计算两相流中的截面分相含率。首先,采用时域基作为图像向量的稀疏基,并采用高斯随机对灵敏度矩阵进行重新排序,设计其观测矩阵;然后,将不动点迭代算法FPC应用于凸优化问题的求解,得到重构图像;最后,利用最优阈值算法对重构图像进行灰度处理,由灰度图像进行分相含率的计算。在仿真实验阶段建立ECT传感器模型,对3种典型两相流流型进行重构,并与经典的LBP,Landweber算法综合3种重构效果评价指标进行比较。仿真结果表明:基于CS的ECT重构算法在只有少量测量数据的情况下也能精确地重构图像,且成像质量远高于LBP算法,并优于Landweber迭代算法,成像速度也大幅提升,有效提高了分相含率检测的准确性。     

组合优化策略的改进协同优化方法

为克服传统协同优化方法一致性约束造成的收敛困难和局部最优问题,提出将粒子群优化算法和修正可行方向法结合并引入协同优化.应用粒子群算法获得全局最优解近似,在此基础上应用修正可行方向法进行局部精确搜索.分别以一个典型的二次函数优化问题和一个减速器设计优化问题作为测试实例,优化结果表明,所提出组合优化策略是有效的,同时兼顾了优化效率和精度.     

用于身份鉴别的虹膜图像预处理

针对虹膜图像的特点和现有虹膜识别算法运算速度慢及鲁棒性差的问题,为提高虹膜识别的性能,提出了一种新的虹膜图像预处理方法.首先采用最小二乘法定位虹膜内边缘和检测上下眼睑,利用改进的随机Hough变换定位外边缘;然后运用双阈值法检测睫毛,并对分割出的环状虹膜区域进行归一化和去噪与增强处理.预处理后的图像基本上不含眼睑和睫毛等干扰,从而有利于后续的虹膜特征提取和匹配.测试结果表明,该方法可有效地解决图像预处理中计算时间长和通用性差的问题,能提高虹膜识别系统的稳定性和识别率.     

基于PSO的图像自适应模糊增强算法

在介绍常规图像自适应模糊增强算法和粒子群优化算法的基本原理的基础上,针对常规图像模糊增强算法中自动获取模糊控制参数耗时较长,执行效率低的问题,提出了一种应用粒子群优化算法结合图像灰度直方图特征进行图像自适应模糊增强的新方法.实际图像增强实验的结果表明方法效率比常规图像自适应模糊增强算法有很大的提高.     

自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别

首先, 采用Log Gabor滤波器提取虹膜幅度特征, 根据虹膜库的种类, 通过改进的遗传粒子群优化算法优化滤波器参数; 其次, 利用主成分分析法降低维数, 进而减少噪声和冗余; 再次, 构建动态径向基函数神经网络, 并通过虹膜幅度特征间的欧氏距离进行虹膜识别; 最后, 采用多种小型虹膜库与其他虹膜识别算法进行对比实验, 实验结果表明, 该算法在一对一虹膜识别中正确率更高, ROC曲线更贴近坐标轴, 滤波器通用性更好, 提高了小型虹膜库的识别率, 解决了传统算法学习收敛速度慢、 结构通用性差的问题.