基于B样条梯度的融合图像算法

图像融合在目标识别、计算机视觉、医学、遥感图像处理等领域应用广泛.利用B样条梯度融合图像算法来解决图像融合,将融合的图像分成3×3子块,计算每个子块的B样条梯度.把待融合图像对应的子块梯度模值累加求和,计算每个子块梯度模值的权值并与每个子块相乘并求和,得到融合后的图像子块.模拟实验结果表明该方法是有效的,优于传统的主分量分析、小波变换和Laplacian金字塔等方法.     

一种基于CCD的嵌入式虹膜识别系统设计与实现

通过普通摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别,先对虹膜图像获取、内外边缘定位,然后采用基于B样条的FFD模型对图像进行配准,采用小波变换对图像进行融合,然后对图像进行二值化和特征提取处理,对虹膜识别中的算法进行改进,提出了一种嵌入式虹膜识别算法,对该算法的实验表明,算法运算速度快$精度高$性能稳定,适合在嵌入式系统中应用.     

融合多尺度多特征的人脸识别方法

为降低光照、噪音、姿态等变化的影响,减少有效局部信息的损失,提出了使用图像的变换特征,及多尺度分块线性鉴别分析的算法.将图像进行多尺度划分,对划分后的每个子图像分别抽取其低频部分或奇异值,组合起来作为该图像的特征向量,进行线性鉴别分析.针对单一特征表示图像时的局限性,又提出了融合多尺度低频特征和多尺度奇异值特征进行人脸识别的方法.在ORL和Yale人脸库上的实验结果显示,所提出的算法识别精度明显提高,泛化能力较强.     

一种基于CCD的嵌入式虹膜识别系统设计

通过普通摄像头得到的虹膜图像的纹理通常是模糊的,不能直接用于虹膜识别;先对虹膜图像获取、内外边缘定位,然后采用基于B样条的FFD模型对图像进行配准,采用小波变换对图像进行融合,然后对图像进行二值化和特征提取处理;对虹膜识别中的算法进行改进,提出了一种嵌入式虹膜识别算法,对该算法的实验表明,算法运算速度快,精度高,性能稳定,适合在嵌入式系统中应用。     

基于1αβ空间和抗混叠Contourlet变换的遥感图像融合算法

针对遥感图像中多光谱和全色图像的融合问题,提出一种基于lαβ空间和抗混叠Contourlet变换(non-aliasingcontourlet transform,NACT)的融合方法.该方法首先将多光谱图像进行lαβ变换,对其l分量和全色图像分别进行抗混叠Contourlet变换;然后,利用循环平移(cycle spinning,CS)算法消除由于变换缺乏平移不变性而引起的图像失真,对得到的低频子带系数和各带通方向子带系数分别进行融合;最后,通过抗混叠Contourlet逆变换和lαβ逆变换得到新的l分量以及融合后的高空间分辨率的多光谱图像.实验结果表明,该算法优于传统的色度-亮度-饱和度(hue-intensity-saturation,HIS)变换融合方法、小波融合方法以及Contourlet变换方法.     

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.     

基于lαβ空间和抗混叠Contourlet变换的遥感图像融合算法

针对遥感图像中多光谱和全色图像的融合问题,提出一种基于lαβ空间和抗混叠Contourlet变换(non aliasingcontourlettransform,NACT)的融合方法.该方法首先将多光谱图像进行lαβ变换,对其l分量和全色图像分别进行抗混叠Contourlet变换;然后,利用循环平移(cyclespinning,CS)算法消除由于变换缺乏平移不变性而引起的图像失真,对得到的低频子带系数和各带通方向子带系数分别进行融合;最后,通过抗混叠Contourlet逆变换和lαβ逆变换得到新的l分量以及融合后的高空间分辨率的多光谱图像.实验结果表明,该算法优于传统的色度 亮度 饱和度(hue intensity saturation,HIS)变换融合方法、小波融合方法以及Contourlet变换方法     

虹膜识别

系统阐述了虹膜识别的原理和实现方法,提出将小波变换与Hough变换相结合定位虹膜外边界,采用同心圆渐变展开虹膜图像为矩形图像,根据纹理分布方差对分类距离加权.新算法在保持平移和缩放不变性的同时,有效地实现了虹膜识别.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.     

基于NSST与改进稀疏表示的医学图像融合方法

针对单一模态的医学图像无法为临床诊断提供全面、 互补信息的问题, 提出一种基于非下采样剪切波变换(NSST)与改进稀疏表示(ISR)的多模态医学图像融合方法. 首先用NSST分解工具将待融合图像分解为一个低频子带和若干个高频子带; 其次, 用ISR方法融合低频子带, 通过Sobel算子和引导滤波器去除低频子带的细节特征, 从而提高低频子带的融合效率, 同时对高频子带采用绝对值最大的融合规则进行融合; 最后, 将融合后的低频子带和高频子带进行逆NSST变换得到最终的融合图像. 实验结果表明, 该方法在主观视觉性能和客观评价上均优于其他对比融合方法.