基于数学形态学的掌纹图像分析

讨论和分析了数学形态学在在线掌纹图像处理中的应用.该方法应用数学形态学进行掌纹定位分割和增强处理.结合在线掌纹图像的特点采用形态学运算提取掌纹轮廓线,规范手掌质心,然后选取以质心为中心的合适大小的方形区域作为特征有效区域.在有效区域内进行形态学Bot-Hat变换检测出掌纹纹线进行增强处理,对增强后的图像进行傅立叶变换在频域空间进行特征提取和匹配.通过实验,论证了上述方法的有效性和可行性.     

基于小波变换的掌纹特征提取

掌纹中不同区域的纹线方向和空间频率代表着掌纹图像内在的特征。为了提取该特征,提出了一种基于原始灰度图像的小波变换的新算法。由于该算法直接对原始的灰度图像进行处理,而无需对图像进行预处理(例如图像增强、滤波、区域分割、二值化、纹线细化等),因此它与传统的细节特征识别方法相比大大减小了计算消耗。对一个小的掌纹图像数据库,使用K近邻(K-NN)的分类器对算法进行了实验,得到了很高的分类正确率,验证了算法的有效性。     

基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。     

一种基于数学形态学和模板匹配的掌纹线特征提取方法

本文提出了一种有效的掌纹线特征提取方法,将数学形态学与模板匹配相结合,从4个不同的方向提取掌纹线.然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征.实验结果表明基于数学形态学和模板匹配的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来,能够满足大型数据库掌纹识别的要求.     

基于小波纹理特征的医学图像检索

为了缩小图像高层语义与底层特征之间的鸿沟,提出了一种基于共生矩阵的图像纹理特征提取的新方法.该方法结合了图像的频域统计特征和空间分布特性,首先通过小波变换提取图像的局部频域信息,然后结合图像的整体结构特征,构建用于提取图像纹理特征的小波灰度共生矩阵.通过对比实验表明,与分别使用其他灰度共生矩阵和小波特征相比,基于小波灰度共生矩阵的纹理特征提取方法在医学图像检索中取得了更好的效果.     

掌纹图像的主线特征提取

掌纹特征的提取在掌纹自动识别系统中是一个必不可少的重要环节.本文首先用基于掌纹图像灰度特性的方法提取出掌纹的主线特征,针对存在的大量干扰点和断点,运用数学形态学进行了后置处理.实验表明,该方法能够有效地去除干扰点、连接纹线的断点,从而保证主线特征的稳定性与可靠性.     

基于S变换和图像纹理信息的轴承故障智能诊断方法

旋转机械设备发生故障时产生的振动信号具有非平稳、非线性的特点,而传统的基于傅里叶分析的方法不仅不能有效诊断故障,同时需要技术人员具备大量的专业知识,因此提出了基于时频图像纹理信息的智能故障诊断方法。分析几种时频分析方法的优缺,在此基础上对振动信号采取S变换构建时频图像,并利用图像的灰度-梯度共生矩阵提取纹理特征,最后采用支持向量机实现多类故障的诊断。实验验证了方法的有效性。     

基于分数阶Fourier变换的乳腺肿瘤纹理特征提取

分数阶Fourier变换(fractional Fouriertransform,FrFT)是传统的Fourier变换在分数级次上的推广,它同时包含了信号时频域的信息.对乳腺肿瘤超声图像进行分数阶Fourier变换,提取分数阶Fourier变换域相位信息的统计纹理特征,并结合AdaBoost分类算法,实现乳腺肿瘤的良恶性分类.实验结果表明,基于分数阶Fourier变换提取的纹理特征能较好地应用于乳腺肿瘤的良恶性分类,说明该方法可用于乳腺肿瘤的计算机辅助诊断.     

EMD与CWD结合在暂态电能质量扰动检测中的应用

针对Cohen类二次型时频分布存在的交叉项,提出一种基于EMD与Choi-Williams分布相结合的方法,利用经验模态分解将信号从频域上分离若干个固有模态函数经过去伪后进行Cohen分布的时频变换,将得到的结果叠加重构出原始信号的Cohen类时频分布.仿真结果表明,该方法能有效抑制时频分布的交叉项,保证Cohen分布的时频聚集性,提取扰动特征.     

基于K-L变换的掌纹自动识别

掌纹自动识别是对基于生物统计学的身份鉴别的重要补充。论文尝试了对掌纹图像代数特征的提取 ,并设计了基于 K- L变换的掌纹自动识别方法。实验表明 ,这种方法能够取得很好的识别效果 ,即使对于低分辨率下的图像也有较高的识别率。在此基础上结合子空间法模式识别理论 ,提出了双子空间掌纹自动识别方法。并用双子空间对各类样本的空间分布进行了更加精细的刻画。然后采用分层最小距离分类器实现掌纹识别 ,使识别率和鲁棒性得到了进一步提高。     

认知无线电Underlay模式下MQAM信号的调制识别

针对传统的认知无线电Underlay中时频重叠MQAM信号调制识别方法性能低的问题,提出了一种采用时频分析图像纹理特征的时频重叠信号调制识别方法。首先对接收到的时频重叠MQAM信号做频率切片小波变换得到时频分析图像,并选取纹理差异明显的切片部分进行灰度化处理,然后通过提取时频分析图像的灰度-梯度共生矩阵特征,最后利用径向基函数神经网络分类器有效地实现了时频重叠MQAM信号调制方式的识别。仿真结果表明:在信噪比为4dB下,所提出的方法的平均识别率可达到95%以上;在信噪比大于0dB时,所提方法的识别性能优于基于高阶累积量的识别方法。     

利用颜色和纹理特征的图像检索技术研究

提出了融合颜色和纹理特征的图像检索算法.在颜色特征的提取中,提出了一种矩形重叠式分块策略对图像进行分块.在对纹理特征提取中,提出了利用共生矩阵对图像的整体区域有着较好的处理效果以及Gabor小波变换对图像中的局部区域的频率和方向信息的优异性能.利用归一化理论,融合3种不同特征.并通过实验证明该方法能够提高图像的检索性能.     

基于形态学滤波和Hough变换的掌纹主线提取方法

提出一种结合形态学滤波和Hough变换提取掌纹主线的方法,在对方向性掌纹线特征子图像做形态学滤波后,将滤波图像转换至Hough变换参数空间,利用Hough变换具有的点线对偶性,检测参数空间内累加数组的峰值来确定主线的空间位置和走向,并展开邻域检测得到主线.本文算法更符合主线的自然生长规律,在成功提取主线的同时消除了粗大掌纹皱纹在主线提取中易产生的干扰.     

基于多尺度的掌纹辨识算法

为了解决局部二值模式(Local Binary Pattern,LBP)不能有效的提取掌纹不同尺度的特征,提出一种对曲线有很好描述、多尺度的第二代曲波变换(Curvelet)与LBP选择性结合的多尺度掌纹辨识算法。首先将原始掌纹图像进行Curvelet变换,获得不同尺度的掌纹图像;其次对得到的掌纹图像选择性使用LBP提取特征;最后采用卡方距离对不同的掌纹进行分类。通过对PolyU掌纹图像库中具有不同光照、平移、旋转的图像进行验证,证明了此算法对光照、旋转、平移都有很好的效果,且识别率高于LBP算法与其他传统算法,达到99.20%,证明了此算法的有效性,同时,特征提取与匹配时间为139.4×10-3s,满足实时性要求。     

基于二维连续小波变换的织物疵点检测

同正常织物纹理比较,疵点区域由于其纹理不规则及变形而导致不同的局部纹理特征。利用二维连续小波特征,能在时域和频域上对织物图像同时实现任意尺度和旋转角度的变换。通过纹理模型和频谱分析,确定出最优的变换尺度和旋转角度,并由预先确定的全局阈值从小波变换系数的模中进行疵点的分割。实际疵点的检测结果表明该方法是可行的。     

一种改进的掌纹线方向特征提取方法

掌纹识别由于方便易行,近年来已成为鉴定人身份的主要方法之一.经典的基于线方向特征识别掌纹的方法忽略了纹线上其他具有辨别力的方向特征.该文改进了传统基于半方向特征编码的方法,改变其中一个半方向编码特征为另一个具有代表性的方向特征,获得了更多的掌纹曲线特征,从而有效提高掌纹识别效果.实验表明,该方法相比传统的方法具有更高的识别率及准确度.     

基于深度学习与支持向量机的低截获概率雷达信号识别

 提出了一种基于栈式自编码器与支持向量机的低截获概率（LPI）雷达信号识别方法。首先,通过Choi-Williams分布,将信号变换到时频域,获取信号的时频图像;其次,使用图像预处理方法对时频图像进行处理,得到便于自编码器处理的图像;再次,使用栈式自编码器从预处理后的时频图像中自动地提取出信号特征;最后,基于提取的信号特征使用支持向量机（SVM）对信号进行分类。本方法使用任意波形发生器（AWG）模拟产生了8类LPI雷达信号,采用栈式自编码器与支持向量机相结合的方法识别信号。仿真实验结果表明,该方法能够在低信噪比和小样本情形下有效识别LPI雷达信号。     

图像/视频字符区域定位算法的实现

对图像/视频中的文字检测方法是基于字符的纹理特征进行处理的,首先将图像进行 DCT 变换,因为变换的系数分布代表了不同方向的能量,对变换的系数进行能量计算得到一个比较粗略的选区,然后进行形态学操作,滤掉一些不符合字符特征的区域,从而将图像中的字符区域提取出来,用 matlab 进行了测试,测试中发现,对一些复杂的背景下的字符还存在着漏判和误判现象。     

基于Gabor滤波器的自适应指纹增强算法

指纹增强的目的在于改善指纹图像的质量,进而提高指纹识别系统的性能.提出了一种基于Gabor滤波器的指纹增强算法,算法采用梯度法计算纹线方向,利用指纹图像子块的频谱分布特征计算纹线频率,通过计算图像方向一致性来自适应地调节Gabor滤波窗口的大小,再采用具有可变角度带宽的低通滤波器进行滤波,有效地提高指纹的纹理清晰度,较好地避免奇异点区域的块效应.实验结果表明,算法具有良好的图像增强效果.     

基于多输入卷积神经网络的轴承故障诊断方法

为了解决现有轴承故障诊断方法提取特征能力不足的问题,提出了一种基于多输入卷积神经网络的诊断方法。首先对原始的轴承一维振动信号分别通过短时傅里叶变换(STFT)和连续小波变换(CWT)转换为两种时频域图像信号;然后将两种时频图像输入到相应的具有不同卷积网络结构的特征提取层进行特征提取;最后将提取的故障特征图进行叠加后输入到分类层实现故障分类。采用t-分布随机邻域嵌入算法(t-SNE)对所提方法的特征提取效果进行了可视化分析。结果表明,与传统的轴承故障诊断方法相比,所提方法具有更强的故障特征提取能力且故障分类准确率达到了99.6%。