基于边缘和模板匹配的印鉴自动鉴别方法

利用计算机鉴别印鉴真伪具有广泛的应用前景．提出一种基于边缘和模板匹配的印鉴自动鉴别方法,该方法先将印鉴图象分成若干个子区域,然后提取反映真假印鉴本质特征的若干参数,用它们形成局部和全局特征,最后用ＢＰ神经网进行判决．实验结果表明,该鉴别方法具有较强的适应性和可靠性,已达到实用水平．     

基于边缘响应和自相似的红外与可见光图像区域特征匹配方法

红外与可见光图像的匹配是计算机视觉中一项重要的研究课题.由于红外与可见光光谱的差异,图像之间的相似性较低,图像匹配正确率较低.根据红外与可见光图像区域形状相似特点,提出了一种基于边缘响应和自相似区域特征匹配方法.该方法首先计算红外与可见光图像的边缘响应并检测区域特征,然后提取区域形状并建立区域形状的自相似描述,最后对区域特征进行匹配.实验结果表明,该方法在特征检测可重复率和特征匹配准确率等方面均具有良好的性能.     

基于边缘方向直方图的印鉴鉴别方法

提出一种基于边缘方向直方图的印鉴鉴别方法.经过Canny边缘检测算子提取待检的纯印鉴图像的边缘像素点,计算边缘像素点的法向量方向角并量化为边缘方向直方图,采用循环移位最小值计算直方图的相关性进行印鉴图像匹配.实验结果证明,该算法具有旋转不变性和尺度不变性等优点,并具有一定的鉴别能力.     

一种基于曲线匹配的印鉴图像自动检索方法

从汉字笔划横平竖直这一特点出发,提出了汉字图像中适合于印鉴图像检索的两种特征:汉字的外边缘轮廓和汉字的方向投影密度.进而用函数曲线对这两种特征进行量化描述,将对汉字的匹配归结为对函数曲线的匹配.最后通过实验验证了这两种特征的稳定性以及基于这两种特征的曲线匹配方法的有效性.     

基于HSI空间和纹理的频谱度量的印鉴识别

印鉴在东方国家和地区的应用非常广泛,尤其在我国的应用更为广泛,从而导致伪造印鉴的犯罪活动屡禁不止。为了实现大量印鉴的自动识别,已经提出了许多方法,这些方法主要根据边缘和模板匹配的方法实现的,其匹配过程需要调整印鉴的旋转角度。以印章图像为研究对象,采用HSI色彩空间来描述,它比RGB色彩空间更符合视觉特性,并且可以大大简化图像分析和处理的工作量。运用HSI色彩空间对印章图像颜色特征提取等一系列预处理,研究了多种识别方法后发现基于纹理特征的印鉴识别方法不但速度快,而且识别率也较高,并且方法简便。通过将极坐标和傅里叶变换结合,计算出印鉴图像纹理的频谱度量,来完成印鉴的特征提取,运用支持向量机分类器对印鉴进行识别,实验证明,方法具有良好的旋转不变纹理分析性能,提高了识别率。     

基于边缘方向直方图的印鉴鉴别方法

提出一种基于边缘方向直方图的印鉴鉴别方法。经过Canny边缘检测算子提取待检的纯印鉴图像的边缘像素点,计算边缘像素点的法向量方向角并量化为边缘方向直方图,采用循环移位最小值计算直方图的相关性进行印鉴图像匹配。实验结果证明,该算法具有旋转不变性和尺度不变性等优点,并具有一定的鉴别能力。     

在印鉴识别中的配准方法

提出了在中文印鉴识别中两幅印鉴图象的配准方法．它包括对印鉴图象的预处理，该方法在保留图象边缘的同时对图象进行了平滑处理，利用聚类算法提取标准和待识别印鉴的特征点集，依据最小均方差变换实现两个点模式的匹配．通过实验获得了两幅印鉴图象的高精度配准结果．     

一种遮挡情况下运动车辆的跟踪算法

遮挡是基于图像对运动目标识别与跟踪时经常遇到的问题,也是动态图像处理较难解决的问题之一.针对这一问题,提出一种基于Kalman滤波和边缘匹配的跟踪算法.该方法通过当前帧目标边缘与实时更新模板的最优匹配来确定目标的位移量,首先采用Kalman滤波预测目标匹配搜索区域,然后在搜索区域利用边缘匹配精确定位目标,从而大大减少了匹配的计算量.实验结果表明,该算法对短时间内被遮挡的运动目标的跟踪和预测效果良好.     

SIFT辅助角点匹配的快速图像匹配算法

采用Harris角点检测算法进行图像特征检测.使用快速SIFT图像匹配方法进行图像匹配并计算基础矩阵,去除误匹配点后用SIFT图像匹配的结果对Harris角点进行定位,并用ZNCC算法对角点进行增量匹配.该算法有效地弥补了SIFT图像匹配算法的特征点只分布于非边缘区域的问题,相比单纯SIFT算法可获得更多的匹配点,并且算法时间增加较少.     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.