手背静脉图像的降噪和分割研究

手背静脉识别是一种新兴的生物特征识别技术.根据手背静脉图像的特点,对静脉图像预处理进行了研究.静脉图像预处理分为图像的降噪和静脉图像的分割两部分.提出了一种混合噪声滤除算法,在判断出的脉冲噪声基础上,根据连通性去掉被误判成脉冲噪声的边缘,有效地滤除了静脉图像中的脉冲噪声和高斯噪声,且较好地保护了静脉图像的细节特征;采用了局部动态阈值算法NIBlack算法对图像进行分割,很好的提取出了手背静脉.     

手背静脉血管识别算法研究

由于指纹识别的易被污染性,虹膜识别给人造成的不舒服感等,为了克服这些已有的生物特征识别技术的缺点,本文对一种全新的生物特征识别方法——基于手背的静脉血管图像的特征识别算法进行了初步研究。提出了一种基于血管细化后的特征提取识别算法。分析了这种识别方法所要求的图像预处理过程,并对小数目样本进行仿真实验。实验证明,只要基于可靠的识别方案,手背静脉模式识别进行个人身份识别是完全可行的,具有良好的应用前景。     

基于域Morphing算法的手背静脉识别

根据人体手背静脉图像的结构及特点, 提出一种快速域Morphing算法对手背静脉图像进行变换, 通过对图像进行相似度计算实现了静脉识别.     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除毛刺处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除"毛刺"处理.仿真实验表明,该算法能够获得失真较小的静脉骨架.     

手背静脉特征提取算法

提出一种基于有限Radon变换(FRAT)的手背静脉识别新方法.在考虑手背静脉图像"线状"特点的基础上,先将手背静脉图像"分块",再对分块后的图像进行FRAT变换,并提出一种向量非均衡分布可得最大值的方法,提取手背静脉图像纹理特征,最后通过特征匹配进行分类识别.结果表明:与传统的Hough变换和离散Radon变换相比,新方法提高了目标直线特征的检测速度;在有800个样本的数据库上进行实验,获得了96.5%的识别率,表明了算法的有效性.     

基于脊波变换的手背静脉图像增强及特征提取

根据人体手背静脉图像的结构及特点, 提出一种基于脊波变换的手背静脉图像增强方法, 并应用局部互联神经网络提取静脉图像特征, 加强了该生物识别系统对模糊图像的识别能力. 实验结果表明, 该方法与传统的拉普拉斯法、 平滑算法及小波变换相比有更加显著的效果.     

PCB板复杂背景下的Data Matrix码定位与识别

工业二维码的应用环境通常比较恶劣,二维码识别通常伴随着噪声、过曝等问题.对工业二维码进行粗定位时,采用基于亮度、对比度和伽玛变换提高了图像整体的对比度,为阈值分割提供良好的图像基础.再对预处理后的图像采用大律法分割使得背景和前景分离并计算连通域面积和个数,定位可能存在二维码的图像区域.根据Data Matrix码的特征,提出了一种基于Shi-Tomasi角点密度的Data Matrix码快速定位算法.识别时针对二维码过曝的问题,提出了一种改进的伽玛变换算法有效地增强了图像的对比度,为识别提供良好的图像基础.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

基于Bandelet变换的手背静脉识别算法

提出一种基于Bandelet变换的手背静脉识别算法, 该算法利用Bandelet变换对静脉图像进行特征点提取, 通过提取的特征点构造了表征静脉纹理特征的特征向量, 通过计算待识别样本特征向量与目标样本特征向量的相关系数得出其相似度, 并在利用自制采集设备采集的样本库上对算法进行测试, 给出了实验结果.     

局部特征聚类联合区域增长的桥梁裂缝检测

针对传统裂缝检测算法抗干扰能力弱,浅层裂缝易误判等问题,提出一种局部特征聚类联合区域增长的桥梁裂缝检测算法。首先,针对混凝土表皮脱落及渗水等干扰问题,采用Gauss-Frangi双重滤波对图像模糊化处理,退化噪声的特征信息,并增强图像中的线性结构。其次,针对常规算法无法识别弱特征的浅层裂缝问题,根据局部区域裂缝点间的空间相关性,提出基于网格聚类联合区域增长算法实现局部区域裂缝的动态分割。最后,针对分割图像中伪裂缝等顽固噪声,提出一种基于形状特征及结构相似性原理方法剔除噪声。实验表明,所提算法可检测出更多的裂缝细节信息,且保持较高的精确率,提高了裂缝图像分割质量。     

人体手背血管图像的特征提取及匹配

为了克服指纹识别系统的一些缺点,该文对一种全新的生物特征识别方法——基于手背的静脉图像的特征识别进行了初步研究。首先利用自主设计的近红外血管图像采集仪提取血管造影的原始图像,然后对采集到的图像作归一化和增强处理,以及进行特征提取和特征匹配算法研究。文中给出了65个小范围样本的匹配试验结果,在拒真率为4.6%条件下,误识率为0。利用手背静脉图像进行个人身份识别是完全可行的,文中提出的方法具有良好的应用前景。     

基于稀疏自编码的手指静脉图像分割

针对获取的手指静脉图像不仅包含静脉特征,而且包含噪声和不规则阴影,从而增加了特征提取难度的问题,提出了一种基于稀疏自编码的手指静脉图像分割算法;首先采用传统分割算法对原始灰度图像进行分割,得到一副二值图像(背景像素值为0,静脉像素值为1);然后,以该灰度图像的每个像素点为中心,对其进行图像分块,并将二值图像中对应于中心点的值(0或者1)作为该块的标签,建立训练集合;最后,将训练样本(分块图像和标签)输入到自编码器和神经网络中进行训练,再用训练好的模型对测试图像进行分割;实验结果表明,相比传统的算法,提出的手指静脉分割算法能够有效地对静脉进行分割,提高手指静脉认证系统的认证精度。     

改进色差法的绝缘子图像分割方法

绝缘子是输电线路中的一种重要金具,对绝缘子的精确定位是监测其运行状态的前提。针对已有的红蓝色差灰度化及聚类分割方法无法从输电线图像中有效分割褐色绝缘子这一问题,提出红绿色差灰度化方法,并结合Otsu、红蓝色差灰度化、K-means和投影特征实现绝缘子分割。首先,利用Otsu算法将绝缘子与大部分背景进行分割预处理,把预处理后的二值图分别以白色像素、黑色像素映射回原图;然后,对映射图像分别对应进行红蓝、红绿色差灰度化,接着采用K-means聚类算法对灰度图分割。最后,根据投影特征从两幅候选图像中识别出绝缘子图像。实验结果表明,该方法不仅能对输电线图像中的蓝色、褐色绝缘子进行有效分割,还能减少背景分割。     

脊波分析在手背静脉识别中的应用

提出一种基于改进的有限脊波变换的手背静脉识别算法. 利用脊波理论适合于表示直线奇异性的特点, 对手背静脉特征进行分析. 使用改进的有限脊波变换对手背静脉图像进行分解, 得到不同分解尺度下手背静脉的多分辨脊波特征, 再通过定义多分辨脊波特征距离进行模式匹配. 实验结果表明, 与传统静脉特征提取方法相比, 该方法较完整地保留了静脉的原始信息, 提高了运行速度并降低了算法复杂度.     

基于改进分水岭算法的图像分割算法

针对传统分水岭图像分割算法存在的对噪声敏感、误分割率高等缺陷,提出一种基于改进分水岭算法的图像分割方法,以获得更理想的图像分割结果.首先对原始图像进行滤波预处理,消除噪声对图像分割的干扰,保护分割目标的边缘信息;然后对图像进行变换处理以增强图像对比度,并在此基础上采用分水岭算法分割图像;最后采用多种类型图像在MATLAB2014平台上进行仿真测试.仿真测试结果表明,该方法避免了噪声对图像分割结果的影响,能获得更理想的图像分割效果,且分割精度和效率明显优于其他图像分割方法.     

基于尺度特征的手机拍摄打印数字序列分割

针对手机拍摄图像中普遍存在几何失真、光照不均和噪声等现象,提出了一种基于数字尺度特征的数字序列分割算法NSFS.该方法首先对数字序列图像进行预处理,消除噪声和残留表格线;然后,提取包含数字序列的最小矩形,利用数字尺度特征,对包含数字序列最小矩形的每个连通分量进行数字分割.此算法实现简单,适用于不同数据表格、不同字体和格式的数字序列.目前业界仍没有合适的图像库,为验证算法的性能,搭建了一个基于不同品牌手机拍摄的不同表格的图像库.基于此数据库的实验表明,基于数字尺度特征的数字序列分割算法达到了96％以上的正确分割率.     

一种改进的模糊C均值图像分割算法

针对传统的模糊C均值(FCM)图像分割算法效率较低和分割结果对噪声敏感等问题,提出了一种改进的模糊C均值图像分割算法,可以有效地根据图像灰度分布信息选取初始聚类中心,同时充分考虑了邻域像素对于聚类的影响.结果表明,该算法能够根据图像特征自动初始化合适数量的近似聚类中心,对噪声图像具有较好的分割效果.     

基于PCNN模型的区域生长图像分割

提出了一种结合区域生长算法和脉冲耦合神经网络进行图像分割的方法.该方法将待分割图像的像素点映射为PCNN模型中的神经元,把改进的脉冲耦合神经网络模型的点火频率同区域生长的理论结合起来进行图像分割.实验表明该方法分割的图像与传统的分割法相比具有边缘信息更加完整,区域划分更加准确,分割效果更能符合人眼视觉的识别特征.