基于局部纹理描述算子的手掌静脉身份识别

由于手掌生理结构特性和采集环境因素影响,手掌静脉识别系统中所获取图像容易出现噪声过大、光照不均匀等现象,导致识别性能降低.为了解决这一实际问题,提出一种基于局部纹理描述算子的掌脉识别方法.首先使用Gamma校正、DoG滤波、对比度均衡等手段对掌脉图像进行预处理,降低光照影响.然后将掌脉图像分成互不重叠的区块,使用局部三值模式(LTP)提取每一小块的纹理特征,并加以融合,最后利用卡方距离进行匹配识别.在香港理工大学接触式掌脉图库和自建的非接触式掌脉图库上进行实验测试,结果表明,当图像分块大小为16×16像素时,本方法获得了最高的正确识别率,分别为99.981 6％,99.299 4％,优于其他典型方法,提升了掌脉识别系统的性能,增强了系统的鲁棒性,具有实际应用价值.     

离焦状态下的模糊掌纹识别

针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊,从而降低识别系统性能的问题,提出了一种基于稳定特征的模糊掌纹识别方法.建立了掌纹的离焦退化数学模型;在分析模糊机理的基础上,使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征,利用特征向量之间的欧式距离进行匹配和判别.文中给出了算法的步骤,并通过实验确定了需要选取的低频系数的个数.在建立的SUT-D模糊掌纹库上进行了识别测试,结果表明本文算法的等误率可达17.101 7％,与传统的DCT变换及Eigen Palm,Palm Code等8种典型识别方法比较,等误率最高可降低7.908 4％.这些结果显示本文方法不但能够提升识别效果,而且特征维数较低,改善了模糊掌纹识别系统的性能.     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

LST变换和手部几何特征融合的模糊掌纹识别

为了解决非接触采集时的离焦状况容易导致掌纹图像出现模糊现象,从而造成识别系统的性能降低的问题,在建立模糊模型并分析模糊现象机理的基础上,提出了一种新的解决方案.使用拉普拉斯平滑变换(laplacian smoothing transform,LST)提取模糊掌纹的低频系数作为稳定特征,提取手部几何特征即手指相对长度和宽度作为特征向量,将LST特征和几何特征进行融合,最后利用特征向量之间的欧式距离进行匹配和分类.在自建的SUT-D模糊掌纹图库上的测试结果表明该算法等误率可达7.01％,与融合之前及其他典型识别方法相比,等误率最高可降低13.11％,显示出该算法具备有效性,为解决模糊掌纹的识别问题提供了一条可行途径.     

开放式环境非接触低分辨率采集下的掌纹识别

提出一种开放式环境下、非接触采集下的掌纹识别算法.采用一种低分辨率的普通摄像头进行掌纹图像采集,人手只需自然张开、中指竖直向上放在摄像头前一定范围内.首先建立肤色模型将人手从复杂背景中提取出来;然后提出一种简单有效的关键点定位算法找到指根点,并以此建立坐标系提取掌纹ROI;接着提出一种基于统计的纹理基元算法进行掌纹特征提取,该算法不用对掌纹ROI进行归一化,计算速度较快并且对光照具有一定的鲁棒性;最后利用余弦相似度进行特征匹配实现掌纹识别.在自建的小型掌纹图像库上进行了相应的识别实验,实验结果表明所提出的算法能够在动态环境下达到理想的识别效果.所开发的实验系统能够快速实现掌纹图像采集与识别,适合在线实时系统应用.     

基于人手自然张开的多生物特征识别

手形和掌纹作为人手重要的生物特征可以用来进行身份识别.在人手自然张开、非接触式的采集条件下,基于手形识别匹配速度快和掌纹识别的识别率高的优点,采用基于匹配层的手形和掌纹融合方法,克服了单一手形识别的识别率低和掌纹识别匹配速度慢的缺点.手形采用手指的相对长度作为特征矢量,掌纹采用2D-Gabor对掌纹感兴趣区域(ROI)进行滤波,提取掌纹纹线的方向信息作为特征.在混合图库上进行实验,二者相结合的组合识别方法的识别率达到98.57％,减少了匹配时间.同时也研究了对于不同距离采集的手掌图像,实验结果表明手形和掌纹相结合的组合识别方法优势更为明显.     

一种基于相位一致性的虹膜识别方法

凭借虹膜自身的稳定性、非侵犯性、难更改性等优点,虹膜识别已经成为生物特征识别领域中的研究热点。但是在非侵犯性的虹膜识别系统所采集到的人眼图像中,虹膜环内的部分区域被眼睑或眼毛所遮挡,造成虹膜纹理的丢失。将被眼睑或眼毛遮挡的区域去掉之后,虹膜可用纹理区域的面积会低于100%。为了在这种情况下仍然能够提取出满足虹膜识别要求的特征,本文提出了一种基于相位一致性的虹膜识别方法。实验结果证明,该方法能够在虹膜可用纹理区域不完整的情况下提取出足够多的可区分性特征用于虹膜识别,并且具有0.137 0%的等错率和99.862 5%的正确识别率。     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

一种新的轮胎激光散斑检测缺陷识别方法

在轮胎缺陷识别系统中,提出将轮胎ESPI缺陷图像灰度纹理特征和一种改进的Hu不变矩特征的组合作为特征因子,结合支持向量机的方法应用于轮胎ESPI缺陷图像的分类识别。理论分析和仿真实验表明使用Hu不变矩以及Hu不变矩和灰度纹理特征结合分类效果较好,总体识别率达到了96.7%。     

基于图像纹理的散料装车料位识别试验研究

针对散料自动装车中超声波料位检测方法不能反映料堆实际形态的缺点,提出了基于图像纹理识别的料位检测方法。首先,对原图像进行同态滤波及二值化预处理,以增强图像纹理并减小纹理特征提取计算量;然后,计算装车图像的共生矩阵纹理特征,并对所计算的特征进行主成分分析降维;最后,利用决策树分类算法对装车料位图像进行分块识别并拟合出直线料位。试验结果表明,所提方法料位识别平均偏差为6.5像素,料位识别率为96%,每帧图像处理时间约0.2s。算法基本满足散料装车料位实时检测的要求。     

基于ARM与WinCE的掌纹鉴别系统

掌纹识别是个人身份识别的一种有效手段,而识别设备的小型化则将掌纹鉴别推向更广阔的应用领域.实现了一种基于ARM和WinCE的掌纹鉴别系统方案,ARM处理器从数字摄像头获取掌纹图像,提取特征,与掌纹特征库中的对应模板比对,根据匹配的结果给出一个开关信号量.实验证明该系统能以较高精度鉴别掌纹,软件采用的算法具有平移、旋转不变,光照与仿射部分不变等优点,对手掌的姿态、距离、位置变化具有较高的容纳能力,用非接触式的掌纹采集方式,不需要定位装置,充分体现该系统的用户亲和力.此外,该系统还具有体积小、成本低、低功耗等优点,适合应用于成本和功耗敏感的民用系统中.     

基于Harris角点检测和聚类算法的掌纹图像ROI提取方法

为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

采用纹理近邻模式的掌静脉生物特征识别研究

针对传统局部二值模式(LBP)只以固定的中心像素为阈值的编码方式进行了改进,从纹理分析角度,提出一种基于近邻模式的掌脉身份识别方法,主要利用局部区域相邻像素之间的灰度大小关系,对掌脉图像进行近邻二值模式(NBP)编码。首先将手掌静脉图像分成若干大小一致的区块,然后计算每一区块的灰度平均值,形成多块均值图像,进一步使用NBP对多块均值图像进行编码,最后利用汉明距离进行匹配。采用CCD图像传感器设计了光学仪器,在实际应用环境下获取掌脉图像建立图库,并在香港理工大学(Poly U)接触式公用图库和自建非接触图库上与目前典型和流行方法进行了对比实验,结果显示该方法在8×8区块划分情况下在2个图库上获得了最低等误率(EER)分别为0.698 3%和1.603 6%,识别时间为0.122 7 s和0.124 2s,显示出方法的可行性和有效性,具有应用前景。     

结合SVM后验概率的散料料位识别试验研究

提出了一种散料装车料位的图像检测方法,该方法将待处理料堆图像分为若干不重叠的子块,对各子块进行了同态滤波、二值化及二值共生矩阵纹理特征提取,并根据纹理特征对各子块进行了分类识别。在识别过程中,提出了一种基于SVM及其后验概率的料堆识别方法,建立了位于交界位置子块的SVM后验概率与其中料堆目标所占比例的关系模型,并将仅采用SVM对子块识别后的料位拟合结果与其后验概率输出相结合,在这些交界位置子块内进行了进一步的图像分割。试验结果表明,所提出的方法与仅采用SVM子块识别的料堆轮廓及料位拟合误差相比,分别减小42%和56%,平均误差分别为0.4517pixel和0.2586pixel,在MATLAB下每帧处理需0.2s。     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

滚动轴承保持架缺陷的图像处理及模式识别方法研究

轻系列滚动轴承保持架由于兜孔直径小、两半保持架之间钉孔距离相对较大等因素导致在铆压过程中易出现变形,造成铆压歪斜缺陷。为此,本文提出了基于图像纹理特征的模式识别方法用于保持架歪斜缺陷的准确识别。首先,改进了轴承图像归一化展开算法,实现了轴承图像展开起点的自动优化选择以避免误分割保持架、铆钉和滚动体;其次,设计了轴承图像保持架区域定位分割算法,准确分离出7个保持架区域;最后,分别提取保持架区域的Hu矩和旋转不变均匀局部二值模式(LBPrPiu,2R)作为纹理特征,并结合PCA降维方法构建轴承保持架缺陷识别的SVM分类模型。结果表明,基于Hu矩和LBPrPiu2,R的SVM模型的正确识别率分别为85%和100%。因此,轴承LBPrPiu2,R特征结合SVM模型对轴承保持架歪斜缺陷具有较好的识别效果。该方法有望为滚动球轴承保持架铆压工艺缺陷的自动识别提供参考。     

基于子区域变尺度高斯拟合的木材表面缺陷识别

为了提高木材的使用效率、避免由于木材缺陷造成生产故障,根据木材缺陷类型对其分类处理是一种有效的手段,但木材缺陷复杂多样且具有诸多相似性使得类别区分成为难点。针对以上问题本文提出了一种基于子区域变尺度高斯拟合模型的缺陷识别方法。首先建立变尺度高斯拟合基本模型,然后将缺陷纹理分成若干子区域,提取各分区的高斯拟合特征并进行融合;将高斯融合特征及圆度和边缘直线度这两个几何特征输入到建立好的BP神经网络模型中进行训练,根据优化训练的网络模型识别缺陷。该方法对自建的SUT-W图库中雪糕棒图像上人工标定的裂缝、矿物线、矿物块和黑节子的准确识别率分别为91.72%、92.77%、92.67%和92.80%,与其他典型纹理检测方法相比,4种缺陷准确识别率最高分别提高9.38%、6.69%、13.55%和10.22%,说明本文方法能够有效地将以上4种缺陷分辨开,具有一定的实际应用价值。     

Automated inspection of engineering ceramic grinding surface damage based on image recognition

As the engineering ceramic ground workpieces usually contain machining damage such as breaks and cracks, the traditional test methods cannot accurately reflect the real surface. Therefore, this paper describes an automatic damage detection system of the engineering ceramic machined surface using image processing techniques, pattern recognition, and machine vision. First, it has great influence on the exact identification of surface damage if engineering ceramic machined surfaces contain grinding texture, so Fourier transform is skillfully adopted to remove grinding texture. Second, through image noise reduction, contrast enhancement, and image segmentation, an optimal combination of image preprocessing is obtained. Then, by comprehensive extraction of surface feature parameters, decision tree classifier based on the C4.5 algorithm is built according to shape features and texture features. Finally, the paper achieves automatic extraction and classification of engineering ceramic grinding surface damage, and the recognition accuracy of breakage reaches over 93 %. Experimental results show that this method is effective in defect detection of the engineering ceramic surface, and it also can provide some analytical basis for the post-function hierarchy partition of engineering ceramic workpieces.