基于双线性模板和分块策略的虹膜色素斑检测

本文色素斑是一种重要的虹膜特征纹理。然而,由于该纹理颜色深浅不一,形状各异,因此如何从具有复杂背景的可见光虹膜图像中检测出该纹理仍然是目前亟待解决的一个难题。提出一种基于双线性模板和分块策略的可见光虹膜色素斑检测方法,首先使用两个不同长度的线性模板来提取虹膜上所有不同类型的特征纹理;然后,采用分块策略得到一个能描述该纹理灰度分布特征的特征向量;最后,使用BP神经网络实现对色素斑纹理的检测。该算法对图库中色素斑纹理检测的正确率达到81.25%,对非色素斑纹理的正确识别率达到83.97%,总的正确检测率达到83.23%。实验结果表明,该方法能够从背景复杂的可见光虹膜图像中检测出色素斑纹理,为虹膜的特征提取提供了一个新的思路。     

基于灰度差分和脊线检测算子的虹膜裂缝检测

虹膜裂缝是用于虹膜识别的特定形状虹膜纹理之一。为了解决在复杂背景下提取裂缝特征的问题,在对虹膜裂缝特征进行分析的基础上,提出了一种虹膜裂缝检测方法。首先用灰度差分模板得到裂缝纹理候选区域,并根据裂缝的先验知识筛选裂缝候选像素,在原图上分割成小区域;其次,采用脊线检测算子在小区域范围内对各种纹理进行检测;最后在二值化图像上计算该区域能量密度,排除非裂缝纹理,实现裂缝纹理的检测。该方法在图库中人工标定的1 201处裂缝中检测正确检出率达到94.09%。实验结果表明,本文方法在不需要手动去掉卷缩轮内区域的情况下,能够在多种虹膜纹理并存的复杂背景下检测出虹膜裂缝纹理。     

基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。     

基于BAB策略与SVM的虹膜块状纹理检测

块状纹理是虹膜表面上一种重要的特征纹理。对于可见光虹膜图像而言,由于受眼睑、光斑及光照不均匀等因素影响,如何准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于分枝定界(BAB)策略和支持向量机(SVM)的可见光虹膜块状纹理检测方法。首先使用线性模板来提取虹膜上所有目标纹理;然后,采用BAB策略定位所有目标纹理并计算每个目标纹理的特征向量;最后,使用SVM实现对块状纹理的检测。通过实验证明,该方法对于虹膜块状纹理的检出率和检测时间均优于同类方法。     

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。     

基于纹理脊线特征融合的木材表面裂缝检测

裂缝是木材表面一种严重缺陷,对木材的加工和使用影响极大,然而,由于裂缝与木材表面的矿物线具有诸多相似之处,因此如何准确地将裂缝纹理识别出来是一个亟待解决的问题。提出了一种基于纹理脊线特征融合的检测方法,首先建立纹理脊线灰度和形态特征提取基本模型;然后分割出木材表面全部纹理区域,并根据模糊规则提取出条状纹理,包括裂缝和矿物线;最后根据建立的模型提取条状纹理的两种脊线特征,并进行特征信息融合得到复合判别因子,最终通过融合结果与预设阈值的数值关系识别裂缝纹理。在自建图库上进行了测试,结果显示所用方法对裂缝缺陷识别的等误率仅为4.64%,相对于其他经典特征提取和纹理识别方法其等误率最少降低了10.06%,表明了本方法的高效性,具有实际应用价值。     

一种基于纹理特征点匹配的自适应虹膜识别方法

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,提出了一种基于纹理特征点匹配的自适应虹膜识别方法.首先,通过图像预处理得到512列×64行的矩形虹膜图像;其次,在有效的虹膜区域内,通过自行设计的边缘检测方法找到虹膜特征点;再次,对特征点进行编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.在给定距离阈值为0.37的前提下,可以达到99.242 8%的正确识别率.实验结果证明,该方法能够满足虹膜识别高准确性的要求.     

面向纹理识别的便携式触觉传感器设计

本文设计了一种面向纹理识别的便携式触觉传感器,该传感器利用光纤光栅(FBG)识别检测不同的纹理和滑动接触速 度,且便于机器人系统集成,同时对硬件和软件配置要求低,受环境影响小。 在三维建模基础上对传感器结构进行静力学分析 并优化,提高 FBG 对力觉信息的灵敏度;专门设计并搭建了实验平台,对传感器进行静力标定实验和复杂多纹理表面检测实 验。 通过实验数据的时频分析,验证了该传感器可以识别不同的滑动接触速度和不同的纹理。 在该传感器中,FBG3 的灵敏度 最高,加载时,平均灵敏度约为 51. 1 pm/ N,线性度为 0. 998;卸载时,平均灵敏度约为 50. 8 pm/ N,线性度为 0. 998。 FBG2 的重 复性误差和迟滞性误差最大,分别为 2. 35% 和 2. 23% 。     

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.     

基于形状匹配及纹理筛选的汽车轮毂型号识别

为了对轮毂型号进行识别,提出一种基于形状匹配及纹理筛选的轮型识别算法。首先,确定一个轮辐形状为标准模板并得出其边缘图,把模板作为移动窗口在待识别轮毂图片中移动,逐一计算模板到轮毂图片各感兴趣区域(ROI)的最小二维欧氏距离。若此距离小于设定阈值,则判定搜索到一个与模板相同的形状;然后对待识别的轮毂图片进行随机游走,得出游走直方图,通过改进对游走直方图相似度的评价方式,得出纹理偏差度;最后通过对纹理偏差度的比较确认正确的轮型。识别过程具有非接触、灵活、准确的优点,实验表明对于干扰较大图片也具有较高的识别率和较好的鲁棒性。     

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%。     

角膜老年环检测方法研究

当人体脂类物质代谢发生异常时,会在角膜处形成角膜老年环。角膜老年环主要呈云雾环状覆盖在虹膜外环中,角膜老年环的检测可以作为一种辅助手段,对及时方便了解体内脂类代谢异常状况具有重要意义。针对目前方法中由于没有对角膜老年环边界精确检测而造成的鲁棒性不高,以及当存在K-F环时会发生检测错误的问题,提出了一种角膜老年环检测方法。首先,对其彩色图像进行分割与归一化;其次,利用基于梯度响应最优算法提取环状特征内外边界,通过定义的光照影响检测模型提高算法对光照的鲁棒性;最后,通过定义的宽度特征量化算子以及颜色特征量化算子完成角膜老年环的检测。实验结果表明,在采集的1 968幅图像中该方法能够达到96.3%的识别率,算法不仅不受光照影响而且当患者具有K-F环时,本文方法仍能够取得很好的检测效果。     

基于PCHIP-LMD的虹膜识别方法

针对虹膜识别经验模态分解(EMD)和局部均值分解(LMD)方法具有无法兼顾分解速度和包含小误差的缺点,提出了将分段三次Hermite多项式插值引入 局部均值分解(PCHIP-LMD)的虹膜识别方法来提高识别准确率。针对虹膜纹理的分布特性,利用PCHIP-LMD对归一化的虹膜图像逐行分解,得到不同尺度的分量图像;通过提取有效的分量图像将其二值化为特征图像。然后用Hamming距离对特征图像进行移位匹配,得到匹配向量。最后计算匹配向量的改进标准差,用此标准差进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别试验, 结果显示识别率分别达到了99.968 1%、99.884 5%、99.993 7%、99.878 2%。实验结果表明：该方法消除了虹膜特征提取时的高频噪声,有效提取了图像的二值特征,与EMD和LMD方法相比,识别速度,识别准确率和鲁棒性均有极大提高。     

基于模型的驾驶员眼睛状态识别

采用机器视觉来检测驾驶员眼睛状态对判别驾驶员疲劳具有重要意义,现有机器视觉采集系统中眼睛状态识别常用虹膜特征来衡量,针对虹膜信息缺失或者改变都会导致眼睛状态误检且准确性和实时性不能兼顾的问题,在分析机器视觉系统和人眼状态的基础上,以兼顾识别算法的实时性和准确性为目标,利用机器视觉系统成像带来的更好区分眼睛状态的非虹膜特征,提出了基于融合模型的改进型人眼状态识别方法,进一步搭建了嵌入式平台并进行了算法识别的对比实验。结果表明非虹膜特征的融合检测算法提高了人眼的睁闭眼识别的区分度,与模板匹配法相比,眼睛状态识别的准确性提高15%,耗时也减少了约1/3。     

Texture Shape Optimization for Seal-Like Parallel Surfaces: Theory and Experiment

The geometric shape of surface textures has a major influence on the tribological performance of textured surfaces. This study aims to improve the tribological performance of seal-like specimens with a circular ring configuration by introducing novel texture geometries that generate the highest load-carrying capacity (LCC). A numerical optimization approach is presented to determine the optimum texture shapes for a ring geometry with different constraints on the textured area. The results show that the optimum textures of different area ratios (ARs) have similar chevron shapes with flat fronts. Also presented are the tribological test results of the optimum texture shape (AR = 20%) and their comparison with three regular shapes. It is found that the optimum texture shape provides the lowest friction coefficient under different test conditions.