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.     

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.     

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.     

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.     

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Radon和Fourier-Mellin变换的电缆终端红外图像识别

在运行过程中,电缆瓷套式终端的线夹、应力锥和尾管部位可能存在异常发热现象.为了对各部位异常发热的红外图像进行有效识别,文中引入Radon与Fourier-Mellin变换对红外图像进行特征提取.该方法首先对原图像进行Radon变换,再进行解析Fourier-Mellin变换;然后定义与原图像的旋转及与尺度变换无关的不变函数,基于不变函数提取Radon与Fourier-Mellin变换后图像的4种特征.将提取特征向量输入到BP神经网络进行图像识别,结果表明,基于Radon与Fourier-Mellin变换的几何变换不变特征提取方法能够有效反映红外图像特征,具有良好的识别效果,且该方法对噪声具有较强的鲁棒性.     

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NIB lack算法对图像进行分割,很好的提取出了手背静脉。     

基于能量的信息融合步态识别

针对步态能量图(GEI)和图像序列的Radon变换可以表征图像能量的特点,提出这两种形式的能量特征相融合的方法进行身份识别.在周期分割后的特征提取阶段分别使用GEI结合行列相结合的二维主成分分析((2D)2PCA)方法和对步态序列图像进行Radon变换,在周期模板构造后用列方向的二维主成分分析(2DPCA)降维方法进行数据压缩.在识别阶段,采用多视角及多特征在决策层的融合方法.应用上述方法在CASIA步态数据库上进行实验,结果表明所提的步态识别方法具有较高的识别性能.     

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。     

合成孔径雷达图像中机场跑道的自动识别

为解决雷达图像中的机场跑道识别问题 ,提出了一种合成孔径雷达图像中机场跑道的自动识别方法 .首先 ,对原始图像滤波并提取图像轮廓 ,其次对轮廓图作Radon变换 ,保留最大的几个Radon变换系数 ,将其余系数置 0 ,并对Radon逆变换得到的图像进行二值处理 ,从而过滤掉大部分干扰线条 ,仅保留图像中的主要直线条 ,最后利用直线模板滤除残余干扰线条 ,并根据阈值检测出机场跑道 .实验结果表明 ,所提方法能够准确地识别出复杂背景下的水平、垂直和倾斜的机场跑道     

基于Contourlet和IHS的遥感图像融合

针对目前最新发展的Contourlet变换较小波变换能提供更丰富的方向和形状,有助于捕捉图像中的几何结构,提出了一种新的基于Contourlet变换和IHS(Intensity-Hue-Saturation)变换的遥感图像融合方法,首先对多频谱图像进行IHS变换,然后对所得的亮度分量和全色图像分别进行Contourlet变换,再对得到的低频近似系数和高频细节系数采用一定的融合规则得到一个新的亮度分量,并对其做逆向的IHS变换得到融合图像.实验结果表明,该方法在保留多频谱图像的频谱信息的同时增强了融合图像的空间细节表现能力,提高了融合图像的信息量,并且优于同等条件下的小波变换方法,该方法是有效可行的.     

一种基于小波变换与分水岭变换的菌落图像分割算法研究

菌落的特点是菌落细胞大小不一、形态各异、分布杂乱。提出了一种新的基于小波变换与分水岭变换的分割算法,首先利用小波变换产生多分辨率图象,然后对最低分辨率图象进行分水岭分割,最后对低分辨率分割后的图象进行高分辨率投影,得到高分辨率图象的分水岭分割结果。实验结果表明,该算法对复杂菌落图象能获得较好的分割效果。     

基于特征点距离的手背静脉特征融合方法

针对现有手背静脉识别利用手背静脉特征较少, 识别率较低的问题, 提出了一种基于特征点距离的手背静脉特征融合方法。该方法首先对手背静脉进行细化, 对不变矩特征的量化值求和再进行匹配; 然后提取手背静脉的端点及交叉点, 利用改进的Hausdorff 距离进行匹配, 从而去除零距离点的影响, 提高两幅图之间的非相似性; 最后将这两种匹配方法进行加权融合。实验证明, 该融合算法识别率可达96. 75%, 且运行时间仅为0. 97 s。     

基于小波变换与块分割的多聚焦图像融合

 提出了1种新的多聚焦图像融合方法.首先,对2幅源图像采用小波变换的方法进行图像融合,得到初始的融合图像;其次,针对多聚焦图像的特点,采用块区域局部小波空间频率将图像划分为3部分:聚焦清晰区域、聚焦模糊区域以及两者的交界区域.对于聚焦清晰和模糊区域,直接选取清晰区域作为融合后的相应块区域;对于边界区域,则选取小波融合的图像块区域.实验对比结果表明,该方法的融合效果明显优于常见的融合方法,并消除了块效应.     

基于PDE算法的指静脉图像预处理

为了更好地去除手指静脉图片中的噪声, 提出一种基于偏微分方程算法（PDE）的去噪新模型. 该模型在P M模型的基础上, 采用新的扩散函数, 并结合四阶PDE模型对原模型结构进行变换. 用合成图像和真实指静脉图像分别对新模型进行实验验证, 结果表明, 相对于P M模型, 新模型使信噪比（SNR）值提高了约5 dB, 且能在去除噪声的同时很好地保持指静脉特征.     

基于正态分布变换的多位姿手掌部三维静脉识别

研究基于三维点云匹配的多位姿手部静脉识别.考虑手部静脉点云的特点,结合双目视觉原理,建立了一种结合三维特征阵列和静脉点云的扩展数据库,提出了一种基于三维特征阵列的静脉点云粗配准算法.在双目静脉图像中提取稳定特征并重建为三维特征,根据三维特征匹配结果初步消除静脉点云位姿差异.并采用改进的正态分布变换算法完成静脉点云匹配.实验表明,本文算法能够有效提高多位姿下的静脉点云识别率,即使手部位姿变化范围较大时,系统的识别率仍超过90%.      

基于离散多小波变换的多聚焦图像融合方法

多小波是小波理论的扩展,多小波变换能够为图像分析提供一种比小波多分辨率更加精细的方法。利用多小波将两幅图像进行融合后得到的融合图像,能够很好地将原图像的细节融合在一起。在研究离散多小波图像分析法基础上,提出了一种基于离散多小波变换的多聚焦图像融合方法。试验结果表明,该方法能够很好地解决多聚焦图像融合问题,具有良好的融合特性,得到的融合图像效果优于传统图像融合方法。