图像采集综合评估的嵌入式指纹识别系统

为提高指纹采集与指纹图像数据处理的效率,设计一种新型的指纹识别系统,采用了专用指纹芯片、指纹传感器芯片和LCD显示模块。设计了一种指纹图像综合评估算法,采用综合基于方向图的灰度值计算、计算灰度值的前背景分割、计算优势方向块的图像质量分析、计算灰度均值和标准差的指纹图像干湿程度分析、指纹位置的分析等技术和方法,对指纹图像进行处理,并将指纹图像的评估结果输出到显示屏上。系统已应用于医疗机构的EMR系统中。     

一种基于区域最大值的LED显示屏亮度特征数据提取方法

LED显示屏亮度信息的采集是屏幕显示质量评估的前提,现有的亮度分析仪采集方法不仅速度慢而且对采集到的数据评估不准确,缺乏说服力.利用CCD图像传感器采集到的图像,不仅信息量大而且事实性好.分析了LED显示屏感光图像的特征,由LED亮度特征数据与感光单元灰度值之间的关系,提出了基于区域最大值的LED显示屏目标亮度数据提取算法.该方法利用数字图像处理技术,基于最大类间方差的阈值设置法分离出目标与背景,通过确定目标区域最大值坐标,并结合灰度模板卷积算法实现了对目标亮度的快速准确提取.实践证明该方法较已有的LED显示屏亮度特征数据提取算法有了一定的改善.     

辅助视觉下升降机平台人数超载智能检测方法

针对当前的升降机平台人数超载检测以人工为主,存在人为因素干扰,弊端较为明显.提出一种基于计算机视觉图像的升降机平台人数统计方法.利用离散小波变换算法对采集的升降机平台图像进行去噪处理,通过高斯曲线拟合的方法进行人员头部图像特征提取.再把人员头部与背景轮廓区域灰度值的变化进行连续性分析,利用工人轮廓与背景轮廓的纹理特征有差异性,以及工人轮廓边缘像素的灰度值存在梯度变化这一特征,对人员头部进行分割,根据分割结果对人员特征区域进行标记和计数.实验结果表明,利用该方法能够准确地对升降机平台上的人数进行统计,误差低于5%,符合实际应用需求.     

运动弱目标检测的一种新方法

分析了噪声背景下弱目标区域的梯度分布特性,采用模糊技术来描述了弱目标边缘区域内灰度变化方向的一致性程度,把灰度变化方向的一致性程度作为各像素点隶属于边缘的模糊隶属度,进行目标初分割.然后利用帧间信息,根据目标的运动特征再分割,并根据现场采集到的数据进行仿真,证明了该方法的有效性.     

基于小波变换的K-L变换去噪应用研究

在通信对抗电台指纹特征识别研究中,需要多个不同的传感器来采集数据.经多路传感器系统所采集到的原始信号数据,各传感器通道的有效信号之间具有较强的相关性,而随机噪声之间不具有相关性,K-L变换对不同通道间不相关随机噪声的去除具有比较大的优势.原始信号中可能含有多个频率,实现对各个频率成分分别去噪具有重要意义.用基于小波变换的K-L变换去噪方法进行电台指纹特征识别的应用.仿真结果显示对各频率分量基于小波变换的K-L变换去噪能够较好的实现信噪分离.     

一种基于纹理特征的遥感影像分水岭分割算法

针对分水岭分割的过分割问题,提出了一种基于纹理特征的高分辨率遥感影像分水岭分割算法。该算法对基于灰度共生矩阵不同特征值得到的纹理影像分别进行降水分水岭变换,进而将两个分割结果进行叠加,最后采用一种新颖的结合纹理特征的区域合并方法完成影像分割。实验表明,文中算法能够准确定位对象的边缘,有效克服过分割及欠分割现象,具有更高的分割精度与稳定性。     

结合方差和方向的指纹图像分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程。良好的指纹分割能够有效提高特征提取精度和减少后续处理时间,在指纹图像预处理中具有重要作用。结合指纹图像灰度方差和方向信息,提出一种指纹图像分割算法。将指纹图像分块,计算每块灰度方差和点方向图,根据图像块方差和点方向一致性设定两种分割阈值实现基于方差和方向的指纹图像分割。实验结果表明该算法兼具方差法和方向法的优点,简单快速,是一种有效的指纹图像分割方法。     

基于特征融合的指纹分割算法

指纹图像的分割是指纹识别系统中的重要环节之一，分割算法的优劣直接影响指纹自动识别系统的性能，因此指纹分割技术的研究有着重要的意义。一幅指纹图像，在指纹区灰度变化剧烈，在垂直于指纹局部方向上有着稳定的周期性。现对梯度和指纹周期设定阈值，提出了一种融合梯度和周期两种特征的分割算法。在梯度的计算上改用旋转不变的Sobel算子；在局部周期的计算上，通过对傅里叶变换的分析推理，提出了一种新的周期计算方法。分析、处理结果都表明：该算法抗噪能力强、分割效果好，具有很高的实用价值，能够满足一般指纹识别系统性能要求。     

交通警告标志定位方法研究

结合交通标志的彩色图像色彩特征和形状特征,在CCD摄像机采集的场景图像中对三角形交通警告标志定位方法进行研究.先利用RGB到HSV的彩色空间转换和阈值分割将交通标志区域信息增强,然后利用边缘检测提取交通标志的三角形形状特征,并对三个顶点进行准确检测,最后通过直线拟合的方法用三条红色直线标示交通标志的精确位置.实验结果表明,应用上述综合设计能对图像中的三角形交通标志进行准确定位和位置标示.     

基于多特征动态融合模型的海陆分割算法

海陆分割是遥感图像中进行海上目标检测、监视的关键技术.传统的基于灰度的海陆分割算法没有充分利用图像中的梯度、纹理等灰度变化及空间分布信息;而基于梯度或纹理的海陆分割算法又没有考虑到图像本身灰度特性.由此提出基于多特征动态融合模型的海陆分割算法,该算法通过动态融合模型提取多种图像特征,生成综合特征图,并对综合特征图进行分...     

Fingerprint classification based on learned features

In this paper, we present a fingerprint classification approach based on a novel feature-learning algorithm. Unlike current research for fingerprint classification that generally uses well defined meaningful features, our approach is based on Genetic Programming (GP), which learns to discover composite operators and features that are evolved from combinations of primitive image processing operations. Our experimental results show that our approach can find good composite operators to effectively extract useful features. Using a Bayesian classifier, without rejecting any fingerprints from the NIST-4 database, the correct rates for 4- and 5-class classification are 93.3% and 91.6%, respectively, which compare favorably with other published research and are one of the best results published to date.     

基于SVM的医学图像分类器的设计

提出了一个基于支持向量机的医学图像分类器.能提取形状和纹理特征作为分类算法的特征输入,进行计算机辅助诊断.提出了一种支持向量机新算法,解决了当两类中的样本数量差别较大时,支持向量机的分类能力将会下降的问题.实验表明,在小样本、两类样本数量严重不均衡的情况下,该算法有着较强的分类能力,可以极大地提高医学图像分类的效率和准确性.     

Research on PCA and KPCA Self-Fusion Based MSTAR SAR Automatic Target Recognition Algorithm

This paper proposes a PCA and KPCA self-fusion based MSTAR SAR automatic target recognition algorithm. This algorithm combines the linear feature extracted from principal component analysis (PCA) and nonlinear feature extracted from kernel principal component analysis (KPCA) respectively, and then utilizes the adaptive feature fusion algorithm which is based on the weighted maximum margin criterion (WMMC) to fuse the features in order to achieve better performance. The linear regression classifier is used in the experiments. The experimental results indicate that the proposed self-fusion algorithm achieves higher recognition rate compared with the traditional PCA and KPCA feature fusion algorithms.     

非接触指纹图像识别算法研究

非接触指纹识别具有接受程度高、防伪性高、卫生性高等优点,是目前生物特征识别领域的研究热点,但是非接触指纹图像的背景区域比接触式的相对复杂,指纹图像会出现旋转和平移现象,且脊、谷线的对比度较低,这些因素严重影响了非接触指纹的识别性能.采用接触式指纹图像处理方法很难达到良好的处理效果.本文根据非接触指纹图像的特点提出了相应的非接触指纹图像的预处理方法.首先采用图像YCbCr模型中的Cb分量和Otsu法相结合的方法进行手指区域的提取.其次采用高频强调滤波和迭代自适应直方图均衡化相结合的图像增强算法进行图像增强处理,再用简化的Gabor函数模板进行二次增强,然后提出了一种手指指纹ROI区域提取的方法.最后本文采用基于AR-LBP算法进行特征提取,利用最近邻分类器进行特征匹配.实验结果表明,本文提出的非接触指纹算法能够达到很好的图像识别效果.     

一种全新的基于胸片计算机辅助检测肺结节方案

针对目前基于胸片肺结节计算机辅助检测系统的检出率低,且检测结果有大量假阳性的问题,提出一种全新检测方案.该方案首先引入基于活动形状模型的算法分割肺区,在肺区中选取大量可疑结节,然后为每个可疑结节提取基于分割结果的27个特征,最后引入线性分类器对可疑结节进行分类,给出最终检测结果.方案中,由于两步结节增强技术的引入,使得只有少量真实结节在可疑结节选取过程中丢失.特征提取时,引入分水岭算法分割可疑结节,基于分割结果提取能够有效区分可疑结节中真实结节和假结节的形状特征、灰度统计特征、曲面特征和梯度特征等,并利用可疑结节分割结果与感兴趣区域中Canny算子边缘检测结果的相关性来降低假阳性.本文选择日本放射技术学会提供的公共数据库测试系统的肺结节检测性能,系统在平均每幅图4.5个假阳性水平下检测出72.2％的结节.对非常不明显和极其不明显结节,系统的检测性能在4.5个假阳性水平下达到了52.7%.     

一种基于ReliefF评估和互补系数的特征选择算法

Filter特征选择算法具有通用性强、算法复杂度低的特点,但对某一个具体的分类器选择的特征子集也许并不是最优的;Wrapper方法与其相反,对特定的分类器可以找到最优的特征子集,但算法复杂度很高.研究一种Filter与Wrapper相结合的混合型算法.首先从特征对样本分类效果的角度提出互补系数的概念,然后基于ReliefF评估和互补系数,提出ReCom算法.实验证明,由ReCom算法得到的特征子集与ReliefF算法得到的特征子集相比具有更好的性能,并且与传统Wrapper方法相比,该算法大大降低了时间复杂度.     

Matching segments in stereoscopic vision

We have shown that it's possible to realize a stereoscopic sensor with poor cameras. We developed image processing that is robust and allows us to quickly obtain results for the matching algorithm. We computed an important number of features on each segment, and with these features, we built 16-component vector used in the classification step. After an exhaustive study, we decided to combine two methods, Bayesian and neural, to construct an efficient classifier. The tests for indoor images had better than 90% good matching. With segment couples, it is possible to compute the 3D coordinates of the objects. Therefore, the mobile robot is able to localize and move about in the environment     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

基于LLE与Fisher线性判别的人脸识别算法

为了提高基于流形学习理论人脸识别算法的识别率,采用一种将非线性降维与Fisher线性判别相结合的方法。首先利用邻域嵌入算法,将人脸图像测试和训练集的维数降低到合适维度,然后使用Fisher线性判别进行人脸数据集特征的提取,最后将测试集人脸图像特征和训练集人脸图像特征,使用最近邻分类器进行分类。在公开的Olivettifaces和ORL人脸图像数据库上,分别将该算法与几种经典基于流形学习理论的人脸识别算法进行了对比实验,实验结果表明当近邻数比较大时本算法识别率是最高的。     

基于KLLE和KNR的雷达目标一维像识别

局部线性嵌入(LLE)是一种有代表性的流形学习算法,利用核技术将LLE进行推广,得到核局部线性嵌入算法,并将其应用于雷达目标一维距离像的特征提取。然后采用一种基于核的非线性分类器,对所提取的特征进行分类。对3种飞机的实测数据进行识别实验,结果表明,该方法具有较优的识别性能。