基于多尺度屋顶边缘检测的指纹图象分割方法

针对指纹图象的细节识别问题,提出了一种新的分割指纹图象中脊和谷的方法。该方法是上述脊和谷看成是屋顶边缘,脊和谷的两个边界看成是阶跃边缘,并利用基于B样条小波的多尺度屋顶边缘检测方法来实现脊和谷的分割;同时详细讨论了精确确定屋顶状目标所需的尺度范围,并给出了检测目标的具体方法。实验证明,该方法用于不同质量的指纹图象的检测都取得了令人满意的效果,需要指出的是,该方法也同样适用于其它类似屋顶状目标的检测。     

边缘检测中B样条小波有效尺度的研究

在多尺度边缘检测方法中,滤波尺度的选取应有一个有限的范围,如何确定这个尺度范围,在以往的文献中没有进行明确的分析．文中通过对加噪图像中的边缘进行分析,确定可以检测出边缘的最小尺度,同时根据高斯白噪声在小波变换中的特点,确定了抑制噪声所需要的最大尺度,为多尺度边缘检测中定量调整滤波尺度提供了依据．文中给出了相应的实验结果．     

一种新的基于信息测度和神经网络的边缘检测方法

本文构造了不同的信息测度来定量描述阶跃边缘的三个本质特征,并给出由相应的三个分量组成的特征向量.用人工得到的样本对一BP神经网络进行训练,将训练后的神经网络直接用于图像的边缘检测.本文方法无需定阈值;在特征的选取上充分考虑了边缘和噪声的本质区别,具有优异的抗噪性能.实验证明本文方法具有令人满意的效果.     

引入形状统计先验的轮廓提取的概率方法

提出了轮廓提取的概率方法,同时将物体形状的统计先验信息和轮廓线的平滑性结合到轮廓的概率估计中．首先应用主元分析对低维空间概率采样生成高维形状统计分布的样本,根据形状样本得到轮廓控制点样本,而后结合描述平滑性的先验概率,运用序列蒙特卡罗方法实现轮廓估计．对实际拍摄的人手图像的实验表明,针对特定的形状,该方法在杂乱背景、遮挡和强噪声干扰情况下依然能够得到满意的物体轮廓线．