一种基于模板匹配的手形认证算法

身份认证是保证信息与网络安全的一种重要手段,手形认证是身份认证的重要方法之一。传统手形识别方法大致分成特征矢量匹配和点模式匹配两种:前者通过计算手形的长度和宽度等特征矢量来对不同手形进行匹配认证,该方法计算量小,但是误识率偏高;后者通过将手形轮廓图象表示为一系列特征点集,然后对两个手形的特征点集进行匹配认证,误识率较小,但计算量和拒识率相对较大。以上原因导致了两种算法都不能被广泛应用。该文提出了一种基于模板的点匹配算法,可以较好地解决点模式匹配计算量过大的问题,同时也能够提高认证识别率。在认证过程中还采用了方向角及膨胀收缩修正等方法,使得模板的匹配速度和拒识率得到有效的改善,从而大大增强了认证过程的鲁棒性。     

基于曲线拟合的手形生物特征认证新算法

针对手形的特点和现有手形认证方法的不足,提出了一种基于曲线拟合的手形生物特征认证新算法．该算法使用手指轮廓拟合曲线的系数作为手形的特征,使用曲线距离函数进行匹配认证,进一步导出基于曲线系数进行求解的简化方法．实验表明,该算法的认证错误接收率和错误拒绝率之和达到1％以下;与现有的手形认证方法相比,该算法在认证的准确率、鲁棒性和运算量方面具有良好的综合性能．     

基于模糊逻辑的指纹与手形加权信息融合技术

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题。提出手形作为指纹识别的辅助手段，采用模糊综合的身份识别方法，将指纹和手形进行加权信息融合，通过仿真实验，表明此方法实用、有效，能提高系统的识别率及稳定性。可广泛应用于刑侦、金融等对安全有严格要求的领域。     

基于局部分块式手形特征点定位算法

手形特征点定位的准确性直接影响手形匹配的正确性,在现有的手形特征定位的基础上,提出了一种基于局部分块扫描式的特征点定位算法,算法由最容易定位的中指指峰入手,再根据中指指峰坐标按照固定顺序一步步递推式分块确定其余手指的指峰点和指谷点的坐标.再根据已确定的特征点提取手形特征矢量,应用基于手形特征矢量的匹配算法进行匹配.实验结果表明,该算法的特征点定位成功率达93%,手形正确识别率为80.5%,可以准确的对手形进行特征点定位,算法具有可行性.     

手形特征点定位方法

针对特征点定位的准确性影响识别精度,提出手形特征点的定位方法。首先采用基于直线拟合的方法确定手指的指尖点,然后基于方向跟踪的方法定位手指指根点,最后细定位指根点。基于特征矢量匹配算法的识别结果表明,人工测量识别率为84.62%,自动定位的识别率为84.35%。该方法能准确提取手形特征,具有可行性。     

基于双特征匹配层融合的步态识别方法

步态识别是根据人类走路的姿态来进行远距离的身份识别。针对轮廓不完整的图 像和关键帧容易造成部分信息丢失而引起的识别率下降问题,提出一种基于双特征匹配层融合 的步态识别方法。步态既有静态图像特征,又有动态速度变化特征,因此本文提出用匹配层融 合方法将静态的 Hu 矩 6 个不变矩特征和动态的帧差百分比特征融合后进行步态身份识别。首 先对一个周期内的归一化步态图像进行 Hu 矩特征以及帧差百分比的特征提取,将 Hu 矩 6 个不 变矩特征描述成一个特征向量,然后运用匹配层融合算法对 2 个特征进行融合;最后使用 K 近 邻分类器进行身份识别。实验表明,该方法较单一方法能够有效地提高步态识别正确率。     

模糊神经网络在指纹与手形信息融合技术中的应用

为解决脱皮、有伤痕等低质量指纹识别困难、识别率低及稳定性差问题。提出手形作为指纹识别的辅助手段,采用模糊神经网络的身份识别方法,将指纹和手形进行信息融合,通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性。可广泛应用于刑侦、金融等对安全有严格要求的领域。     

基于手形交互与掌纹识别的增强现实应用

针对现有增强现实系统交互方式的不足,提出并实现了一种基于手形交互与掌纹识别的增强现实应用.提出了一种用于快速识别手形轮廓及其运动轮廓的匹配方法.利用一种改进的快速蚁群聚类算法来获取掌形的中心,建立相关的渲染坐标系,从而精确注册虚拟物体.同时,针对个性化应用需求,提出了一种能够在增强现实系统中应用的Harris快速掌纹识别算法.实验表明,识别算法具有较好的跟踪精度和实时性,能够满足增强现实系统的应用要求.     

指纹三角区域特征点融合匹配STSF算法研究

目前大部分指纹自动识别系统(automatic fingerprint identification systems,AFIS)所采用的特征点匹配算法需以准确提取特征点为前提,这些算法在面对存在高度畸变且残缺不全的现场指纹时,往往难以准确识别指纹图像。在相似三角形匹配算法的基础上,研究了SIFT(scale invariant feature transform)特征点与二级特征点之间的位置关系,克服了相似三角形之间尺度不一的问题。此外,提出了一种基于贝叶斯统计推断的相似三角形与SIFT融合算法(similar triangle SIFT feature,STSF)。实验结果表明,STSF算法能够有效提升残缺指纹匹配的精度和计算效率。     

基于手指轮廓的手形验证算法

针对手形特点和现有的手形认证方法的不足,提出了一种新颖的基于有序手形轮廓点匹配的手形验证方法。摆脱了固定拴的束缚,运算量小。系统首先对预处理后的手形图像进行边界跟踪后提取手指的关键特征点分离手指,运用对有序边缘点进行运算的手指归一化算法进行图像标准化,最后,运用新型点匹配算法进行自动鉴别。通过小样本实验检测,该方法在鲁棒性、准确率、和运算量方面具有良好的综合性能。     

基于特征融合的步态识别算法

步态运动中包含人体形状信息和运动信息,目前步态识别算法多数基于单一信息,不能取得满意的识别结果。利用特征融合的思想,提出一种融合人体轮廓特征和下肢角度特征的步态识别算法。采用傅立叶描述子描述人体轮廓特征;区别于基于模型的运动特征提取方法,依据人体解剖学的知识获取下肢角度,计算代价较小;采用加权融合规则实现两类特征的融合。仿真结果表明,本算法的性能较基于单个特征的算法有明显的提高。     

非线性Contourlet变换和区域特征匹配的图像融合

针对图像融合中存在边缘轮廓表示不清晰和计算冗余度过高的问题.提出了将非线性估计Contourlet变换和图像区域特征相结合的融合算法.通过非线性估计保留Contourlet高频稀疏矩阵最重要系数频带,对低频区域、高频区域采用不同的区域特征策略进行图像融合.实验结果表明:该图像融合算法不仅可以提高图像融合的视觉效果和图像质量、而且可以去噪音,增强图像.     

基于距离融合的图像特征点匹配方法

针对ORB算法中特征点缺乏尺度不变性导致算法误匹配率高,以及二进制鲁棒独立基本特征（BRIEF）算法的描述子易受噪声影响的问题,提出了改进的特征点匹配方法。采用加速的具有鲁棒性的特征（SURF）算法进行特征点提取,利用带有方向信息的BRIEF算法进行特征点描述;在特征点邻域内选取随机点对,并对随机点对的灰度大小比较和相似度比较分别进行编码,采用汉明距离计算两种编码的差异;利用自适应加权融合的方式实现特征点相似性距离度量。实验结果表明,改进方法对于尺度变化、光照变化以及模糊变化的图像具有更好的适应性,与传统ORB特征点匹配方法相比能够获得更高的特征点正确匹配率,且该特征点匹配方法可用于改善图像拼接的性能。     

基于实体模型的产品形状特征识别

依据实体造型的特点,从模型空间的特征层入手,搜寻模型空间中的简单形状特征,并根据造型特点获取单个特征在零件模型上的几何拓扑关系,从而实现形状特征的自动识别.通过分析特征实体造型,提出一种基于实体模型的产品形状特征识别方法,并结合微波器件产品开发特征参数提取模块,实现复杂零件模型形状特征的自动识别与提取.该方法为快速建立企业零件库提供途径,也为网络环境下的协同设计和数据共享奠定基础.     

基于网格特征和模糊匹配的徽标识别

针对图像智能处理中对徽标识别的应用需求,提出了一种基于网格特征和模糊匹配的徽标识别算法.该算法通过提取徽标的网格特征并映射为模糊集隶属度特征,根据模糊匹配技术进行识别,显著增强了对质量不佳图像的适应性和抗干扰性.实验表明,该算法的识别准确率能达到95.5％,并能有效提高徽标识别系统的鲁棒性.     

基于BOF-Gist特征的手势识别算法研究

针对静态手势识别算法存在特征计算复杂度高,实时性差的问题,提出了一种新的BOF-Gist特征对手势图像进行表示。该特征的优势是在保持Gist特征原有优势的基础上,有效地表征手势图像的局部特征和全局特征,并且特征维数明显降低,实时性好。在标准数据库上的测试表明,该算法对于简单、复杂背景下十种手语手势分别得到了90.42%与79.05%的正确识别率,同时验证了算法的实时性。     

一种新的几何特征形状描述子

通过对平移旋转和伸缩变换下的不变量进行研究,证明了形状的长轴端点和重心是该变换下的不变量,提出了长轴两端点与重心所成的夹角这一几何特征的形状描述子,该形状描述子具有平移旋转和伸缩变换不变性,理论分析和实验结果表明该描述子简单高效,具有较好的形状匹配结果。     

基于改进SIFT特征和图转换匹配的图像匹配算法

针对SIFT特征在纹理丰富的图像中提取较多的伪点和不稳定的点而影响图像匹配的问题, 提出了一种基于Harris阈值准则的局部不变特征图像匹配算法。该算法在提取SIFT不变特征的基础上, 利用Harris阈值准则对所提取到的不变特征进行选择, 剔除了图像区域中大量可区分性较差的特征点, 从而得到了相对稳定和可区分性较好的特征点。其次, 结合不变特征矢量与图转换匹配(GTM)的方法对提取到的稳定特征点进行了精确匹配。实验对比结果表明, 用取得稳定的特征点, 进而结合一种好的匹配策略, 能够更加增强图像匹配的高效性和鲁棒性。     

指纹纹线的提取和匹配

针对传统指纹细节点提取和匹配方法在处理低质量图像上的不足,首先提出了一种利用复滤波器准确定位指纹图像中心点的方法,克服了传统自动指纹识别中寻找指纹中心点不够精确的缺点。同时提出了一套基于轮廓的指纹特征提取和匹配算法,此算法利用指纹的总体结构特征,提高了匹配的正确率。实验结果表明,该算法具有相当高的识别率和较强的鲁棒性。