基于SVM的指纹图像质量评测方法

提出一种新的基于SVM的指纹图像质量评测方法,将支持向量机(SVM)引入到指纹图像质量评测中来,并提取了11个参数来有效地评测指纹图像的质量,避免传统指纹图像质量评测方法中使用经验阈值来评测单个指标质量所带来的人为偏差。借鉴机器学习的思想,提出采用SVM分类器对指纹质量进行学习和分类,实验表明这种方法是有效的。     

基于多指标的指纹图像质量综合评估研究

结合空域和频域特征的质量评估方法评估指纹图像质量。分割出指纹图像有效区域,分析该有效区域的面积、偏移度、干湿度等局部质量评估指标,并对其中心区域进行快速傅里叶变换获得全局质量评估指标,通过非线性加权融合5个质量评估指标的评估分数得到指纹图像的综合质量评估分数。实验结果表明,该方法能准确判断指纹图像的质量,有助于提高自动指纹识别系统的整体性能。     

指纹图像质量自动评测方法研究

要准确地从指纹图像中提取细节点,在很大程度上依赖于所采集的指纹图像的质量。为了提高指纹识别系统的性能,必须对输入到系统的指纹图像进行质量的自动评测。提出一种新的方法,先从指纹图像提取5个评测参数,组成质量评测向量,再采用小样本情况下具有分类优势的支持向量机（SVM）对指纹图像进行分类,将指纹图像分为好、中、差三类。实验表明,提出的方法能有效地进行指纹图像质量自动评测。     

多源图像融合方法的研究综述

由于成像机理不同,多源图像有本质区别,使得其在融合过程中存在差异.在参阅了大量中外文献的基础上,对融合方法进行分类,并重点论述了各类融合方法的融合过程和典型算法,详细阐述了其关键技术.同时,深入评述了当前的评价指标和分类.最后,结合关键技术的影响因素和技术的发展状况,从数据特征、时间效率、信息提取、评估角度和方法的普适...     

指纹图像质量测评方法研究

指纹图像质量的好坏对自动指纹识别系统的性能有着重要的影响,如何有效地评测指纹图像的质量和排除低质量的指纹图像是一个比较难的问题。从宏观和微观两方面出发,通过多个关键的评测指标来判断所采集的指纹图像是否符合一定的质量标准,对不符合质量标准的指纹图像要求重新采集,最后对指纹图像质量提出了更完整的评价体系。该评测方法是在充分考虑了指纹识别系统的特点之后提出,因此能很好地评测指纹图像的质量,从而提高系统的准确性和可靠性。     

指纹图像质量测评方法研究

指纹图像质量的好坏对自动指纹识别系统的性能有着重要的影响,如何有效地评测指纹图像的质量和排除低质量的指纹图像是一个比较难的问题。从宏观和微观两方面出发,通过多个关键的评测指标来判断所采集的指纹图像是否符合一定的质量标准,对不符合质量标准的指纹图像要求重新采集,最后对指纹图像质量提出了更完整的评价体系。该评测方法是在充分考虑了指纹识别系统的特点之后提出,因此能很好地评测指纹图像的质量,从而提高系统的准确性和可靠性。     

指纹图像质量评价方法

指纹图像质量的好坏对于自动指纹识别系统的性能有着重要的影响.根据指纹图像本身的纹理特征,提出一种新型的指纹图像质量评价方法.首先将指纹图像分成ω×ω的子块,对每一图块进行多通道Gabor滤波,用滤波结果的均值和标准差进行图像的有效面积和纹理质量的分析;再检测图像的奇异点的位置;最后综合以上几个参数,给出图像的最终评价结果.实验结果表明:该算法能有效地判断指纹图像的质量,有助于提高自动指纹识别系统的整体性能.     

融合图像质量评价指标的相关性分析及性能评估

图像融合质量评价指标研究旨在提供一种高效、准确的方法,为融合模型 选择、参数优化等问题提供支持. 本文通过对现有指标的机理分析、指标性能检验与 指标间相关性分析,提出一种客观评价指标集的遴选策略. 本文首先将现有客观评价 指标归为三类：基于统计的、基于信息的和基于人类视觉系统的;之后列举了类别内经典指标和最新指标;并在标准数据集上,使用正确排序指标对各图 像融合客观评价指标的性能进行验证. 结果表明,基于视觉系统类的指标性能普遍优于前两类. 最后,利用Spearman相关系数挖掘各指 标间的相关程度. 实验表明,通过指标性能和相 关系数可以选取合适的客观评价指标集.     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

改进的多聚焦图像融合方法研究

主要论述了图像融合的基本知识,对多聚焦图像传统的基于空间频率的融合算法进行了改进。分别计算多聚集图像对应位置上每个像素所在窗口的空间频率,然后根据空间频率的大小对该位置像素进行处理,最后生成同一场景中所有物体都清晰的融合结果图像。通过仿真实验验证了算法的有效性,结果表明,该算法在多聚焦图像融合上要优于传统算法。     

一种新的指纹图像复合分割方法

本文在分析了方差法,方向图法和角部灰度均值法的优缺点后,将它们合理的结合,提出了一种新的基于方向图和角部灰度均值的复合分割方法。本算法的优点是充分利用了指纹图像特有的方向性和灰度特性,对于方向图法和方差方法单独应用时无效的情况都适用,能准确地将背景区域从指纹图像中分离出来,从而提高了分割的精确度。     

指纹图像质量评估的研究与应用

指纹图像质量评估是自动指纹识别系统（AFIS）中重要的一个环节,它将在对指纹图像进行分割、细化等预处理操作之前对图像质量进行评估,去除不满足要求的指纹图像以提高后续处理的鲁棒性。文章分析了现有的指纹采集细则,对有效面积、干湿、位置偏移、方向模糊等方面对指纹图像质量的影响进行探讨,对采集到的指纹图像质量进行质量评测,为图像的预处理提供质量较高的指纹图像。实验证明,该方法对不合格的指纹图像有较好的过滤效果,有利于提高整个指纹识别系统的效率。     

模糊指纹图像中心点的提取

由于指纹在获取过程中干扰是不可避免的,该文在指纹方向图的基础上,考虑指纹图像凸脊的变化趋势及在局部范围内方向变化小的特点,根据结构信息统计分析,从整体图像上考虑中心点的分布,提出一种指纹图像中心点求取的新方法,剔除干扰的影响,确定指纹图像的中心点。该方法计算简单,易于实现,在指纹图像中心点求取过程中,具有较强的抗干扰性,并取得了良好的效果。     

指纹图像质量的自动评价方法

指纹图像质量的自动评价是指纹识别系统中的关键步骤。该文从指纹识别实际应用的需要出发,提出了一种指纹图像质量的自动评价方法。该方法从指纹采集的有效区域、指纹按压的位置、图像的灰度变化、方向一致性及脊线纹理清晰程度等方面综合评价指纹图像,在指纹登录过程中对图像质量不好的情况给用户有效的提示,以便重新获得更高质量的图像;对指纹局部区域的质量等级进行标注,提高指纹特征匹配的可靠性。实验结果表明这种方法能够对不同质量的指纹图像进行有效的评价,提高了自动指纹识别系统的准确性和可靠性。     

渐进式虹膜图像质量评估模型

虹膜图像质量评估目前尚无统一评估标准,导致虹膜识别拒识率和误识率较高。针对该问题,提出一种虹膜图像质量评估模型。根据虹膜图像中各干扰因素的不同特点,在先验知识基础上采用区域化、加权的方法,渐近式地实施像素级质量评估,依据像素级评估结果实施图像级质量评估。实验结果表明,像素级虹膜图像质量评估中的虹膜图像干扰项识别率和模糊识别率较高,图像级虹膜图像质量评估与人工评估结果相一致。     

基于多级索引的指纹分类算法

为提高大规模网络化指纹识别系统的检索速度和准确率,提出一种基于多级索引的指纹分类算法,将质量特征分为质量高和质量差2类,对于质量高的指纹利用指纹图像的3个特征——指纹类别、宏观曲率和平均周期建立三级索引,以逐级缩小检索空间。实验结果表明,该算法准确率高、检索速度快,具有良好的实时性。     

指纹图像质量分析

提出一种将局部分析和全局分析相结合,综合评价图像质量的方法.首先将指纹图像划分成32×32的子块,对每一块做快速傅里叶变换(fastFouriertransform,FFT),计算块频谱分布图的最小转动惯量和偏心率,从这些参数得到块质量的局部分析结果;然后考察每块图像的频域特征参数(方向、频率等)与其8邻域块相应参数的关系,从纹线流势的全局观点聚类形成图像的清晰区和模糊区;最后综合局部分析和全局分析的结果,给出指纹图像的质量评价.实验结果表明这是一种合理的、有效的方法.     

一种基于灰度预测误差统计的影像质量评价方法

受二维差分脉冲编码调制(DPCM)影像压缩编码技术的启发，为了更好地运行影像质量评价，从影像像素相关性的角度探讨了一种基于灰度预测误差统计的影像质量评价方法。该方法首先利用线性预测算子和最小二乘估计来计算影像像素的灰度，然后统计整幅影像内的估计像素灰度值与对应像素点的实际灰度值的累计平均平方误差。该误差反映了影像像素间的相关性大小，其值越大，表明像素间的相关性越小，影像的反差与清晰度越好。试验结果表明，该方法对影像质量的变化敏感度明显高于传统的均方差、平均梯度和信息熵法，因而特别适合评估通过不同降噪方法处理的影像质量。不足的是该方法的计算效率不如传统的方差和信息熵方法快。