一种有效的指纹预处理组合算法

系统分析指纹预处理全过程,在图像初滤波和方向滤波器设计方面提出新见解.结合指纹图像高频丰富的特点,及小波包高频分辨率高的分析特性,采用小波包分析对指纹图像进行初滤波;设计方向滤波器时,对滤波器的旋转引入方-圆变换,减少计算复杂度,同时避免引入误差.对含高斯白噪声指纹图像的实验结果表明,该预处理算法是有效的.     

基于滤波和融合的指纹图像增强算法

指纹图像增强对于提高细节特征提取的准确率乃至整个自动指纹识别系统的性能都具有重要的意义.大部分的指纹图像增强算法都需计算指纹图像的纹线局部方向,本文给出了一种指纹图像增强的新方法,该方法不计算指纹图像局部区域内的方向,而将指纹图像按8个不同方向滤波,得到8幅滤波后的图像,再利用小波变换对8幅图像进行融合得到增强后的图像.实验表明,该算法有效的提高了指纹图像的质量.     

一种快速有效的指纹识别算法

指纹图像是由交错排列的脊线和谷线组成,包含了丰富的纹理信息。为了获得更为有效的纹理信息,首先将图像分解为3个级别的区域块,来校正小尺寸块的方向角,以确定指纹的中心点位置,进而提高算法的运算速度;然后利用小波变换将指纹图像由空间域转换到频率域,在频率域进行多尺度分析,提取指纹图像在不同频率和方向上的局部纹理信息,提高指纹识别的准确率。该算法在以ARM11为处理器的嵌入式系统中实现。实验结果表明,该算法能够快速有效地识别指纹图像。     

掩膜法与Gabor滤波在指纹增强中的应用

在实时指纹识别系统中,图像增强的效果好坏将影响指纹特征提取及指纹鉴别的识别率.为了解决指纹采集仪采集图像对比度差而且指纹损坏严重情况下识别效果不佳的问题,采用了对反锐化掩膜后指纹图像采用Gabor滤波方法进行图像增强的算法.用反锐化掩膜法预处理指纹图像,并用Sobel算子求取图像的水平和垂直梯度图,把预处理后图像与Gabor函数卷积得到增强图像,可以恢复指纹采集图像中难以识别区域,清楚再现指纹纹理.结果表明,掩膜法与Gabor滤波算法结合在指纹图像增强中可以达到理想的图像增强效果.     

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.     

结合滤波和深度玻尔兹曼机重构的指纹增强

指纹图像增强,是自动指纹识别系统中的重要环节.为弥补传统指纹图像增强算法的缺陷,提出一种指纹图像增强算法.在指纹块质量分级机制和复合窗口策略下,指纹图像首先在频域被具有方向选择性的方向高斯带通滤波器滤波增强;随后,二值增强指纹中的误增强区域在空域被具有方向选择性的深度玻尔兹曼机（DBM）重构.提出的方法结合了传统指纹增强算法与深度学习算法的优点,拥有很强的容错能力,能够完成对低质量指纹图像的有效增强.为了验证提出算法的性能,在公开的指纹数据库FVC2004上进行了大量实验,实验结果表明,相比于传统的指纹增强算法,提出的方法具有很强的鲁棒性,对高质量和低质量指纹均有不俗的增强表现.     

基于Gabor滤波的指纹图像增强

在指纹识别系统中,图像增强效果的好坏对特征提取及指纹鉴别的识别率具有决定性的影响.根据指纹图像具有方向性和频率的特点,把Gabor滤波器应用在指纹图像增强处理中.利用Gabor滤波器的方向选择和频率选择特性,把指纹图像的局部方向和脊线频率作为Gabor滤波函数的参数,然后把Gabor函数与纹理图像进行卷积,从而去除了噪声,达到了增强图像的目的.在算法设计上提高了运算速度,节省了运算的时耗.实验证明,算法工作稳定,效果好,具有很强鲁棒性.     

基于Gabor滤波的指纹图像增强算法

由于指纹的唯一性和不变性,指纹识别已成为当前最流行、最方便、最可靠的个人身份认证技术之一.指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等几个步骤.其中图像预处理中的图像增强是最为关键的环节,直接影响特征提取与特征匹配.提出了一种基于Gabor滤波的指纹图像增强算法.阐述了Gabor滤波器的定义及其在指纹图像增强中的应用.对指纹图像方向图提取方法和频率计算方法作了改进尝试.实践表明,该方法是有效的、实用的.     

基于小波变换和Teager能量算子指纹图像增强

指纹增强是指纹自动识别系统中比较重要的一个环节,它直接影响到指纹识别系统的识别精确度.二维Teager滤波器是一种非线性边缘提取滤波器,其特性近似于Mean-Weighted高通滤波器,即兼有局域平均和高通滤波的特性,因而可均衡去除噪声和增强图像边缘.将一种改进的Teager能量算子用于小波分解后低频域的纹理滤波部分,并对高频域进行阈值量化去噪,最后重构子图像.实验表明,该算法能够使图像的质量明显得到改善.     

指纹识别系统性能研究和提高

指纹图像增强以及快速准确的匹配一直是指纹识别系统需要解决的两大重点。提出了一种优化后的Gabor滤波来增强指纹纹线并有效消除噪声的方法。同时在指纹识别环节上,提出用不变矩矢量来表征指纹特征信息并以此来进行数据库入库登记的新方法,给出了一种不变矩的具体构造方法,大大提高了指纹识别的算法效率和准确率。     

基于小波包变换的指纹图像分级压缩算法

针对指纹图像中频分量丰富,高频和低频分量相对较少的特点,利用小波包分析提出了一种指纹图像分级压缩算法。将小波包变换后的指纹图像按能量多少进行分级,对包含能量较多的中频子图像,采用无损差分脉冲编码调制（DPCM）,对包含能量较少的低频和高频子图像,采用嵌入式零数编码（EZW）算法;并将压缩图像码流与特征点信息相结合进行图像重建。仿真实验表明,该算法在保证重建质量的前提下,比传统的小波零树编码算法压缩比平均提高了约1.832,信噪比平均提高了约4.07,平均运算时间减少了约26%。     

基于二进小波变换及局部二值模式特征的图像检索

纹理是一种反映像素的空间分布属性的图像特征,成为图像分析的重要手段。在图像检索领域,由于小波变换具有方向性、局部特性、多尺度特性,使得图像的纹理特征能得到更好的表征。局部二值模式是提取图像纹理特征的有效工具,具有旋转不变性和灰度不变性。利用性能良好的 Bubble 小波对图像进行二进小波变换得到四个子带图像,其中低频子带包含原图信息最多,对角线方向的子图包含信息最少,其余两个子图包含信息介于两者之间,因此选取低频和垂直,水平高频图像,然后对分量利用等价局部二值模式提取图像纹理特征,并进行图像检索。实验结果表明该算法不仅有效地结合了小波与局部二值模式的优势,而且具有较好的检索性能。     

噪声方差未知的小波域中非局部均值图像去噪

为了有效地去除噪声,获得细节清晰的图像,提出一种噪声参数未知情况下基于小波分析的图像去噪算法.首先对图像上交互选定的不含细节的样本区域进行小波分解,根据噪声方差在不同尺度、不同方向子带内的映像建立噪声的特征向量;利用此特征向量计算小波分解后高频子带内各小波系数之间的相似度,把该相似度作为权值对当前小波系数进行调整.实验结果表明,文中算法对于噪声方差未知的图像不仅能有效地去除噪声,而且能保持图像的边缘信息,获得较好的去噪效果;对实拍的含噪数码照片进行测试的效果理想.     

基于谐波小波与神经网络的钢铁价格预测

应用谐波小波分解算法、混沌分析和神经网络理论提出了一种中国钢铁价格趋势预测的谐波小波神经网络模型。应用广义谐波小波分解算法把原始钢铁价格序列分解到不同的频带上,并在此基础上进一步分析表明,钢铁价格存在混沌特性;再经混沌分析和神经网络进行组合预测,提高了模型对多种目标函数的学习能力,有效改进了预测精度。实验表明,与现有方法相比,该方法具有较高的预测精度。     

一种基于小波变换的指纹特征提取算法

提出了一种基于小波变换的指纹纹理特征提取算法。首先以指纹图像的核心点为中心分割出一片有效的矩形区域,然后对分割后的有效区域做二维小波分解,提取小波分解后各通道的能量值作为特征值来进行识别。与传统的基于指纹细节点的识别算法相比该算法一定程度上减少了计算量,对指纹图像的质量要求也不高,并且识别精度也得到了保证。     

基于小波变换和混沌理论的复杂系统状态预测方法研究

应用小波变换和混沌理论对复杂系统状态预测方法进行了研究．首先，应用小波变换对系统的特征参数序列进行分解，得到低频部分和高频部分．然后，对低频部分和高频部分做进一步分析，以确认低频部分和高频部分都存在混沌特性．再应用混沌理论分别建立低频部分和高频部分的预测模型，对低频部分和高频部分进行预测．最后，应用小波理论对混沌模型预测的结果予以重构，实现对系统特征参数序列的预测．实例研究表明，此方法具有较高的预测精度，可有效地应用于复杂系统的状态预测和故障趋势预测分析．     

基于小波变换和BP神经网络的人脸识别方法

提出了将人脸图像的小波分解系数和BP神经网络相结合以达到人脸识别的新方法。针对不同的小波基,对人脸图像作小波分解,并将分解低频系数作为人脸特征送入神经网络进行训练。实验表明,选择恰当的小波基能够达到较高的识别率。     

Gabor频率对人脸特征定位的影响研究

中心频率位于高频段的Gabor滤波器具有较小的窗口,描述图像的局部特征,满足特征点表示的独立性要求;图像的高频信息随位置的不同有显著的变化。所以,在利用Gabor小波变换系数对人脸图像的特征点进行定位时,图像的高频信息更有利于特征点的定位。本文研究了不同频率的Gabor及其组合对特征点定位的影响,通过分析和试验得到了有利于人脸特征定位的Gabor频率组合。     

基于小波包神经网络的模拟电路故障诊断

提出了基于小波多分辨分析和小波包预处理的模拟电路故障诊断方法。该方法用小波作为信号预处理工具,经小波多分辨分析得到N层分解后的低频和高频信号,再利用小波包分析对多分辨分析没有细分的高频信号进一步分解,以达到提高频率分解率的目的。经PCA分析和归一化后的能量作为训练样本送入BP神经网络进行训练。仿真实验表明此方法能够快速有效的对模拟电路的故障进行诊断和定位。