虹膜识别算法的研究

虹膜识别是一种非常可靠的身份鉴别方法.在讨论虹膜图像定位、增强等预处理方法的基础上,针对现有虹膜识别算法中存在的问题,提出了虹膜有效区域选择、特征提取及编码匹配的有效方法.在虹膜图像有效区域的选择上,根据虹膜图像自身的生物特点采用一种新的分割方法,使得到的图像纹理信息更充足;在图像的特征提取方面,采用Gabor小波变换,将频率分为2个频段,不同的频段选择不同Gabor尺度参数,并选择适当的位置参数;为解决虹膜图像的旋转对虹膜识别的影响,将获得的虹膜编码进行错位匹配.实验结果表明,所提出的虹膜识别算法效果较好.     

一种改进的虹膜定位算法研究

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能.依据虹膜图像的灰度分布特点,首先对粗定位方法进行改进,包括在利用灰度投影方法粗定位瞳孔圆心及半径的基础上,剪切出虹膜图像中包含瞳孔的图片,冉利用灰度投影法对剪切图片进行粗定位瞳孔嘲心及半径.其次对传统的Canny边缘检测算子进行改进,使其只在垂直方向上检测边缘,并结合Hough变换定位外边缘.实验结果证明了该算法的有效性和可行性.     

基于Curvelet变换的虹膜识别

为提高虹膜识别的准确度,提出采用第二代曲波变换提取虹膜图像纹理特征的方法.首先将预处理后的虹膜图像进行曲波分解,然后采取不同方法对曲波分解后的低通和带通子带进行特征提取,并根据各带通子带的能量大小赋予不同的加权系数,最后采用欧式距离进行虹膜特征匹配.在4种虹膜图像库上测试表明,提出的虹膜图像纹理特征提取方法具有较高的识别率,与Harr小波和DCT(离散余弦变换)相比,特征提取时间相当,但识别率相对DCT来说,分别提高了1.8％,2.1％,2.0％和0.9％.     

基于LBP和极限学习机的脑部MR图像分类

为解决磁共振(magnetic resonance, MR)脑部图像来源不一以及病变位置和形态不固定造成MR脑部图像分类精度不高的问题,提出基于局部二值模式(local binary pattern, LBP)的纹理特征提取,并用极限学习机(extreme learning machine, ELM)对MR图像分类。计算图像感兴趣区域(region of interest, ROI)的掩码,将图像分成扇形的子区域,统计掩码坐标下各块子区域的LBP直方图,连接所有LBP直方图作为特征向量通过ELM进行分类。相比以前的方法,该方法能够计算颅脑内局部纹理特征,能分类来源不一以及多种病变的图像。对脑部MR图像分类进行试验,对所有样本分类正确率超过92%,正类样本正确率超过93%,负类样本正确率超过91%。试验结果表明,该方法能够对较为复杂的MR图像进行正确分类。     

合成孔径雷达图像目标分类研究

基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。     

一种新的虹膜定位算法

针对目前已有的虹膜定位算法存在的局限性,提出了一种利用虹膜图像边缘图像以及虹膜的几何特征进行虹膜定位的算法,先利用Canny算子提取虹膜的灰度边缘图像,然后通过虹膜的圆特性对虹膜进行粗定位,最后利用变圆模板精定位.实验结果表明,该方法提高了准确度和速度,有效地解决了目前算法处理包含大量脸部区域的虹膜图像时遇到的困难.     

一种基于支持向量机的虹膜识别算法

提出了一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法。利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间。定义了一种新的图像分数维--极值加权平均分数维,用于提取虹膜特征。最后,利用支持向量机分类器对虹膜特征矩阵进行匹配识别。试验表明,基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别系统识别率高,速度快。     

乳腺超声中多普勒特征的提取及应用

为弥补以往单纯利用乳腺超声图像中灰度信息进行分类的过程中,易受噪声和其他因素影响而造成误分的缺点,提出了一种基于纹理特征和多普勒特征相结合的乳腺超声诊断系统.针对乳腺超声图像中的动态彩色多普勒信息建立数学模型进行特征提取,并结合图像中的纹理信息进行肿瘤的良恶性分类.实验结果表明,该系统的诊断准确性为92.30%,敏感性为91.42%,特异性为93.33%,假阳性率为94.11%,假阴性率为90.32%,接收特性AUC面积为0.9523,性能优于单纯利用纹理特征的分类结果,从而证明其在提高分类精度方面的有效性.     

基于核Fisher鉴别分析与支持向量机的虹膜识别方法

为了提高虹膜识别系统的识别性能,针对虹膜识别中的特征提取与模式分类问题,提出了一种基于核Fisher鉴别分析（kernel fisher discriminant analysis,KFDA）与支持向量机（support vector machine,SVM）的虹膜识别方法。从采集到的人眼图像中定位虹膜,并对其进行归一化处理;使用核Fisher鉴别分析提取虹膜纹理特征,并通过选择合适的特征个数提高识别的准确率;在得到虹膜特征编码后,用支持向量机进行分类判决。对CASIA虹膜库的测试结果表明,该方法的处理速度是Daugman虹膜识别方法的4.4倍;该方法与Boles虹膜识别方法相比,降低了错误接受率和错误拒绝率。实验结果表明：该方法能更好地提高虹膜的识别率和降低虹膜识别时间。     

基于支持向量机的珍珠多特征分类方法

珍珠企业在珍珠分类的过程中需要同时考虑珍珠的形状、纹理和色泽等特征信息,传统珍珠分类方法只针对单一特征对其进行分类,因此提取珍珠的多个特征对其进行分类有着现实意义.在利用单目多视角摄像装置直接获取5个不同视角的珍珠表面图像并进行预处理之后,参考实际人工分类的步骤,用珍珠边缘轮廓得到其傅里叶级数的系数作为形状特征,并用灰度共生矩阵得到珍珠的全局纹理特征,此外还设计了一种新的局部纹理特征提取方法;通过从珍珠的多个视图中提取珍珠的形状特征、全局纹理特征和局部纹理特征,进而构建支持向量机分类器,实现二分类.实验结果表明:所提出的特征提取方法有效,在1100颗测试珍珠上分类精度达到85.73%.     

基于二维不可分小波相关性分析的虹膜识别

为了更有效地提取虹膜纹理特征区域和进一步减小虹膜特征的存储空间,提出了一种基于分块相关性分析的二维不可分B-样条小波的虹膜识别方法,通过对虹膜归一化图像进行二维不可分B-样条小波变换并提取小波系数特征,把这些特征等分成正方形的特征块并按照相关性由大到小排序,保留相关性大的特征块进行匹配。实验表明,本文算法比经典的虹膜识别方法能更准确地捕捉识别效果好的特征区域。     

虹膜识别关键技术研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法，在信息及安全领域有着重要的砬用价值．在总结前人工作的基础上，就虹膜成像、虹膜区域定位、预处理机虹膜纹理编码等关键技术进行了讨论，给出了一些相关的改进及创新算法，实现了一套基于虹膜识别的身份认证系统，实验结果验证了工作的有效性．     

基于Gabor特征融合与LBP直方图的人脸表情特征提取方法

针对Gabor特征全局表征能力弱以及特征数据维数存在冗余的问题,提出了一种采用Gabor多方向特征融合与分块直方图相结合的方法以有效提取表情特征.通过对不同表情的重要特征部位进行细化,采用Gabor滤波器有针对性地提取相关区域的多尺度和多方向特征,并对同尺度的特征进行融合,利用各区域内融合特征的直方图分布来表征图像.该方法可以提高特征提取的准确性,有效突出重要特征的辨识作用,大幅度降低特征的维数,在JAFFE表情库可以达到100%的识别率.     

基于双路径残差网络的虹膜图像超分辨率重建

低分辨率虹膜图像所含有效信息较少,实际应用到虹膜识别中会影响识别精度,而图像超分辨率重建技术能够有效解决这一问题。针对虹膜图像的结构和纹理差异,提出了适用于虹膜图像超分辨率的双路径网络结构,设计了双支路残差密集块提取深层虹膜特征,并采用后置放大策略重建图像。针对CASIA-IrisV4虹膜图像库进行了实验,并与主流重建算法进行了比较,发现重建的图像结构清晰,纹理细节丰富。虹膜匹配实验结果表明,该算法的等错误率均为最优,重建图像具有良好的识别效果。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.     

基于边缘跟踪的直线特征检测算法

针对现有直线检测算法的缺陷,提出一种新的基于边缘跟踪的直线特征检测算法.算法对图像边缘进行提取,并在此基础上对边缘进行跟踪,从图像边缘直接提取出局部直线.设计了一种鲁棒直线拟合策略,并对拟合后的直线以一定的准则进行合并,准确获取图像中直线特征及端点参数,最终实现完整直线检测.典型图像直线检测结果表明,所提出的算法能准确检测出图像中的全局直线,并具有较快的运算速度,性能优于现有基于Hough变换和相位编组的直线检测算法.