小波变换在虹膜图像特征提取与识别中的应用

文章从虹膜图像的灰度直方图入手,分析了虹膜图像的结构及其灰度分布,在此基础上,完成虹膜图像的内、外边缘的定位和归一化;利用小波变换对分区后的虹膜图像进行分解,实现了虹膜的纹理特征提取和识别。实验结果表明,该方法运算速度快,准确度高,能较好的满足虹膜识别的实际要求。     

一种新颖的自适应虹膜识别方法

提出了一种新颖的自适应虹膜识别方法.首先,进行虹膜定位和上下眼睑拟合,然后对虹膜图像进行归一化操作,得到512列×64行的矩形虹膜图像,自适应地确定有效虹膜区域;其次,在虹膜有效区域内,利用纹理的方向信息、长度信息、宽度信息、邻域的灰度信息找出所有的虹膜特征点;再次,对特征点进行方向编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.实验证明,该方法可以达到99.472%的识别率,能够满足虹膜识别要求.     

虹膜区域预处理及纹理特征提取方法的研究

随着电子信息技术的发展,个人的一些隐私信息越来越容易受到侵犯,而基于虹膜纹理特征的虹膜识别技术在确保个人信息安全这一块扮演着越来越重要的角色。在结构上分为预处理和纹理特征提取两部分。在预处理部分,提出一种基于共形几何代数理论结合最小二乘拟合的虹膜区域边界定位方法;在虹膜纹理特征提取部分,提出一种基于多特征的纹理提取方法。实验结果证明,在虹膜区域定位这一块,该方法定位结果准确,能实现对虹膜区域内外边缘的同时定位;在纹理特征提取部分,基于多特征的纹理图像查准率有了很大的提高。     

一种新的基于结构特征的虹膜识别算法

提出了一种新的基于结构特征的虹膜识别算法。其基本思想是：首先，通过图像预处理得到归一化的虹膜图像；其次，利用逻辑判断的方法在虹膜图像上寻找局部极小值点；再次，去掉伪特征点，生成固定长度的虹膜编码；最后，计算2个虹膜编码间的“与”距离，根据该距离给出识别结果。在该CASIA虹膜图像数据库上进行了大量的实验，结果表明，该算法与现有的虹膜识别算法相比，识别准确率更高，识别速度更快。     

网格索引下反向插补图像纹理细节增强算法

通过对图像纹理细节增强,提高低质量采集图像的识别和细节特征分析能力.传统的图像纹理细节增强算法采用纹理结构信息特征子空间多维谱峰搜索方法,算法只考虑结构信息特征子空间中的纹理特征,对剩余的元素没有进行有效的网格化分区,细节增强效果不好.对此,首先进行图像结构纹理信息传导模型设计,引入网格索引方法对图像纹理细节增强的优先级进行判定,然后提出一种基于反向插补的网格索引下补图像纹理细节增强算法.提取亮度、对比度和结构相似度等能有效表征图像的结构化特征,采用反向插补实现图像纹理细节增强,仿真结果表明,该算法对图像纹理细节特征的检测概率最高,有效确保增强后的图像质量,提高低质量采集图像的识别和细节特征分析能力,在图像识别和成像处理等领域应用价值较高.     

基于统计几何的纹理特征提取及分类算法

纹理识别是计算机视觉领域一个重要的课题,本文研究了统计几何特征(SGF)纹理分析方法并与向量机结合构建分类系统。对支持向量机(SVM)的多分类方法的实现,构建了粗分类和细分类相结合的多分类器,实现了纹理图像的准确划分,为有效纹理特征的表示奠定了基础。本文对统计几何特征提取方法进行了研究,利用图像函数图来进行纹理描述,使用一个可变的阈值把一幅灰度纹理图像切割成一系列二进制图像,由二进制图像的连通域、几何拓扑属性推导纹理描述特征。实验结果表明,统计几何特征具有非常强的纹理描述能力,同时能够克服图像的旋转。     

基于几何特征与灰度信息的虹膜定位算法

利用人眼图像的几何特征与灰度特征,提出一种改进的虹膜定位算法.首先采用圆Hough变换结合曲线段长度检测法提取虹膜的外边界,提高了对颗粒噪声的抵御能力;然后在虹膜外边缘内部使用阈值法提取内边界;最后,分别用几何方法和阈值法去眼睑和眼睫毛、反光点等干扰信息.由Maatab仿真结果可以看出,提出的定位算法具有良好的准确性和鲁棒性.     

基于统计特征的非理想虹膜图像分割方法

由于退化条 件的存在,非理想虹膜识别的关键在于正确 分割虹膜区域,这一区域包含能 够用于个体识别的纹理。本文提出了一种基于统计特性的非理想虹膜图像分割方法,包括内 边界定位、外边界定位和眼睑检 测3个阶段。在内边界定位阶段,通过高斯混合(GMM)模型及多弦长均衡策略,实现对瞳 孔及虹膜中心的精确定位;在外边界定 位阶段,利用简化的基于区域信息的曲线演化方法,将其与序统计滤波(OSF)结合,以确保 曲线收敛至虹膜外边界;在 眼睑检测阶段,利用二次曲线对眼睑进行建模。对多个数据库进行实验的结果表明,本 文 方法能够有效克服反光、睫毛和 眼睑遮挡、外边界模糊等不利因素的影响,精确实现了非理想虹膜图像的分割。     

基于GLCM算法的图像纹理特征分析

深入研究灰度共生矩阵(GLCM,Gray Level Co-occurrence Matrix)算法,说明基于灰度共生矩阵的14个纹理特征具体意义,指出纹理特征之间存在冗余性。通过对纹理图像的灰度共生矩阵的计算分析和纹理特征提取实验,表明灰度共生矩阵能够反应图像的特点,与纹理特征描述图像的特点相对应,同时,图像的14个纹理特征之间存在一定程度的冗余,实际中可以根据图像纹理特征的差异,选择几个显著的纹理特征对图像进行分类。纹理特征分析和实验结果对图像纹理特征的应用具有普遍的指导意义。     

基于方块编码的图像纹理特征提取及检索算法

针对灰度共生矩阵（GLCM）在提取纹理特征时存在的问题，提出一种基于方块编码（BTC）的图像纹理特征的检索算法。首先将图像分成互不重叠的子图像块，然后利用BTC的思想对这些图像块进行编码，进而定义图像的纹理基元并以此作为对图像的纹理描述，并提出采用一种改进的基于纹理基元的共生矩阵来获取纹理特征。实验结果表明，该方法既有效地利用了图像的纹理信息，又考虑了图像的空间和形状信息，具有较好的检索效果。     

Iris image segmentation based on phase congruency

Iris i mage recognition is a biometric feature recogni-tiontechnology developedin 1990s .Compared with oth-er biometric feature recognition,iris recognition hasmany advantages suchas uniqueness ,highstability,non-invasive,high peculiarity,anti-false and l…     

基于球面Haar小波和卷积神经网络的飞行员虹膜识别

虹膜识别面临两个重要的问题：一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(OSSHW)基,对球面虹膜信号进行多尺度分解与重构,获得更精细的虹膜曲面几何特征,同时对比球谐函数和半正交或正交球面Haar小波基的虹膜球面信号特征提取能力。在此基础上,该文提出一种基于卷积神经网络(CNN)和正交对称的球面Haar小波的虹膜识别方法,它能够有效捕获虹膜球体曲面的局部精细特征,比半正交或正交球面Haar小波基具有更强的虹膜识别能力。     

基于球面Haar小波和卷积神经网络的飞行员虹膜识别

虹膜识别面临两个重要的问题:一是如何精细分解与重构虹膜球面图像;二是如何识别虹膜图特征。虹膜表面几何位置信息是一种重要的信号,传统的虹膜识别通常使用虹膜图像的平面特征,然而人的眼睛是一种球体,从平面图像难以提取到虹膜球体的几何特征。针对平面特征容易出现虹膜纹理的扭曲和失真等问题,该文建议一种正交对称的球面Haar小波(OSSHW)基,对球面虹膜信号进行多尺度分解与重构,获得更精细的虹膜曲面几何特征,同时对比球谐函数和半正交或正交球面Haar小波基的虹膜球面信号特征提取能力。在此基础上,该文提出一种基于卷积神经网络(CNN)和正交对称的球面Haar小波的虹膜识别方法,它能够有效捕获虹膜球体曲面的局部精细特征,比半正交或正交球面Haar小波基具有更强的虹膜识别能力。     

基于LBP算子的虹膜特征提取方法

由于虹膜自身具备独特性和随机性,因此需要对其进行特征提取操作,找出具有识别意义的虹膜纹理信息并将其编码,然后依据特定的判决标准来判断两幅图像是否源于同一人,从而实现虹膜识别的功能。该文对传统LBP算子进行改进,极大程度上缩减了描述码维数,并结合位移差分图像匹配方法,得到一种快速、有效的特征方法。通过对CASIA虹膜数据库进行实验比较,该方法能够获得理想的识别效果。     

基于过零检测的虹膜特征提取算法

该文针对虹膜图像不理想、噪声影响较大情况下，虹膜识别率下降的问题，提出了一种基于过零检测的虹膜特征提取算法，利用过零检测算子与信号局部的相关性提取虹膜纹理特征，并根据所得的系数进行符号编码形成二值特征模板，最后采用相似度进行模式分类。仿真结果表明，该算法能够提取不理想虹膜图像的稳定特征，提高识别率。     

A shape- and texture-based enhanced Fisher classifier for face recognition.

This paper introduces a new face coding and recognition method, the enhanced Fisher classifier (EFC), which employs the enhanced Fisher linear discriminant model (EFM) on integrated shape and texture features. Shape encodes the feature geometry of a face while texture provides a normalized shape-free image. The dimensionalities of the shape and the texture spaces are first reduced using principal component analysis, constrained by the EFM for enhanced generalization. The corresponding reduced shape and texture features are then combined through a normalization procedure to form the integrated features that are processed by the EFM for face recognition. Experimental results, using 600 face images corresponding to 200 subjects of varying illumination and facial expressions, show that (1) the integrated shape and texture features carry the most discriminating information followed in order by textures, masked images, and shape images, and (2) the new coding and face recognition method, EFC, performs the best among the eigenfaces method using L(1) or L(2) distance measure, and the Mahalanobis distance classifiers using a common covariance matrix for all classes or a pooled within-class covariance matrix. In particular, EFC achieves 98.5% recognition accuracy using only 25 features.     

基于多子区域联合的高适应性虹膜识别算法

 由于在采集虹膜图像前,无法预知眼睑、睫毛等噪声对虹膜纹理的干扰程度和不受干扰的可用虹膜区域的位置和大小,这可能会使提取到的特征模板中包含了由噪声引起的不可靠和不稳定特征,使识别的错误率增加.本文提出了多子区域联合的识别方法,将相对不易受干扰的图像区域划分为4个子区域,分别计算两幅图像对应子区域的相似度,动态选择最相似的子区域,将其特征作为判定依据进行分类.克服了之前算法只选择一个固定位置的区域用于特征提取的局限性.采用CASIA虹膜图库进行测试,结果表明:本方法能提高识别准确率、增强算法对采集图像质量要求的适应性,改善了虹膜识别系统的性能.     

基于自适应HCS-LBP特征的行人检测算法

针对行人检测中提取中心对称局部二值模式(Cen ter-Symmetric Local Binary Pattern,CS-LBP)时邻域中心像素没有参与计 算、人为设定的判断阈值主观性较强、未能区别对待不同子块等问题,提出一种基于自适应 HCS-LBP(Haar-like CS-LBP)特征 的行人检测算法。该算法首先构造了HCS-LBP特征编码方法,采用局部中心对称模式减少编 码长度,利用积分图像法快速计 算降低时间复杂度,并将灰度级概率引入中心像素的全局自适应阈值计算,采用高斯矩阵获 取邻域像素的局部自适应阈值,以 突显图像客观的纹理信息;然后使中心像素参与图像编码,通过信息熵确定不同子块的权重 ,以增强图像特征的描述能力;最 后使用直方图交叉核支持向量机(Histogram Intersection Kernel SVM,HIKSVM)训练样本 ,以提升分类器的准确度。在INRIA数 据库的实验结果表明,该算法能有效提高图像信息的利用率,提升行人检测算法的性能,行 人检测准确率较其他相关文献提高了0.4%~7.8%,具有较好的行人检测效果和检测精度。     

改进纹理模糊筛选下煤矸石X射线图像处理

煤矿与矸石的自动分选是一种非接触、实时式的筛选过程,是煤矿生产的重要步骤,可以有效提高能源利用率并减少环境污染。但现有的煤块与煤矸石图像识别与分选技术大多采用Laplacian算子法,导致提取的图像纹理差异较小,识别效果不佳。本文以X射线图像技术为核心进行图像采集,对采集到的煤矿与矸石的图像进行滤波、二值化处理,降低图像噪点。在预处理后的图像中进行纹理提取,获取煤矿与矸石的纹理特征。利用Prewitt算子法计算目标图像的纹理度和灰度峰值,据此提出煤与矸石的识别值,确定煤石分离的灰度阈值,依据灰度阈值实现煤与矸石的分选。实验结果证明,本文所使用的Prewitt算子法提取出的煤与矸石的灰度差异更大,提高了实现煤与矸石的识别效果。