基于局部SIFT分析的手背静脉识别

针对新兴的手背静脉识别技术,提出了一种具有位移和旋转不变性的局部尺度不变特征(SIFT,scale in-variant feature transform)分析方法.首先确定手背静脉图像的感兴趣区域(ROI)并对其进行滤波去噪,然后提取手背静脉血管的SIFT并对特征点进行匹配,最后计算注册样本和待识别样本的特征匹配率并以此作为相似性测度进行身份识别.利用我们建立的手背静脉血管图像数据库对该算法进行了性能测试,并与目前最典型的识别方法进行了对比.实验结果表明,本算法具有更好的识别性能,其中识别速度得到了很大的提高.     

一种新的手背静脉分割方法

手背静脉显示仪是近年来刚刚兴起的医疗设备,但由于采集到的手背静脉图像质量对比度很低,迄今为止,此设备对静脉血管的提取仍不是很精确.针对此问题,提出了一种新的静脉提取方法,运用改进的直方图均衡化算法,结合NiBlack分割方法对图像进行静脉提取.通过仿真,与限制对比度自适应直方图均衡化算法(CLAHE)比较,分割效果上取得了一定的提高.     

基于NIBLACK改进算法的静脉识别特征提取

静脉识别是一种新兴的生物特征识别技术,为了满足静脉识别中的特征提取需求,对手背静脉提取方法进行了研究。首先采用CLAHE算法对手背静脉图像进行增强处理,然后针对传统NIBALCK二值化算法的不足,提出一种局部静态阈值与NIBLACK相结合的改进算法。实验证明,该方法能有效消除传统方法中噪声过多、纹络断裂的现象,克服光强因素对图像提取的影响,保持完整清晰的静脉纹络结构,从而满足后续识别工作的需要。     

手背静脉图像ROI提取算法研究

手背静脉识别是新兴的身份认证技术,与指纹识别相比,具有活体识别、内部特征、非接触式等优点,其关键点之一是对静脉图像感兴趣区域精准定位。文章提出了结合Canny边缘检测算法和Freeman链码的手背静脉感兴趣区域定位算法。实验结果表明,该算法能够克服手形姿势变化的影响进行准确定位,具有良好的鲁棒性,对手背静脉身份特征识别技术研究具有参考价值。     

一种基于Retinex和PCA的人脸图像识别方法

针对目前人脸识别算法在光照条件恶劣时识别精度较低的缺陷,提出一种基于Retinex和PCA的人脸图像识别方法.Retinex算法能够有效去除图像中光照恶劣导致的阴影,而PCA能够有效提取图像中有代表性的特征,从而使得快速准确的识别成为可能.在Yale和Yale B数据库上验证该算法的性能,结果证明,此算法简单快速,且具有较高的识别精度,是一种实用的人脸图像识别方法.     

基于Bag of Features算法的车辆图像识别研究

将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PICA分类算法结合在一起实现车辆和背景图像分类.首先用DoG特征提取算法提取图像特征.用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类.实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果.结果表明本文算法分类正确率优于另外两种方法.     

神经网络的图像识别技术及方法分析

神经网络图像识别技术属于图像识别中一种新型技术,主要是基于传统图像识别方式及基础,同时结合了神经网络算法的图像识别方式.神经网络图像识别首先是提取图像特征,再将所提取的图像特征发送于神经网上,用识别器对其进行深层识别.或是BP神经网络图像识别方式无须进行图像提取,是将图像数据直接用作神经网络识别器输入.本文详细分析了神经网络图像识别技术及其方法分析,并提出实用性应用策略.     

基于骨架树描述符匹配的物体相似性度量方法

提出了通过匹配骨架树来度量物体相似度的新方法.该方法用一种新的物体特征-树描述符来表示一个骨架树,用搜索树描述符中最长公共子串的方法获得最大同构子树;用新的模型度量骨架枝的形状相似性,并把形状特征和拓扑特征的有机的结合起来.最后,对骨架有环和骨架上有噪声的情况进行了讨论.实验结果表明,本方法计算的相似度具有物体的旋转、大小、平移不变性,算法时间复杂度为o（n^3）,n为物体骨架枝数,对多种物体取得了令人满意的结果.     

基于Contourlet子带能量特征多HMM融合的静脉识别

为了准确识别人的身份,该文提出了一种以轮廓波(Contourlet)变换后不同尺度下的子带能量为特征,建立并融合多个隐马尔科夫模型(HMM)的手背静脉识别算法。该算法首先采用了光强可调的近红外阵列光源,通过逐步增加光强来获得手背静脉图像序列;而后,将每一静脉图像进行Contourlet变换,并计算不同尺度下每一子带的能量,以3个尺度下子带能量作为特征观测值建立3个HMM;最后,融合3个HMM计算得到的观测值发生概率,将融合结果与阈值作比较,从而完成静脉识别过程。实验结果表明,提出的算法可以使真实匹配与虚假匹配的区分度最大化,与基于特征点或静脉信息融合的识别算法相比,正确识别率得到了提高。     

基于分数阶微分和SIFT算法的图像匹配方法研究

提出了一种采用分数阶微分与尺度不变特征变换算法(SIFT)相结合的方式进行图像识别及匹配方法.该方法首先采用分数阶微分方法对图像的细节纹理部分进行加强,从而提高图像的分辨率,然后采用尺度不变特征变换算法对旋转缩放后的图像进行特征关键点提取和匹配,从而提高图像识别的准确率.应用该方法对Lena图像进行图像处理实验,结果表明:采用阶次为0.6的分数阶微分算法与SIFT相结合可最大化地提取图像的关键点和提高图像匹配的准确率(94.59％).