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.     

基于决策粒子群优化与稳定纹理的虹膜二次识别

不同时刻虹膜图像的采集状态不同,因此单一识别算法在多类别虹膜识别中的准确率可能较差。本文提出了基于决策粒子群优化与稳定纹理的虹膜二次识别算法。首先,使用6种图像处理算法提取稳定纹理特征。由Gabor滤波与Hamming距离组成首次识别,Haar小波与BP神经网络组成第二次识别,以顺序结构完成多类别虹膜的二次识别。根据马尔可夫决策过程与不同的虹膜库,自适应优化Gabor滤波和神经网络。结果表明,该算法可以有效提高虹膜识别的准确率。     

虹膜特征提取和匹配的几种主要算法研究

虹膜的身份识别在国际上已成为一个研究的热点领域。本文主要比较了虹膜特征提取和匹配的几种主要算法,分别说明了Gabor变换、傅里叶变换和小波变换的优点与不足,并指出相对而言,小波变换更适合应用在虹膜图像的识别中。     

类Haar小波与数字信号调制识别

调制识别在通信侦察和通信对抗中有着重要应用。为了利用小波变换进行数字调制的类型识别，提出了具有比Haar小波更好频率局域化特征的类Haar小波概念，从理论上论证了正弦型类Haar小波用于MPSK和MFSK信号调制识别的可行性，详细推导了小波系数幅度与相位跳变或频率跳变之间的关系，并对分类识别器进行了仿真。理论和仿真结果均表明，在一定信噪比条件下，正弦型类Haar小波不仅能用于通信信号的调制识别，且具有比Haar小波更好的抗噪性能。     

Lifting Scheme的Haar小波在医学图像压缩中的应用研究

针对医学图像进行实时传输和大量存储时需要进行压缩处理的需求,论述了Lifting Scheme的Haar小波在医学图像压缩中的应用方法.首先,分析了Haar小波的变换原理,然后阐述了基于提升Haar小波的医学图像压缩算法.实验表明,在压缩比和峰值信噪比等评价参数方面,基于Lifting Scheme的Haar小波算法在医学图像压缩中取得了较好效果.     

基于Haar小波变换的无失真图像压缩

提出了一种利用Haar小波进行图像无失真压缩的算法。对线性预测后的图像进行Haar小波分解,将各子带小波系数根据大小分解成两部分,其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明,该算法实现简单,达到了很好的压缩效果。     

一种小波变换的数字信号调制方式识别方法研究

数字通信信号调制方式识别有重要的现实意义。针对各数字信号的特点,利用Haar小波函数归一化前后小波变换模值,实现对数字信号的类间识别;根据数字信号进制数,进行数字信号的类内识别,并通过软件仿真验证该方法的有效性。仿真结果表明,基于小波变换的调制方式识别方法可对数字信号进行有效的识别。     

小波域的最大似然调制分类

针对电子战领域中的调制类型识别问题，提出了一种把通信信号变换到小波域下的最大似然调制分类算法．通过分析MPSK信号在Haar小波基下的小波变换系数同其相位参数之间的关系，把MPSK信号的小波变换系数用广义高斯概率分布进行建模来得到MPSK信号的最大似然分类函数．同常规的最大似然分类算法相比新方法所需的先验信息少．计算机仿真结果表明，这种算法在低信噪比下仍然能获得好的正确分类性能．     

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。     

基于特征加权融合的虹膜识别算法

由于单一虹膜特征相对简单,容易引起虹膜识别不准确的问题,本文使用特征加权融合来表示虹膜纹理。提取虹膜纹理的空域特征和频域特证,使用主成分分析法(PCA)降噪去冗余。空域特征采用二分统计局部二值模式(DS-LBP)表示虹膜纹理的灰度值变化规律,形成空域特征码。频域特征采用二维Haar小波提取虹膜纹理的高频系数,形成频域特征码。分别计算两个特征码的汉明(Hamming)距离,并乘以相应的加权权重。通过与设定的分类阈值比较来判定虹膜类别。用多种虹膜库与其他虹膜识别算法进行比较,实验结果表明,本文算法在识别率、等错率、稳定性等方面更具有优势。