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。     

一种用于虹膜识别的特征提取算法

通过对比分析2维(2D)复Gabor滤波器实部和虚部幅频的响应特性,给出一种基于2D奇Gabor滤波的虹膜特征提取算法。根据2D奇Gabor滤波器关于原点奇对称,利用其编码虹膜纹理特征点的相位信息,计算汉明距离,实现虹膜分类识别。实验结果表明,所给算法可使系统识别错误率降低约12%。     

基于多方向局部二值模式与稳定特征的虹膜识别

为抑制虹膜图像中的噪声以及有效提取局部纹理的特征,从而提高虹膜识别率,提出了基于多方向局部二值模式与稳定特征的虹膜识别算法.通过多种滤波处理算法,从存在光照及噪声干扰的不稳定状态的虹膜图像中提取足量的虹膜内部特征点作为有效虹膜信息,进而形成虹膜的稳定特征图像.然后基于局部二进制模式,提出多方向局部二值模式提取特征向量,该方法不仅能描述虹膜图像的整体空间信息,而且还能降低特征图像的维度.最后用Hamming距离进行虹膜识别.对CASIA、JLU-6.0等虹膜库进行了识别和评价,实验结果表明:该方法不仅可以保证稳定特征的有效性,而且能有效提取局部纹理特征,具有更高的识别率和鲁棒性.     

基于加权Gabor滤波器的虹膜识别

为了有效地提高虹膜识别系统的识别率,对Gabor滤波器进行了研究,并提出了基于层次分析法的加权Hamming距离的虹膜识别方法。首先,用不同尺度和方向的奇对称Gabor滤波器对归一化后的虹膜滤波生成特征图像;然后,对特征图像进行Hamming距离匹配得到不同滤波器的正确识别率和等错率,根据鉴别能力,选取合适的尺度和方向进行加权Hamming距离计算,其权值用层次分析法计算;最后,利用加权后的距离进行识别。其中CASIA2.0和MMU1图像库的等错率分别降低了0.64%和0.56%。实验结果表明:本文方法具有很好的识别性能和鲁棒性。     

一种改进的Log边缘检测算法

在分析传统Log边缘检测原理的基础上,针对高斯滤波器尺度因子的选取,引入高斯滤波空间尺度因子计算方法,提出了一种自适应的多尺度Log边缘检测算法,克服了传统Log算法的不足.实验结果表明,改进后的Log算法能有效抑制噪声,并能准确检测图像边缘信息.     

Gabor函数实现基于结构的指纹识别

为了解决传统的基于细节点的指纹识别算法的不足,提出了基于结构的指纹识别算法.该算法根据指纹纹线间距均匀且局部平行的特点,建立了用于指纹识别的Gabor滤波函数的物理模型,设计了Gabor滤波函数的优化参数和格栅方案,有效地提取了指纹的全局和局部特征.该算法提高了有限面积内的指纹信息利用率,具有增强指纹图像的脊线并抑制噪声的作用.通过在标准指纹数据库上用不同参数和方案的对比实验,验证了该理论分析的正确性.     

基于ROEWA和Gabor滤波的SAR图像边缘提取

针对合成孔径雷达(SAR)图像特有的乘性噪声和非恒虚警统计特性很难正确提取目标边缘的问题,提出了在指数加权均值比(ROEWA)算子基础上寻找自适应的最佳局域Gabor滤波器进行目标边缘提取的方法。利用Gabor滤波器具有的多方向特性确定边缘方向,然后用最大似然估计纠正错误边缘方向,重新结合视觉细胞倍频程计算出Gabor函数的最佳局域滤波参数,提取出SAR图像的正确边缘。实验表明,该方法取得很好边缘提取效果,并且后期分割出的目标更符合实际目标形态,具有较强的通用性。 更多还原     

适用于MPEG-4的高效空域自适应图像后处理算法

为有效抑制重建视频图像中的人为编码噪声,提出了一种适用于MPEG-4的具有5种滤波模式的高效空域自适应图像后处理算法.通过对各种人为编码噪声的特性分析,根据待滤波区域像素的一维变化特性和像素的变化范围,将待滤波边界划分为不同的区域,并结合人类视觉系统(HVS)的视觉特性,对不同区域分别采取各种有效的局部特征自适应的滤波策略.算法采用了与其他视频编码标准中环路滤波算法相似的算法结构,便于进行兼容多标准的视频解码器设计.实验结果表明,本算法可有效抑制多种人为编码噪声,对于各种不同特性和不同比特率的测试序列均有良好的可靠性和稳定性,相比于传统算法,本算法可获得更高的峰值信噪比增益.     

基于实数形式Gabor变换的虹膜识别方法

提出基于实数形式Gabor变换(RGT)的虹膜识别算法。首先计算Gaussian函数的对偶窗函数;然后将对偶窗函数的RGT对规范化后的虹膜纹理进行分解,利用得到的实数Gabor变换系数求取局部均值与方差作为虹膜纹理特征。在算法上实现完全实数运算,大大降低了算法的复杂性。实验结果及数据分析表明了此方法的合理性及有效性。     

多通道空间自适应滤波技术研究

针对多通道自适应滤波算法数据运算量较大的缺点,结合空间滤波与最小均方（LMS）自适应滤波优点,提出并研究了空间自适应滤波方法.给出了一种多通道空间自适应滤波器的表达式和实现算法,并以周期噪声和高斯白噪声为噪声背景,将多通道空间自适应滤波算法应用到某一均匀加肋圆柱壳主动振动控制实验中.结果表明,空间滤波技术能够显著抑制噪声信号中的高频成分,提高数据采集精度,有效地降低多通道自适应滤波算法的数据运算量,提高自适应滤波算法的学习效率和收敛速度,并能较好地解决结构控制中多通道自适应控制的空间混淆现象,提高主动振动控制的区域降噪效果.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

Gabor小波和SLLE在人脸识别中的应用

为了提高人脸识别算法的识别率,提出了一种基于Gabor小波和SLLE的人脸识别算法．该算法首先采用Gabor小波对归一化的人脸图像进行多方向、多分辨率滤波,并提取其对应不同方向、不同尺度的多个Gabor幅值特征,然后采用监督的局部线性嵌入算法对Gabor特征进行维数约简,最后使用最近邻分类器进行分类判决．在ORL、YALE人脸库上进行实验,结果表明,该算法平均识别率比其他算法提高3．5％～37．8％,有效提高了人脸识别算法的性能．     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

基于SIFT特征及改进Gabor滤波器的低质量指纹增强算法

针对指纹增强Gabor滤波过程中指纹纹线方向参数取值不够精确、指纹纹线频率参数求取方法效率不高的缺点,对现场低质量残缺指纹处理过程中的实际需求提出改进,在Gabor滤波器前增加SIFT分析,通过在某种程度上抑制噪声来提高Gabor滤波精度,从而有效地实现对低质量残缺指纹的滤波增强。通过一系列理论分析和实验验证了算法的可行性和适用性。     

一种新的红外复杂背景自适应抑制算法

为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法．该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别．结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术．与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标．理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现．     

电力线扩频通信中窄带干扰的自适应抑制

利用电力线进行扩频通信时,需要抑制信道中的多个大功率、ＳＳＢ调制的窄带干扰。本文提出了两种能够有效抑制上述窄带干扰的自适应算法。一种是时域的自适应非线性滤波算法,它以自适应线性预测为基础,同时针对预测噪声呈非高斯分布的特性引入一个非线性修正算子,使得收敛时的"额外均方误差"小于传统的线性预测算法;另一种则是基于ＳＴＦＴ（短时付立叶变换）的频域自适应滤波算法,它遵循了变换域自适应滤波的基本思想,结合了频域限幅器与时域自适应滤波两者的优点,具有比时域处理更快的收敛速度。     

HLBP与颜色特征自适应融合的粒子滤波目标跟踪改进算法

针对只采用颜色特征的经典粒子滤波目标跟踪算法无法适用相同颜色干扰情况的缺陷,提出一种结合HLBP特征与颜色特征的自适应粒子滤波跟踪算法. 该算法采用Haar型局部二值模式算子(Haar local binary pattern,HLBP)提取的HLBP纹理特征与颜色特征结合,通过自适应权值动态调整颜色特征和纹理特征在追踪过程中的比重,实现颜色纹理特征的自适应融合. 实验表明,该算法改进了相同颜色干扰情况下的追踪效果,并在目标被遮挡的情况下仍能持续稳定地追踪,提高了追踪的准确度和适用性.     

CBALE算法及其改进

文献[1]提出一种基于高阶统计量的自适应谱线增强算法(CBALE)用于抑制高斯噪声。本文在CBALE算法的基础上提出基于该算法的级联滤波模型,对不同参数下的谱线增强效果进行了探讨和计算机仿真。仿真结果表明该算法可以有效地抑制高斯有色噪声,在低信噪比下通过滤波器级联也可以达到较好的抑制效果。     

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。     

基于图像二维熵的自适应形态学滤波方法

为了在滤除噪声的同时保持图像的细节信息,结合已有的形态学滤波方法,提出了一种新的自适应滤波方法.综合图像灰度分布的聚集特征和空间特征,构造图像二维熵,结合形态学运算,合理设置滤波算法流程,通过连续改变结构算子的大小,观察图像二维熵的变化,合理设置滤波终止条件,通过对椒盐噪声图像的滤波测试,取得了理想的滤波效果.重点阐述了二维熵的构造方法和自适应滤波的流程设计.