基于Log-Gabor子带图像分割的虹膜识别算法

提出一种基于Log-Gabor子带图像分割的虹膜识别算法。该方法具有平移、放缩和旋转不变性,并且生成的虹膜特征码仅288B。实验结果和数据分析证明该方法的合理性和可行性。     

基于Log-Gabor滤波的虹膜识别系统

在已有虹膜识别研究成果的基础上,提出基于Log-Gabor滤波的虹膜身份识别图像系统。该系统利用Matlab平台结合一维Log-Gabor滤波器对归一化后的虹膜进行滤波并提取纹理特征,然后对纹理特征进行相位编码,并用汉明距离进行虹膜匹配,匹配时采用干扰掩模屏蔽虹膜预处理过程中的噪音。本文结合CASIA虹膜图像数据库进行实验论证,其结果表明该系统误判率为0.125%,拒判率为0.05%,达到较好的识别效果。     

虹膜内外边缘的快速定位算法

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能。论文提出一种基于Hough变换的虹膜定位算法,根据虹膜图像特点,先对其进行预处理,再用灰度投影法粗定瞳孔圆心;通过对虹膜内外边缘的“先采样后变换”,减少Hough变换的运算量;利用虹膜内外边缘之间的耦合关系,由内至外精确地确定出边缘。对300多幅虹膜样本的处理结果表明,此算法快速、精确、鲁棒。     

基于局部奇异值检测的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术;提出一种基于二次样条小波变换的虹膜识别算法;运用紧支撑的二次样条小波对构造的一维灰度信号进行分析,选择适当尺度上的小波变换结果进行量化,构造出二进制特征向量;采用Hamming距离进行移位匹配;最终完成虹膜识别;算法的错误接受率和错误拒绝率都比较低,能够达到较好的识别效果.     

一种新的基于纹理边缘检测的虹膜定位算法

针对虹膜边缘图像提取的主流方法,提出了一种跳过虹膜外边界检测的直接提取虹膜图象的新方法。首先,根据人眼图像的整体灰度分布特征,用灰度投影的方法进行阈值分割,定位出瞳孔,然后对虹膜边缘进行增强操作并提取边缘信息得到边缘图象,最后以过瞳孔圆心水平直线像素的扫描确定一估计虹膜纹理所在之半径,并以此半径向外搜索分析半环上的像素点直到得到精确的虹膜纹理区外边界止。实验结果表明,该方法整体上提高了虹膜提取及后续的识别速度,并且具有较好的定位效果。     

基于微积分法的虹膜边缘检测技术的研究

当前社会,人们对于身份安全越来越重视,尤其是在一些高度保密或者涉及个人隐私方面的场合,一对一的身份识别显得尤为重要。而虹膜识别恰好具备高效、不易被仿造等特点,使其作为一项身份识别技术被推向了热潮。图像边缘检测一直是图像处理中的经典研究课题,也是至今仍没有得到圆满解决的一类问题。因此,探讨获取图像的边缘和轮廓的问题,是图像工程师们的重中之重。而虹膜识别技术中的边缘检测也如上所说是重要的一项技术,虹膜的内外边界可以近似地用圆来拟合。内圆表示虹膜与瞳孔的边界,外圆表示虹膜与巩膜的边界,但是这两个圆并不是同心圆。而如何更好、更准确地且不受外界干扰以及图像模糊情况下仍能较为有效地进行内外圆的边缘检测是研究的重点。文中就微积分法用于虹膜边缘检测方面展开了研究。     

基于虹膜识别的眼睫毛检测

针对人眼正常张if-下,眼睫毛的遮挡比较严重,为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,设计了基于canny 算子的眼睫毛边缘检测算法.该算法基于canny算子检测图像中的眼睫毛;利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域.除去眼睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即是虹膜的有效区域.实验表明:该算法可以有效地检测眼睫毛.并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效的提高模式的可分性和虹膜的识别率.     

具有边缘局部化的边缘检测小波研究

小波变换能够有效地检测出图象的边缘。为了使检测出的图象边缘局部化，本文在构造边缘检测小波的基础上，通过对小波迭代滤波且的特性分析，给出了边缘检测小波迭代滤波器组的选择原则，并通过实例进行了验证。     

虹膜识别中噪声的检测和处理方法

针对虹膜识别中存在的问题,在识别时应该尽可能将虹膜有效信息提取出来,而将眼皮、睫毛、光点的反射等去除,同时在特征提取中,提出了通过噪卢扩展方法消除噪声信号在编码过程中带来的影响。实验结果表明该文提出的方法有助于提高识别的可靠性和模式分类能力。     

一种基于边缘检测的局部阀值分割算法

本文提出了一种基于边缘检测的局部阈值分割方法，该方法将整睛灰度图像分成小块，在每个小块中利用梯度算子对小块中的边界点进行检测，寻找出小块内的所有边界点，然后沿着这些边界点的梯度方向找出最临近的点，以所有这些临近点和边界点的灰度均值作为该小块的灰度阈值进行分割，该算法计算复杂度较低，避开了灰度直方图阈值分割方法中“谷底”难以确定的问题，同时照顾到了图像的局部灰度特性。     

基于局部尺度控制的模糊边缘检测算法

基于容错思想定位边缘是为了解决自然图像中难以获取典型边缘特征的前后景相融处的模糊边缘定位问题,它为图像的每一点建立唯一的、局部可计算的最小可靠尺度以对模糊边缘定位并提取。文中对算法中求图像二阶导数时每个像素点都要沿着各自梯度方向确定卷积模板计算各像素点二阶导数的过程进行简化分析。通过将局部尺度判定与LoG算法相结合,避免各梯度方向上所进行的繁琐的二阶导数运算,并提出一个近似确定零交叉点位置的模糊边缘判别和定位流程。详细分析算法的可行性,对比多种算法对3类不同程度模糊的典型图像的边缘定位效果。实验表明,该算法对模糊边缘的定位和提取效果更好,运算速度更快,算法更实用。     

基于快速加权梯度算子的边缘检测

在对图像进行直方图均衡化及去噪后,利用加权梯度算子进行边缘检测,并对其算法进行了改进,使其能递推运算,将计算复杂度大大降低。实验表明,该算法将每一幅图像运算时间降到2秒以内,提高了计算效率。     

基于Otsu算法和Sobel算子的连接件图像边缘检测

着重研究基于机器视觉的薄片连接件检测系统中的图像边缘检测方法。该方法首先采用Otsu算法对CCD工业相机获取的连接件灰度图像进行阈值分割,然后再用Sobel算子进行边缘检测。整个流程采用MatLab进行仿真测试。测试结果表明,该方法改善了单一采用Sobel算子检测的准确性,能提高边缘检测的整体性能,检测精度较好,该方法是实用可行的。     

基于模糊理论的图像边缘检测

讨论了模糊理论在边缘检测中的应用,并给出了一种基于模糊理论的改进方法。实验结果表明,该算法不需要加额外的滤波器或图像降噪预处理,在抗噪性能方面明显优于其它方法。     

融合小波变换与数学形态学的图像边缘检测

针对传统图像边缘检测方法抗噪能力不足、边缘定位不精确等缺点,提出一种融合小波变换和数学形态学的图像边缘检测算法。先将图像进行小波分解,高频部分利用小波模极大值算法进行边缘检测,可以有效提取高频边缘;低频部分采用形态学多结构元算法进行边缘检测,能够检测出低频边缘;最后对两种方法得到的边缘图像进行融合。实验结果表明,该算法能有效抑制噪声,提高边缘精度并且定位准确。     

基于MatLab实现的图像边缘检测

图像的边缘提取是灰度不连续的结果,是利用物体和背景在某种图像特性上的差异来实现的,利用Roberts算子、Sobel算子、拉普拉斯高斯算子和Canny算子对智能车赛道图像进行边缘检测,使用MatLab软件实现最后效果的比较,以解决实际问题。     

基于灰度化及边缘检测算法的车牌识别技术研究

日益增长的车辆数量给车辆的管理带来前所未有的压力,车辆的智能化、信息化管理问题也愈来愈突出,车牌识别便是解决车辆智能化管理的有效技术手段之一。介绍车牌识别技术体系的整套解决方案,采用MatLab进行程序仿真,运用权值加重法和均值法对所提取车牌进行灰度化预处理,通过局部差分算法实现车牌图像的边缘检测识别。仿真结果表明该技术方案具有较好的可行性。     

一种改进型边缘检测的混合量子遗传算法

图像边缘包含非常重要的图像信息,针对图像处理中的模糊边缘检测存在的缺陷,将免疫学中的克隆选择理论引入量子遗传算法,利用这种新的混合量子遗传算法对图像阈值进行优化得到最佳阈值,改进模糊边缘的检测算法。通过测试图像的边缘检测结果表明,该算法具有较好的检测模糊边缘和抑制噪声能力,用于边缘检测能获得良好的效果。     

基于动态阈值的彩色图像边缘检测方法

本文基于Canny算法,提出了一种改进的彩色图像边缘检测方法,通过大量的实验证明该方法是一种有效的彩色图像边缘检测方法。     

基于边图的重叠社团检测研究

社团检测吸引了大量的研究,在真实网络中,社团的层次性和重叠性交织在一起,然而到目前为止大部分工作只研究网络的层次性或重叠性。 2010年Ahn在Nature上发表的文章证明层次性和重叠性是网络相同现象的两个方面,针对社团检测在Ahn的方法的基础上提出了新算法：边图谱分析,将谱分析方法应用到边社团发现上,进行了兼顾层次性和重叠性的社团检测研究,实验中使用两个真实网络来对比边图谱分析算法、Ahn的算法和派系过滤算法,实验结果表明本文提出的边图谱分析算法实现了网络的重叠社团检测并且社团划分结果比较满意。