基于一种刮擦式传感器的指纹采集与图像重组

采用新型刮擦式指纹传感器AES2510设计的指纹采集系统。简单介绍了AES2510的结构特点及其与处理器TMS320VC5416的硬件连接方法,重点研究了采集系统的软件设计,并根据采集图像的特点提出了一种简单实用的指纹图像重组算法,最后给出了实验结果分析。     

基于方差及方差梯度的指纹图像自适应分割算法

指纹图像分割指从图像背景中分离出有用的指纹区域的过程.利用图像方差及其梯度的性质提出一种自适应指纹分割算法.首先将待分割的图像分为3×3的块,计算块方差及其梯度,并以两者的乘积作为块特征;然后使用一种自适应的方法设定阈值完成分割;最后利用形态学方法进行后处理得到最终结果.在FVC2002和FVC2004数据库上的实验结果表明,该分割算法快速有效,且有较强的鲁棒性.     

基于ARM和滑动指纹传感器的采集系统

本文实现了由ARM9芯片AT91RM9200和滑动指纹传感芯片AT77C104BFingerChip构成的、基于Linux的指纹采集系统。同时利用一种快速的指纹拼接算法,拼接出完整的高质量指纹图像,使低成本、低功耗和小面积的滑动指纹传感器达到与传统的指纹传感器相同的效果。     

基于傅里叶变换的指纹图像增强算法

在指纹图像识别系统中,指纹图像的预处理是关键环节,而指纹图像的质量和合适的增强技术又是其中的最关键步骤。文章利用基于傅里叶滤波的指纹图像增强算法,在频域中对指纹图像进行处理,通过带阻滤波和方向滤波,取得了较好的图像处理效果。     

一种有效的指纹图像方向滤波增强算法 *

方向滤波是沿着指纹纹线方向滤波的方法。一种方向滤波算法的有效性主要依赖于指纹图像方向估计的准确性和滤波模板构造的合理性。首先利用对低质量指纹图像鲁棒性较高的掩膜法估计点方向 ,并将点方向转换为块方向 ;然后使用八个方向的平滑滤波模板和锐化滤波模板 ,对指纹图像滤波进行增强 ;最后对增强后的指纹图像二值化。通过对 FVC2000指纹数据库 DB2中的指纹图像作增强处理 ,表明该算法增强效果较好。     

基于指纹传感器的盲文识别算法研究

针对盲人学习或阅读盲文困难大的问题,提出一种基于指纹识别传感器盲文识别算法.首先,通过半导体指纹传感器触压盲文书获取盲文凸点图像;接着,对盲文图像进行图像处理,包括二值化分割、形态学滤波、形状识别,获得凸点位置;然后,通过坐标变换计算得到凸点的排列矩阵,并进行二进制编码得到唯一的索引号;最后利用索引号检索国家标准的盲文...     

指纹图像帧序列拼接的波形匹配算法

为了获得完整的指纹图像,提出一种基于波形匹配的指纹图像帧序列拼接算法.该算法从每个图像帧的参考区域提取波形信息,通过计算波形相似度并引入逐步求精的拼接策略,分3个阶段获得拼接参数,确定图像帧之间的重叠和水平移位.实验结果表明,文中算法运算量小、运算速度快、占用系统资源少,特别适用于资源有限环境中的自动指纹识别系统.     

基于Harris角点能量的指纹图像分割算法

指纹图像分割是自动指纹识别系统预处理过程中的一个重要环节。提出了一种基于Harris角点检测器的指纹图像自适应分割算法。首先利用Harris算子计算待分割图像的角点能量,然后使用一种自适应的方法设定阈值完成初分割;采用形态学方法进行后处理以减少分割错误,最后通过面积参数去除分离的残留噪声区域。在FVC2004数据库上的实验结果表明,该分割算法能够准确提取指纹有效区域,并且对低质量指纹图像具有很好的鲁棒性。     

基于Biohashing的指纹模板保护算法

针对Biohashing指纹模板保护算法存在用户令牌泄露时识别性能严重退化的问题,提出了两种改进的Biohashing指纹模板保护算法.该算法在指纹数据预处理的基础上,采用可变的步长参数和滑动窗口产生固定大小的二值特征矩阵,减少了指纹数据特征值之间的关联性,离散化的非线性处理过程能够获得更大的密钥空间,有效提高了算法的安全性.理论分析和实验结果表明,改进算法具有更好的安全和识别性能.     

一种改进的指纹图像增强算法

指纹识别一般包括指纹采集、图像预处理、特征提取及特征匹配等步骤.其中图像预处理中的指纹图像增强是最关键的步骤,直接影响特征提取和匹配.论文针对指纹采集中存在的指纹图像局部模糊的问题,提出了一种改进的基于Gabor函数的指纹增强算法.该算法首先对指纹图像进行归一化处理,然后对指纹图像分成奇异区和非奇异区分别进行点方向和块方向的求取,最后用改进的Gabor滤波器对指纹图像进行增强.实践表明,该方法能提高指纹图像增强的效果和速度.     

电容层析成像系统传感器场域新的剖分方法及图像重建

电容层析成像传感器的敏感场受多相流介质分布的影响，软场特性给图像重建带来很大困难，为了提高重建图像质量，对敏感场分布进行分析是非常必要的。本文采用有限元法，通过对敏感场场域采用两种不同剖分形式的比较，提出一种新的场域剖分形式，对敏感场分布进行计算机及仿真，依据敏感场计算的数据及测量结果，提出了基于遗传算法的图像重建算法。实验证明有限元模型是正确的，说明利用不等间距的剖分形式可以得到较好的仿真结果，重建的图像具有较高的精度。     

基于BSLA 最小二乘法的多功能传感器信号重构

最小二乘技术经常在利用若干测量数据评估被测变量的情况中使用，当使用这种方法来获得一个最佳线性逼近空间(BSLA)时，就会建立一个能够处理冗余度量数据的最佳解决方案，从而改善在三维空间环境中信号重构的效果(通常情况下，多功能传感器都是三元或三元以上的度量函数)。为此提出了一种应用最小二乘算法重构多功能传感器被测信号的方法验证其有效性，建立了仿真模拟电路，并给出了仿真结果和算法误差分析。     

一种有效的文本图像二值化方法

针对一般文本图像二值化方法--全局阈值法和局部阈值法所存在的不足,提出了一种整体与局部相结合的二值化方法,该方法根据文本图像的特点,自适应调整局部二值化的窗口大小,能有效避免断笔,伪影等现象,同时保持较快的处理速度。     

基于距离重构的无线传感器网络多维定标定位算法

无线传感器网络中基于多维定标的定位算法通常采用最短路径代替距离矩阵中的未知项,会导致较大的定位误差。针对这一问题,提出一种基于距离矩阵重构的无线传感器网络多维定标定位算法DR-MDS。算法利用节点间的公共邻居信息对距离矩阵线性重构,计算距离矩阵中的未知项,然后对重构的距离矩阵运用双中心化并进行特征分解,从而求得网络坐标。由于算法能够更为准确的获得网络节点之间的空间相对关系,并充分利用其空间相关性计算节点相对坐标,可获得较好的定位效果。仿真结果表明,本文提出的DR-MDS算法与MDS-MAP、ISOMAP相比定位精度更高,误差范围更小。     

一种基于压缩感知的无线传感信号重构算法

压缩感知(Compressed Sensing,CS)是一种基于稀疏信号的获取和恢复的新理论,能以较小的采样代价获得完整的信号.这一理论符合无线传感网络在带宽和采集能力局限下需要低代价采样的需求.但由于无线传感网络的开放性,其容易受到环境噪声的影响,特别是采用压缩感知方法进行欠采样,虽然可以减小获取数据的开销,但这种“不完整”的欠采样数据对噪声更加敏感.因此抗噪声的健壮的重构算法能有效保证信号重构的精度.文中提出了一种近似梯度下降算法(Proximal Gradient Algorithm,PRG)对噪声下的压缩采样信号进行恢复.该算法通过逐步迭代逼近的方式,求得约束方程最优解,进而还原出原信号.通过与OMP、SP、BP算法比较,PRG算法在噪声环境下表现出较好的重构性能.     

一种超分辨率图像重构算法研究

为了从低分辨率序列图像中重构出高分辨率的图像,该文在Robust超分辨率图像重构算法中引入了正则化因子,提出了一种新的超分辨率图像重构算法,它不仅消除了低分辨率图像中的奇变信息(bias),而且增强了抑制超分辨率图像重构噪声的能力。实验结果表明,该文提出的算法具有更好的效果(MSE值更小)。     

基于金字塔的图像恢复算法

针对图像传输的丢包问题，基于拉普拉斯金字塔，本文提出一种双向塔式恢复算法。该算法构建双向金字塔数据模型，引入权值矩阵，滤波提取低频系数，插值恢复高频系数。实验证明，在丢包条件下，该算法比拉普拉斯金字塔算法恢复图像质量的性能有较大提高。     

无线传感器网络分簇路由算法研究与改进

在LEACH协议基础上提出一种基于能量和距离的多跳路由算法AECRA(An Efficient Cluster-based RoutingAlgorithm)算法,根据节点的剩余能量和其到相邻节点的能量消耗来选取簇首节点,簇首节点和Sink节点间采取单跳和多跳模式通信,并采用Wardrop均衡原理选择"费用"最少路径传输数据。仿真实验表明,新算法有效的节省了节点的能量消耗,延长了网络的生存周期。     

机载位移传感器故障检测与信号重构

为了避免机载系统故障诊断与重构中单纯增加余度数目所带来的问题,针对电传飞控系统中应用较多的位移传感器,提出了一种基于特征的检测电路、检测方法以及信号重构方案;方案基于位移传感器工作时两次级线圈回路电压和值恒定的特征,实现了对初级、次级回路的一次断线检测,在检测到次级线圈一次断线时,又利用正常工作特征并根据另一次级线圈所获得的信息对断线信号进行重构;分析和测试表明,所提出的位移传感器故障检测以及重构算法仅需增加极少的硬件电路,且检测及重构方法实时性高,在不增加传感器余度数目的条件下,能大大提高系统的可靠性.     

基于图像重建的表情识别算法

提出了一种基于图像重建的表情识别算法。首先,用LE（lipschitz embedding）算法提取出训练集中各个对象的表情流形,并建立流形向量与图像向量的映射关系。再通过非线性重建,确定待测图像在流形空间中的坐标。最后,用待测图像在各表情路径上的投影,重建各种表情图像,实现表情识别。该算法解决了各表情流形相互重叠的问题,且对表情强度变化具有鲁棒性。在CohnKanade和CMUAMP人脸库上的结果实验表明,该算法具有较好的表情识别率。