基于八元数的彩色掌纹特征提取与识别算法

综合4种传统算法和八元数BP神经网络,提出一种掌纹特征提取算法,自动提取彩色掌纹图像的掌纹线。对掌纹线图像进行二维小波分解,并构造七维特征向量,采用八元数矢量积表示算法进行掌纹识别。实验结果表明,掌纹提取算法能提取出较精细的掌纹线,识别算法的成功率可达96%。     

基于特征融合的非接触式掌纹识别

由于单一的特征描述掌纹中的所有信息,容易导致识别准确率低,因此提出一种边缘特征与纹理特征相结合的掌纹识别方法。先使用整体嵌套边缘检测模型和Gabor滤波器分别提取掌纹的边缘特征和纹理特征,再通过特征融合方法融合两种特征。最后,将融合后的特征图像输入到卷积神经网络,并得出分类结果。通过在不同的公开掌纹数据集上进行对比实验,结果表明本文方法取得了良好的结果。     

基于Contourlet变换和NMF的掌纹识别算法

提出一种基于Contourlet变换和非负矩阵分解(NMF)的掌纹识别算法。通过对源图像Contourlet进行小波变换,将提取出的低频分量用NMF法提取特征值,用最近邻方法进行分类。实验结果表明,该算法较单纯的NMF和2DPCA等算法识别性能有较大提高,能较好地捕捉图像的边缘信息。     

基于FESTO自动化仓库系统工件的图像识别研究

针对德国FESTO公司自动化仓库系统的工件识别问题,采用图像识别技术识别工件的颜色和位置,实现仓库信息的实时反馈。运用MATLAB软件采用RGB算法提取仓储工件颜色特征,通过向量组合形成该图像特征值。对所有样本的图像特征输入BP神经网络进行训练,并将经过处理的实时图像数据存储在INFOR数组中。在自动化仓库系统运行中,利用INFOR数组和实时图像对比,实现对工件的颜色识别与位置识别。     

基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术，目前的掌纹研究主要集中在掌纹特征线的提取算法上，而对特征线的筛选和匹配的问题讨论较少，掌纹上的纹线比较复杂，深浅粗细长短不一，实施任何一种边缘提取算法都要考虑纹线的取舍问题，首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法，较好地解决了掌纹的定位问题，然后提出了掌纹特征线族的概念，用以刻画掌纹上的主要特征，从而将掌纹纹线特征分为主要特征和次要特征．通过对主要特征与全部特征的双向匹配，给出最终的识别结果，将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库(90人450幅)上进行了比较实验，实验结果证明新方法可以处理原方法无法定位的掌纹图像，同时识别率也有明显提高。     

应用非负矩阵分解和RBPNN模型的掌纹识别方法

提出一种基于非负矩阵分解（NMF）和径向基概率神经网络的掌纹识别方法。NFM是一种有效的图像局部特征提取算法,用于图像分类时能得到较高的识别率。考虑PolyU掌纹图像数据库,应用NMF、局部NMF（LNMF）、稀疏NMF（SNMF）和具有稀疏度约束的NMF（NMFSC）算法分别对掌纹图像进行特征提取,并对提取到的局部特征基图像进行分析对比;在特征提取的基础上,应用径向基概率神经网络（RBPNN）模型对掌纹特征进行分类,分类结果表明了RBPNN模型对掌纹特征具有较好的识别能力。实验对比结果证明了基于RBPNN的NMF掌纹识别方法在掌纹识别中的有效性,具有一定的理论研究意义和实用性。     

基于卷积神经网络的掌纹识别

随着社会的发展,身份信息的安全问题日益凸显。为解决用户身份识别过程中受环境影响较大,以及掌纹识别时提取掌纹特征复杂的问题,本文进行了"基于卷积神经网络(CNN)的掌纹识别"的研究。运用该算法的优势在于简化了掌纹识别的前期预处理,可以直接将采集的原始图像进行输入,然后识别。通过卷积操作和最大池化操作,减少了训练参数量,大大节约了时间。最后使用Softmax分类器对结果进行分类。实验结果显示,该方法对不同人的掌纹有较高的识别率,克服了传统掌纹识别精度差,识别时间长,人工提取特征困难的缺点。     

基于子空间特征融合的两级掌纹识别算法

针对单一PCA或PCA只能提取掌纹的线性或非线性特征,单一分类器的掌纹识别率低缺陷,提出一种子空间特征融合的两级掌纹识别方法（PCA-KPCA-SVM）。首先采用子空间特征提取方法PCA、KPCA分别提取掌纹图像线性和非线性特征,然后基于融合特征总类间距离最大准则,计算出最佳的融合系数,得到PCA、KPCA的融合掌纹特征,最后将融合特征输入到欧式距离分类器进行掌纹识别,如果拒绝识别,则输入支持向量机进行二次识别。采用Polyu掌纹图像库进行测试实验,结果表明,相对于对比算法,PCA-KPCA-SVM提高了掌纹识别率,有效降低了掌纹的误识率和拒识率。     

基于Hu不变矩和BP网络的条形码图像识别方法

针对目前比较流行的一维条形码和二维条形码识别算法存在对几何失真图像的识别准确率较低的问题,提出了一种新的基于不变矩和BP网络的条形码识别方法,提取不变矩特征向量作为特征值输入BP网络,对其进行训练与测试,利用训练好的BP网络对形变条形码图像进行识别,实现了对存在旋转、平移和缩放等几何失真的条形码图像的正确识别.实验结果表明,基于Hu不变矩和BP网络的条形码识别方法具有很强的抗图像平移、拉伸和旋转识别能力,并且具有实现简单、训练速度快、识别率高等特点.     

轴承表面缺陷类型识别算法

针对生产和装配过程中轴承表面缺陷检测传统方法的不足,提出一种新的轴承表面缺陷类型识别算法。首先改进 Canny 算子以提高轮廓识别度,将 Sift 算法应用于缺陷区域提取,对轴承表面缺陷图像和无缺陷图像进行 Sift 图像匹配以定位缺陷区域,运用像素点的异或运算以精确提取缺陷区域。选择部分 Hu 矩值和几何特征值准确描述缺陷区域,将其作为 BP 神经网络算法的输入,从而最终识别出缺陷类型。实验表明,该方法提高了识别率,且具有非接触、速度快、精度高和抗干扰能力强等优点,较好地实现了轴承表面缺陷类型的检测。     

双树复小波变换结合LM神经网络的掌纹识别方案

针对现有掌纹识别方案不能够很好的提取多分辨率特征的问题,提出一种基于双树复小波变换（DT-CWT）和Levenberg-Marquardt（LM）神经网络的掌纹识别方案. 首先,将彩色手掌图像转换成灰度图像. 然后,提取出手掌图像中的感兴趣区域（ROI）,并构建成直方图. 接着,利用DT-CWT进行6层小波分解并获得特征系数,分别计算特征系数的最大值、平均值和中值构建36维特征向量. 最后,利用LM神经网络根据特征向量实现掌纹的识别分类. 在CASIA数据库上的实验结果表明,相比其他几种较新的识别方案,提出的方案的具有更高的识别率和更少的识别时间.     

基于模糊熵和BP神经网络的彩色图像边缘检测

在RGB颜色空间中,分别提取R、G、B三个分量并计算R、G、B三个分量的组合V,通过引入模糊熵,构造出4个基于模糊熵的信息测度分量来定量描述彩色图像的边缘特征,并将4个测度分量组成一个整体的特征向量,计算训练图像的特征向量作为样本对BP网络进行训练,然后将训练的BP网络直接用于边缘检测。该方法充分考虑了颜色空间中各颜色分量以及它们之间的相关性;BP网络的结构和训练都比较简单;实验表明,改进方法具有较强的细节保持能力,对弱边缘具有较强的检测能力。     

神经网络在彩色图像压缩中的应用

文中旨在提出一种基于神经网络的图像压缩算法对彩色图像信息进行处理,从而减少大规模彩色图像的冗余度,方便其传输、存储及加密等。该算法通过将BP（Back Propagation）神经网络用于彩色图像压缩,利用其多层前馈网络的模式变化能力,实现了对由RGB编码得到的彩色图像数字矩阵进行的压缩编码。经Matlab仿真实验表明,该算法具有良好的压缩效果,且与灰度编码下的图像压缩结果对比,具有更好的压缩效率及保真效果,并能有效地保留原彩色图像的色彩信息,能够满足彩色图像压缩处理的要求。     

一种新的基于统计向量和神经网络的边缘检测方法

通过构造不同的统计量定量描述了边缘点邻域灰度的分布特征,并将4个统计量组成统计向量.计算训练图像的统计向量作为样本对BP神经网络训练,然后将训练的BP网络直接用于边缘检测.新方法在统计向量的构造上充分考虑了边缘点和噪声点的区别,具有较好的抗噪性能;BP网络的结构和训练都比较简单;而且不需要设定阈值检测边缘.实验表明,新方法抗噪性能好,达到了令人满意的边缘检测效果.     

基于区域一致性测度的彩色图像边缘检测

针对在RGB空间很难有效区分颜色相似性的问题,选择HSI颜色空间进行图像处理和分析。首先计算饱和度、色度、亮度等色差分量,通过引入模糊熵,构造出一组基于模糊熵的信息测度分量来定量描述图像的边缘特征。利用训练样本获取该组分量,并组成一特征向量对BP神经网络进行训练,然后将训练的BP网络直接用于边缘检测。BP网络的结构和训练比较简单,而且不需要设定阈值检测边缘。实验表明,该方法具有较强的细节保持能力,达到了令人满意的边缘检测效果。     

利用Stein-Weiss解析函数性质的3维血管分割

目的 针对现有的血管分割方法对血管的分割精度尚有不足,尤其是对噪声等影响下的断裂血管,基于Stein-Weiss函数的解析性提出了一种新的3维血管分割算法,能够分割出更精细更清晰的血管。方法 首先,通过图像增强和窗宽窗位调节的预处理来增加血管点与背景的对比度。然后,将Stein-Weiss函数与梯度算子结合起来,把CT体数据的每一个体素都表示为一个Stein-Weiss函数,体素6邻域的灰度值作为Stein-Weiss函数各组成部分的系数。再求出Stein-Weiss函数在x、y、z 3个方向上的梯度值,大于某一个阈值时,便将此体素视为血管边缘上的点。最后,根据提取出血管边缘的2维CT切片重建出3维的血管。结果 对肝静脉的造影数据S70进行肝脏血管分割与3维重建的实验结果表明,利用该算法进行血管分割的敏感性和特异性相对于区域生长算法和八元数解析分割算法都较高。尤其是对于血管分割的去噪方面有明显优势,因此能够快速有效地分割出更清晰更精细的血管。结论 提出了一种新的血管分割算法,利用Stein-Weiss函数的解析性来提取血管的边缘,实验结果表明,此算法可以有效快速地去除血管噪声并得到更精细的分割结果。由于Stein-Weiss解析的性质可以适合任意维数,所以利用Stein-Weiss解析函数性质可以进行2维或更高维的图像边缘识别。     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

基于EMBP情感神经网络的人脸识别算法研究

在传统BP神经网络基础上,引入情感因素,重新构建了BP神经网络结构,建立了EMBP情感神经网络,给出了EMBP网络的权值修正算法,把该算法应用于人脸识别.采用奇异值分解（SVD）对人脸图像进行信息压缩,提取人脸数据的奇异特征值作为EMBP情感神经网络输入信号,并设计EMBP人脸分类器.实验结果表明,在奇异值特征个数保持不变前提下,随着参与训练样本数增加,系统的识别率逐渐提高,EMBP的性能比普通BP有明显的提高.     

基于神经网络的杂草图像分割算法

在自动除草系统中优化杂草图像分割算法是降低识别误差的有效途径,为此提出了一种基于神经网络的分割算法。首先由训练样本统计出植被和背景在RGB颜色空间的分布概率,接着通过Bayes理论得出最优分割曲面训练BP神经网络,再通过BP神经网络将各种颜色分为植被和背景两类,并据此分割杂草图像。与其他三种杂草图像分割算法比较,新方法以颜色代替像素点为研究对象并据此构造最优分割曲面从而减小了分割误差并具备较好的泛化能力。