改进的快速Otsu自适应分割算法及其应用*

对Otsu算法因灰度直方图峰值不明显导致分割效果差提出了改进,根据分割目标背景信息的先验值对类内灰度值进行调整,通过迭代计算,使类间方差最大化,从而自动确定阈值,并应用于虹膜图像分割。实验结果表明,该算法对虹膜图像分割效果好,运算速度快,具有一定的鲁棒性和自适应性,可用于虹膜图像的实时分割。     

运动模糊图像的质量分析与评价

提出了一种新的图像质量评价标准,通过图像的运动模糊参数来估计出图像由于运动而造成的信息损失量,并通过信息损失的多少来评价图像的质量。实验表明,该方法能客观地体现出运动模糊图像的质量与运动模糊参数之间的关系,这种关系对于图像的质量评价特别是有参考条件下的图像质量评价具有良好的效果。同时还根据活动度和图像灰度梯度能客观地表示图像细节部分的特性。将图像分块,并从8个方向对图像进行分析,客观地评价出无参考条件下直线运动模糊图像的质量。     

不同光照下的虹膜边界定位研究

对于不完美的个人身份鉴别，高精度的虹膜区域分割有助于后面的特征提取和分类识别。不同光照下虹膜的边界定位适于采用微积分方法，但是这种方法容易受到光源像点的影响，使得定位失败，并存在实时性差的问题。本文采用亮点梯度检测方法消除光源像点干扰问题，通过瞳孔位置估计提高微积分定位快速性。仿真结果表明，本文算法对于不同光照下虹膜的边界定位是有效的。     

深度学习算法研究进展

深度学习是人工智能领域的研究热点,利用深度学习支持人工智能的研究工作已经是必然趋势,在图像、语音、文本等领域已经展现出性能优势。对深度学习相关文献进行了分析研究,介绍了深度学习的概念和方法框架,综述了当前深度学习模型及其应用情况,分析了深度学习需要突破的瓶颈,指出了深度学习未来的研究方向。     

基函数神经网络权值直接确定的图像复原

给出了基函数神经网络图像复原的模型,该神经网络模型是由三层构成的前向神经网络,以一组正交基为隐层神经元的激励函数。为了避免反复迭代权值修正的冗长BP训练过程,提出了一种权值直接确定的算法。实验结果表明,该种权值直接确定算法不仅能一步确定权值而获得更快的运算速度,而且能达到更高的精度。     

基于Metropolis准则的BP神经网络学习算法研究

本文针对BP神经网络训练学习过程中，连接权在调整时容易陷入局部极小使得进一步调整失去作用的问题，提出了一种有助于提高BP神经网络逼近精度的方法——基于M!缸。酬逸准则的神经网络学习算法。该算法整体采用传统的BP算法，但在一定条件下依据概率进行连接权的调整，使权值以一定的概率跳跃，跳出局部极小区，最终达到全局极小。仿真结果表明了这一算法的有效性。     

采用CCD图像传感器的测温方法及实验研究

利用CCD进行温度测量是目前研究较多的测量方法，但是在实际应用中，其测量原理比较复杂，通过它的原理进行温度测量实现起来有一定困难。为此许多科技人员致力于这方面的研究。本文中提出了一种新的方法——基色相减测温，通过对彩色图像中的R、G、B值进行一种简单的减法运算、建立温度测量公式，采用该方法在实验室对黑体炉温度进行了实验研究，结果表明，基色相减测温方法简单、有效。     

Hough变换在虹膜区域分割中的应用*

Hough 变换是计算机视觉中用来检测物体几何形状的常用算法, 它可以容易地检测出图像中出现的直线、圆以及其他形状。在虹膜识别系统中, 确定虹膜区域正是需要从图像中提取出圆形的虹膜边界和眼皮部分。对Hough 变换做一介绍, 并对虹膜图像分割中的应用进行研究。仿真结果表明, Hough 变换对于已知形状的图像分割是有效的, 在虹膜区域分割精度是很高的。     

多尺度融合增强的图像语义分割算法

针对现有的图像语义分割算法存在小尺度目标丢失和分割不连续的问题,提出多尺度融合增强的图像语义分割算法,该算法在DeeplabV3+网络模型的基础上,通过构建多尺度特征提取和融合增强网络提高了对小目标特征的描述能力,使网络在分割大目标的同时也能获得小目标的特征信息,从而解决了语义分割时小尺度目标丢失和分割不连续的问题。在Cityscapes数据集上实验的结果表明,改进后的算法明显提升了小目标分割精度,解决了分割不连续的问题。最后在公开数据集PASCAL VOC 2012上进一步验证了改进算法的泛化性。     

虹膜采集系统中图像质量评估的研究

虹膜识别系统中,虹膜图像质量的好坏直接影响识别的精度。针对虹膜采集过程,提出一种全面的虹膜质量评估方法,利用直方图对虹膜图像进行总体评估、对瞳孔定位;利用瞳孔圆心与亮斑重心之间的距离判断亮斑的位置与瞳孔的偏离度;利用总有界变差对虹膜感兴趣区域进行清晰度的判断;利用直线拟合法定位眼睑并对虹膜有效区域进行判断。实验证明,本文提出的方法切实可行。