不完全虹膜模式唯一性实验研究*

在虹膜识别中,常见的情况就是虹膜信息的不完整,许多文献已经表明在虹膜信息完全的情况下,虹膜的模式是唯一的,模式之间具有差异性,能够通过它的独立特征数来表示模式之间的可分性。但是实际中,虹膜模式受到的影响导致了虹膜模式的信息不完全,有的甚至只有很少的虹膜区域,究竟在小区域内虹膜是否还具有特征的唯一性,是虹膜识别能否实际应用需要考虑的问题。研究结果表明,部分虹膜区域仍具有相当多的独立特征,但随着虹膜区域的减小,错误拒绝率会增加。     

基于神经网络的性别识别方法

针对目前性别识别方法中的人体第二性特征提取困难、识别率低、鲁棒性差等问题,提出了一种基于神经网络的性别识别方法,并得到了基于人脸图像的性别识别分类器。文中先将人脸图像进行高斯滤波,再将预处理后的图像归一化用于训练BP神经网络,以得到性别识别分类器,最后将分类器与传统的性别识别方法进行比较。实验结果表明,通过文中方法实现了人体第二性特征自动提取,提高了分类器的容错能力和识别率,增强了鲁棒性。     

Proteus在单片机教学中的应用分析

单片机课程是电子信息类专业的重要课程,本文分析了传统单片机课程教学中存在的问题,提出应用仿真软件Proteus的解决方案。简述了Proteus软件的仿真特点和工作过程及与Keil软件的联调方法,详细分析了Proteus在“单片机”课程的课堂教学、课程设计和毕业设计中的应用特点,并通过实例说明了Proteus软件的仿真效果和良好应用前景。最后指出Proteus的仿真结果需应用于具体电路系统才能真正锻炼学生的软硬件综合开发能力。     

基于稳定特征的虹膜分类算法

虹膜分类中,由于虹膜的相似度计算会受到特征模板中不可靠和不固定特征的影响,使得虹膜分类的错误率(错误识别率＋错误拒绝率)增加.为了解决这个问题,本文提出了一种稳定特征提取的方法,从同一虹膜的多个图像中提取虹膜的稳定特征,并利用这些稳定特征建立该虹膜的特征模板,然后用于虹膜的分类.采用CASIA虹膜数据库进行测试,仿真结果表明,基于稳定特征的虹膜分类算法能提高虹膜分类精度和改善虹膜识别系统性能.     

一种利用神经网络提取运动模糊区域的新方法

针对传统提取区域方法受背景区域影响的现象,本文提出了一种基于频谱的人工神经网络提取模糊区域的新方法.对于局部运动模糊图像,其完全模糊区域和局部模糊区域的频谱差异较大,以此作为依据,利用径向基(RBF)神经网络其进行训练,逐步检测并提取出局部运动模糊图像的模糊区域.实验证明,该方法能较好地实现局部运动模糊图像模糊区域的提取.     

基于PCNN的车牌分割技术

近几年,随着神经网络理论的深入研究,神经网络技术的并行性计算能力、非线性映射和自适应能力等优点得到了充分的认识,各种神经网络模型在图像处理领域中得到了广泛的应用.脉冲耦合神经网络(PCNN)是20世纪90年代发展起来的新一代神经网络模型,特别适合于图像处理的各个方面.对PCNN在彩色图像分割上的应用进行了研究,将彩色图像空间变换成三个独立的分量作为PCNN的输入,实现车牌的定位分割,实验表明,该方法对于车牌的定位分割是有效的.     

基于几何特征的掌纹区域分割算法*

针对现有掌纹分割算法中存在丢失部分有效信息的问题,提出了一种新的五点掌纹分割算法。首先,用基于仿射变换快速方法找到手掌的最大内切圆;然后,又用坐标变换和角度标定的方法找到手掌上的五个特征点;最后,通过对这五个特征点的处理实现手掌图像的分割定位。仿真结果表明,该算法准确、有效,且所得掌纹有效面积明显大于其他分割方法。     

基于奇异值分解的彩色图像数字水印算法

提出了一种基于奇异值分解的彩色图像数字水印算法,嵌入和提取水印均在RGB分量的空间域内进行。仿真结果表明,该算法不仅对几何失真具有很强的抵抗能力,而且对添加噪声、滤波及JPEG压缩也具有良好的鲁棒性。     

面向CT影像的肺结节计算机辅助诊断算法

为了在早期能够发现肺癌,降低对肺结节的漏诊率,提高病人的生存率;基于模糊C均值聚类的算法,利用直方图统计特性对数据进行优化,在此基础上利用像素的邻域特性,将数据样本对各聚类中心约束条件为1改变为隶属度之和为样本总数;用改进的FCM对肺实质图像进行分割,将分割后的图像应用区域分割算法去除小面积区域,利用肺结节的关键特征,提取可疑区域;运用改进算法后,区域分割效果更好;仿真结果证明算法很好地将"线"形或分枝状结构的血管去除;改进的FCM有很好的实时性和对噪声的鲁棒性,分离血管后,将可疑区域在原图标记出来,使医生的工作更加明确.