融合复小波特征和局部二值模式的纹理聚类

为了解决图像检索中聚类问题,对图像作双树旋转复小波变换,再对变换后的系数通过广义高斯模型建模后,计算Kullback-Leibler距离;对图像采用局部二值模式,计算图像之间的对数似然距离.将这2种距离采用事先计算得到的加权因子进行融合得到新的距离.在此距离的基础上构建邻接矩阵,对邻接矩阵采用谱聚类的方法进行聚类运算.实验证明,由于双树旋转复小波变换和局部二值模式之间存在互补性,在聚类过程中将2种特征距离结合起来,能够有效地提高聚类的正确性.     

基于保局映射的图像纹理聚类

为了解决图像检索中的聚类问题,提出一种改进的图像纹理聚类算法.在纹理特征提取阶段,采用双树复小波对图像进行分解,然后对每个高频段提取直方图签名作为纹理特征;在聚类阶段,根据数据分布的密度来动态地计算数据点的邻接矩阵,再采用保局映射进行降维,对降维后的数据进行k-means聚类.通过采用直方图签名的方式能有效地表示图像纹理在各个方向上特征信息,同时根据数据密度构建的邻接矩阵,能够和保局映射一起更有效地发掘数据之间的局部相关性.实验表明:相对于传统方法,该算法具有更高的聚类正确性.     

遗传算法在机器人踢球行为控制中的应用

遗传算法将其操作作用于一个称为染色体的位串上，通过复制、交叉、变异来产生个体之间的信息交换，并用适应度函数来度量个体在给定领域的性能，将遗传算法引入踢球行为控制，实验表明，随着进化代数的增加，机器人对球的控制可以达到一种近似最优状态。     

基于ARM与WinCE的掌纹鉴别系统

掌纹识别是个人身份识别的一种有效手段,而识别设备的小型化则将掌纹鉴别推向更广阔的应用领域.实现了一种基于ARM和WinCE的掌纹鉴别系统方案,ARM处理器从数字摄像头获取掌纹图像,提取特征,与掌纹特征库中的对应模板比对,根据匹配的结果给出一个开关信号量.实验证明该系统能以较高精度鉴别掌纹,软件采用的算法具有平移、旋转不变,光照与仿射部分不变等优点,对手掌的姿态、距离、位置变化具有较高的容纳能力,用非接触式的掌纹采集方式,不需要定位装置,充分体现该系统的用户亲和力.此外,该系统还具有体积小、成本低、低功耗等优点,适合应用于成本和功耗敏感的民用系统中.     

基于旋转复小波变换的图像纹理谱聚类算法

性.实验表明,本文算法能够较显著地提高聚类的正确性.     

基于JSP和Android的C/S结构问卷系统

为了方便问卷调查的实施过程,提高统计数据采集过程的效率,提出一种基于Android平台的手机问卷调查系统实现方法。该问卷系统是客户端/服务器结构的,服务端包括基于JSP的问卷设计模块、问卷信息统计模块、数据库,以及基于C#的Web Service用于实现数据库访问接口; 客户端是Android平台上的问卷交互系统,从数据库获取问卷信息,在手机上显示问题和选项供用户回答并把回答结果提交到数据库。该系统在Android模拟器上以及真机上都进行了测试,结果表明该系统能有效实现问卷调查功能。由于客户端可以运行在移动设备之上,该系统的实现可以使问卷过程随时随地进行,使调查过程更加便利和高效,拓宽问卷调查的客户群,因此可以为需要市场调查或社会调研的企业或机构所采用。     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

基于概率化模板和模糊逻辑的掌纹识别算法

提出一种基于主纹线的掌纹识别算法.该算法根据先验知识用不规则几何形状提取主纹线区域,有效过滤粗大噪声影响.提取的主纹线既保留位置结构信息,又保留纹线的强度信息,使提取的特征信息更完备.并提出概率化主纹线特征的概念,抑制特征纹线上随机点造成的影响.用信息融合的方法来存储模板,把来自同一手掌的多个训练样本提取得到的主纹线特征融合在一个模板内,在保证模板库中特征信息完整性的同时提高匹配的时间效率.匹配算法采用模糊逻辑的方法.实验证明,用该算法进行掌纹识别取得较高的验证精度和辨识精度.     

基于指节纹的个人身份自动识别

人体的指节纹具有稳定性且对于不同的人具有不同的位置和结构特征, 可作为身份识别的依据. 本文提出了一种基于指节纹的身份识别新方法: 对采集的手掌图像首先通过预处理分割出各手指并旋转至水平位置; 然后用Sobel算子求其水平梯度, 对梯度图二值化后经垂直投影得到一维向量; 对此向量应用小波去噪, 生成手指指节纹特征向量; 通过用余弦函数计算指节纹特征向量之间相似度实现最后的匹配. 本文用该方法对来自190个手掌的1900个样本进行了测试, 取得了0.67%的等误率, 单次匹配时间低于2ms. 实验结果表明该方法具有较高的识别精度, 而且识别速度快, 适合在大规模手掌库中实现手掌筛选.     

基于SURF算法和OpenCV的掌纹识别技术研究

该文提出了一种基于快速鲁棒特征算法和OpenCV的掌纹识别方法。首先应用固定阈值法将手掌二值化,并提取出有效掌纹区域。然后用快速鲁棒特征算法提取并描述该区域的特征点,再通过随机采样一致性算法进行特征点之间的匹配。最后,通过一系列测试对该系统的性能进行了评估,实验结果证明该系统对掌纹图像的旋转、亮度和尺度变化具有较好的鲁棒性,且具有比较高的识别精度和时间性能。