一种基于子块图像互相关的虹膜识别方法

虹膜识别是一种新兴的生物特征身份识别方法,在场所或资源的安全控制等方面具有重要的应用价值。该文提出了一种基于子块图像互相关的虹膜识别方法。在特征提取时,把图像划分为许多子块,计算两幅虹膜图像的对应子块间的归一化相关系数,并把最小的几个归一化相关系数去除掉,然后求得剩下的归一化相关系数的均值及方差,作为两幅虹膜图像的联合特征。这能够有效地减小图像强度的局部畸变对虹膜识别的影响。为了实现模式的非线性划分,判别函数采用径向神经网络来构造。最后,进行了小样本实验,实验结果表明,这种基于子块图像互相关的虹膜识别方法是可行的。     

虹膜图象质量评价的研究

一幅虹膜图象采集后 ,首先要进行质量评价 ,再根据评价结果确定其是否可以用于虹膜识别 .将虹膜图象质量评价分为 3个部分 :虹膜检测、虹膜不可用区域的确定以及虹膜图象清晰度评价 ,即采用模板匹配法在图象中检测可能的虹膜 ,并利用虹膜图象的一些特征来校验其可信度 ;寻找虹膜与眼皮的边界线 ,计算虹膜被眼皮遮盖的面积 ,同时根据虹膜和瞳孔的边界参数来计算位于图象外虹膜面积的大小 ,以确定不可用虹膜部分的大小 ;用灰度差分累加和的方法计算瞳孔边沿的平均高度 ,以判断图象中虹膜的清晰程度 .实验结果表明 ,该方法能够有效地筛选出符合要求的虹膜图象 .     

虹膜图像自相关模型的研究

利用随机场自相关模型，对虹膜图像的自相关特性进行了深入的研究，把环状虹膜展开为矩形表示，以方便虹膜图像的自相关运算，然后，运用3种辨识方法，对简化的自相关模型进行了研究，实验结果表明，理论自相关序列能够较好地与实际自相关序列符合，这对虹膜图像匹配具有重要的意义。     

虹膜定位

为了提高虹膜定位的速度以及虹膜定位算法的健壮性,提出了一种粗定位与精定位相结合的两步定位法,用以进行虹膜定位,并对现有的虹膜定位算法进行了一些改进,实验结果表明,用两步法进行虹膜定位可以加快定位速度,减少搜索计算的盲目性。     

基于卷缩轮信息的虹膜识别

本文利用图像纹理元的灰度模式及统计特征完成卷缩轮的分割，并在卷缩轮分割的基础上实现对虹膜的识别；同时，运用该方法进行了实验，实验效果很好。     

基于纹理分布和Gabor滤波器的虹膜识别算法

该算法基干虹膜纹理的分布特点，将虹膜分成若干带，用Gabor滤波器对每带进行滤波编码，用各带Hamming距离的加权和来判决虹膜的匹配。与一些常规的算法相比，该算法充分考虑了不同区域的纹理特征对虹膜匹配贡献不同的特点，能有效地增大虹膜的类间距，利于进一步减少误识率和拒识率。该文给出了对CASIA虹膜库测试的数据，结果表明该算法是有效的和可行的。该算法已在一些场所的认证系统中试用，效果较理想。     

一种改进的A-W细化算法

针对一般细化算法在进行图像细化时会出现细化不彻底、过度腐蚀等问题,提出一种改进的A-W细化算法。改进算法采用高斯平滑滤波器对原始图像进行平滑,在A-W细化算法的20种细化模板基础上,增加3组细化模板进行第1次细化,并设计4种新的细化模板进行第2次细化。实验结果证明,改进算法能较好保持曲线的连通性,保留主线的细节特征,细化后的图像光滑无毛刺。     

单片机汇编语言程序设计的变量取值表技术

根据单片机汇编语言程序设计的特点,在程序开发过程中提出一个新的环节——变量取值表技术.应用变量取值表技术,可以提高编码及测试环节的效率.     

深度学习实时语义分割算法研究综述

语义分割是从像素的角度分割出图片中的不同对象,并对原始图片中的每个像素进行标注的一种技术。但由于无人机导航、遥感图像、医疗诊断等应用领域需要实时地进行语义分割处理。所以,基于深度学习的实时语义分割技术得到了迅速的发展。实时语义分割技术发展至今已有许多的技术与模型。基于此,在对相关文献进行研究的基础上,由语义分割技术引出了实时语义分割技术,并简单叙述了实时语义分割的优点。随后,研讨出目前实时语义分割存在的重难点。根据重难点进而对已存在的相关技术与模型进行阐述,并总结技术与模型的优缺点。最后,展望实时语义分割所面临的挑战,并对实时语义分割进行了总结与归纳,为后续的研讨提供了一些理论参考。     

一种基于小波变换的虹膜识别方法

虹膜上的纹理或结构的差异,是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的识别率,就必须运用虹膜图像的边缘信息.利用二维小波变换,构造出了一种新的虹膜识别方法.该方法的基本思想是对于小波多层分解的低频分量,用一种变形的互相关方法由粗到精地进行匹配,以筛选出少数匹配较好的虹膜图像;然后在第一级小波分解的边缘分量上提取图像边缘,并用一种新的基于边缘特征的距离量度对筛选出的虹膜图像进行最终识别.与国外的虹膜识别方法相比,该方法把全局特征与局部特征很好地结合起来,并且更为有效地利用了虹膜图像的边缘信息.