基于SURF算子的快速手背静脉识别

提出基于加速鲁棒性特征(speeded-up robustfeatures,SURF)的手背静脉识别算法.首先对手背静脉图像进行预处理,提取手背静脉感兴趣区域(ROI),然后提取手背静脉的局部SURF特征,基于欧式距离实现测试样本和注册样本特征点的匹配,并剔除错误匹配对,最后计算匹配率作为待识别样本和注册样本之间的相似度测试实现身份识别.利用TJU手背静脉图像数据库对算法性能进行测试,在认证模式下等错率为0.07%,平均识别时间0.153 s.实验结果证明该算法可以快速有效地实现手背静脉识别.     

图象特征点提取及匹配算法

针对图像特征提取与匹配的适应性和准确性的问题,本文提出将尺度不变特征变换算法应用到图像特征点提取与匹配。算法首先采用SIFT提取图象的特征点及其描述,然后采用基于置信度的匹配算法进行特征点的匹配。通过对不同光照条件、焦距、拍摄角度的图像进行特征点的提取及匹配,实验结果表明,本文算法对图像的平移、旋转和仿射变换具有很好的适应性和准确性,可以进一步应用到图像识别,图像重建等领域。     

基于Hessian矩阵的手指静脉图像分割

针对灰度不均匀、对比度低、边缘信息较弱的图像中的手指静脉纹路提取问题,提出了一种基于Hessian矩阵的手指静脉图像分割方法。该方法首先将高斯滤波器的二阶导数与原图像卷积得到了各像素点的Hessian矩阵,通过Hessian矩阵的迹初次滤除了非静脉区的像素点,接着求出了余下像素点Hessian矩阵的特征值,利用静脉区特征值所要满足的条件二次滤除非静脉区像素点,最后选取了多尺度下静脉区各像素点的最大特征值作为输出特征值,将区间内所有尺度下的特征值图进行了融合,经过二值化处理、形态学滤波处理得到了手指静脉纹路。研究结果表明,该算法能够较完整地提取宽度不一的手指静脉纹路,将静脉区域和非静脉区域分开,伪静脉像素点较少;同时,不需要遍历所有像素点的Hessian矩阵求其特征值,手指静脉图像分割速度比未优化静脉纹路提取算法快了0.036 5 s。     

基于神经网络和不变矩的路面破损图像识别

提出了一种应用BP神经网络识别沥青路面破损图像的图像分割方法.将路面图像等分,用灰度方差值描述子块图像特征,利用BP神经网络对子块图像进行模式分类,并将图像子块模式矩阵的不变矩作为图像的整体特征,在此基础上设计了基于全局优化算法的前馈神经网络分类器,并进行了图像识别试验,对二值图像进行特征提取,提出了学习算法,以加快收敛速度,从而实现图像识别.     

视觉SLAM中图像特征点提取与匹配算法研究

在视觉SLAM(visual Simultaneous Localization And Mapping,v SLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

手形特征点定位方法的研究

手形识别是指对手部的轮廓所构成的几何图形进行识别,提取的特征为手的不同部位的尺寸或是手指边缘的轮廓点集。二维手形图像的识别主要有手形轮廓点集匹配和手形特征矢量匹配两种方法。目前应用最多的是第二种方法,应用这种方法首先要准确定位手形轮廓上的特征点。总结了一些定位手形特征点的方法,找到这些特征点后才能选取适当的特征矢量进行手形识别。     

视觉测量中环形编码标志点的精确识别算法研究

视觉测量中,在待测物体表面分布一些易于识别的标记,可以提高特征识别的准确性和精度,保证多幅图像间特征点对应匹配的可靠性。针对在投影角度或图像噪声较大时,环形编码标志点识别率低的问题,设计了一种环形编码标志点作为标记,并提出了一种编码标志点精确识别算法。该算法首先使用Otsu算法提取椭圆边缘环状领域,并对环状领域点进行椭圆拟合求解椭圆参数;然后根据圆度与椭圆参数约束排除图像中伪标志点;最后通过计算编码环段内椭圆的灰度梯度确定编码环带的编码值。所使用的圆心提取算法能达到亚像素级精度。试验结果表明,该编码标志点识别算法受投影角度、图像噪声等因素的影响小,可以实现编码标志点的精确定位与准确识别。     

采茶机械手嫩芽识别与定位方法研究

为实现采茶设备的选择性采摘,针对嫩芽的识别与定位方法进行研究.通过对比各种色彩因子组合,提取G-B分量对嫩芽图像进行灰度化处理,并在传统分水岭算法的基础上,引入BM３D去噪算法和灰度拉伸法对待分割嫩芽图像进行处理,分割出较完整的嫩芽图像.然后通过SURF算法进行特征点提取,结合RANSAC算法和极线约束去除误匹配点,在最小外接矩形法与双目测距原理的基础上完成茶叶采摘点的三维空间定位.最后通过采茶机械手进行定位实验,实验结果表明该方法基本满足采摘要求.     

基于图像识别的锂离子电池正负极距离检测

电池极片边缘点在X射线图像中具有明显的光斑特征,其亮度值往往为该点领域内的局部极大值。基于以上事实,提出了:自动图像选取、电极边缘点在图中的位置提取、电池极片正负极距离的计算和正负极覆盖率的图像识别思路。由于图中存在无关特征,可能对进一步的图像处理造成干扰,因此首先提取了图中无关特征的灰度值,并采用了灰度拉伸法成功去除了图中无关特征。而后通过设置灰度阈值完成了对于图像中电池正负极区域的分割。接着,采用三种角点检测法提取电池极片边缘点的位置,并对比其效果。最后,计算了该方法的识别误差并分析其原因。     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

Iris Feature Extraction and Recognition Based on Fractal Dimension of Grayscale Extremums

This paper presented an individual recognition algorithm for human iris using fractal dimension of grayscale extremums for feature extraction.Firstly,iris region was localized from an eye image with modified circle detector stemmed from Daugman's integro-differential operator.Then,segmentation was used to extract the iris and to exclude occlusion from eyelids and eyelashes.The extracted iris was normalized and mapped to polar coordinates for matching.In feature encoding,a new approach based on fractal dimension of grayscale extremums was designed to extract textural features of iris.Finally,a normalized correlation classifier was employed to determine the agreement of two iris feature templates,and the feature template was rotated left and right to avoid the interference from rotation of eyes and tilting of head.The experimental resuits show that fractal dimension of grayscale extremums can extract textural features from iris image effectively,and the proposed recognition algorithm is accurate and efficient.The proposed algorithm was tested on CASIA-IrisV3-Interval iris database and the performance was evaluated based on the analysis of both False Accept Rate (FAR) and False Reject Rate (FRR)curves.Experimental results show that the proposed iris recognition algorithm is effective and efficient.     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于学习不变特征变换的兵马俑图像分区匹配

针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题,提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上,首先利用学习不变特征变换(Learned Invariant Feature Transform,LIFT)方法提取整幅兵马俑图像的特征;接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置,根据头部分割线将提取的特征分为头部特征和躯干特征;最终采用欧式距离进行分区特征匹配,对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus,RANSAC)滤除误匹配点集。实验结果表明:在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%,相比于SIFT和SURF方法正确匹配率提高了20%左右,特征点的可重复率提高了10%左右,同时将RANSAC的迭代时间降低了50%,而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配,在兵马俑的三维重建中具有很高的使用价值。     

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。     

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%～27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。     

基于单目视觉的视网膜三维重建技术研究

为了在视网膜疾病诊断中获得精度高、可视化好的视网膜,提出一种基于单目视觉的视网膜三维重建算法。该算法通过对两幅预处理图像的特征点提取确定匹配点对之间的对应关系,采用RANSAC算法去除误匹配点对,准确率高,用链匹配的方法使得多幅图像间的特征点匹配从而得到整体最优化结果。根据不同图像间特征点的对应关系,使用4通光束平差法确定空间中摄像机相对位置关系,使用PMVS算法实现视网膜的三维重建。实验结果表明,该算法具有很好的鲁棒性和稳定性,能较好地实现视网膜的三维重建。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

基于改进SIFT特征提取的车标识别

为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。