基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

基于局部分块特征的快速虹膜身份鉴别算法

提出一种新的虹膜身份鉴别算法.首先将灰度虹膜图像等分为若干个子图像,再将每个子图像等分为若干个子区域,将各点梯度之和最大的子区域中心点坐标作为各子图像的特征,各子图像的特征构成了该虹膜图像的特征矩阵,最后通过特征矩阵在空间上直接对准的方法进行匹配识别.给出了子图像和子区域大小的选择方法,同时给出了在人眼自然张开状态下不受遮挡干扰的可用虹膜区域大小对识别效果的影响.克服了之前人为规定子图像和子区域大小和选取固定可用虹膜区域大小提取局部纹理特征所带来的局限性.实验表明:1)人眼自然张开状态下,在虹膜区域超过50%不受遮挡时即可完成识别;2)算法运行速度快且对采集图像时左右各7°以内的旋转失真具有很强的容错能力.     

一种FFT和CZT联合的快速高精度频率估计算法

频率估计在通信信号侦察中占有重要地位,CZT算法以其直接、快速、经济的特点适用于当前对频率估计快速、高精度的要求.分析了CZT算法的特点,提出一种联合FFT和CZT的快速高精度算法.通过比较该算法与直接进行FFT计算的运算量,证明了联合算法的优点,并通过MATLAB仿真加以验证.     

基于模板匹配和特征点匹配相结合的快速车牌识别方法

介绍了一种简单易行的车牌识别方法。对于车牌灰度图像进行滤波去噪后先用峰谷法二值化，再用垂直投影法进行分割，最后进行模板匹配，并用特征点匹配对几组易出错的字符进行检查，从而得到车牌号。     

基于电子标签自适应特征点匹配方法的研究

在特征点匹配的基础上,提出了一种电子标签自适应的特征匹配方法.首先,两个特征之间的距离用于计算特征对的支撑区域大小,这与使用检测器提供信息以找到支撑区域的方法不同.其次,为了实现旋转不变性,引入了基于强度顺序的子区域划分方法.最后,为了与流行的描述符电子标签自适应特征变换和加速鲁棒特征进行比较,选择了高斯和快速Hessain检测器差异的检测点作为特征点的方法.将其他实验课题的方法与类似的提议方法进行比较,例如Tell's和Fan's.实验结果表明,提出的描述符在各种图像变换下优于流行的描述符,特别是在具有尺度和视点变换的图像上.     

一种高效的FFT处理器地址快速生成方法

地址产生器是FFT处理器的主要组成部分,地址快速生成和旋转因子读取次数是它的两个重要指标,但很少有算法能够将其统一起来。本文采取了一种新的操作数地址生成顺序并构造了一种新的FFT循环级数表示方法,基于操作数地址的位倒序方式,提出了一种兼有地址简单快速生成与避免重复读取旋转因子特点的可变长地址生成方法,解决了以往地址产生时生成速度与旋转因子重复读取之间的矛盾,实现了快速和降低系统功耗的统一。     

基于特征融合的人耳识别

分析Zernike矩人耳特征提取和非负矩阵分解（NMF）人耳特征提取的利弊。将线性判别分析的思想融入到NMF算法中,对传统的NMF方法进行改进。介绍一种融合特征人耳识别方法：将Zernike矩和传统非负矩阵分解融合提取人耳特征,得到一个分类能力更强的人耳特征矩阵,并采用BP神经网络进行分类识别,实验结果表明,应用融合特征方法提取人耳图像特征,可以提高识别效果。     

基于灰度-梯度共生矩阵的车轮踏面缺陷聚类分析北大核心CSCD

车轮作为列车走行部的关键部件之一,其踏面产生缺陷后会直接影响到列车的运行安全。为了能够在检测时准确识别车轮踏面缺陷不同类型,提出一种基于灰度-梯度共生矩阵的纹理特征提取方法,对踏面图像的灰度和梯度特征分析之后,根据灰度-梯度共生矩阵提取踏面图像纹理特征矢量,再结合K-均值(K-means)聚类优化算法对踏面缺陷特征量进行聚类,从而将踏面缺陷类型进行分类,并将分类结果用可视化数据显示。实验结果表明,采用上述所提方法,对车轮踏面缺陷不同类型的分类识别精度达96%以上。     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

运用遗传算法结合FFT进行多单元失效阵列校准

提出了利用遗传算法（GA）结合快速傅立叶变换（FFT）方法来进行阵列失效的校准,通过引入傅立叶变换的变换域和角域的映射,在变换域中利用FFT计算个体阵列的阵因子,减少了GA评估个体的时间,从而大大提高了失效校准的速度。以一个-35分贝副瓣电平的32单元阵列为例,校准一单元失效和二单元失效的时间都减少了至少一个数量级,算法也可应用于两个以上单元失效的情况。     

一端固定的双站SAR体制下基于距离补偿的毫米波快速成像算法

本文提出了一种一端固定的双站SAR(OS-BiSAR)体制下基于距离补偿的毫米波快速成像算法.在图像重构过程中,该算法通过保留回波模型中的幅度衰减因子来补偿信号传播衰减,并根据目标回波方程特性对接收阵列维执行了卷积操作,最后通过快速傅里叶变换(FFT)以及相干累加等步骤求解出最终目标图像.仿真分析和实验结果表明,与OS...     

基于链码和快速傅里叶变换的轮廓描绘方法

将八方向链码和快速傅里叶变换（FFT）相结合,提出一种新的形状轮廓描述方法。通过链码按顺序搜索物体边界,根据链码值的投影变换与轮廓的关系构造出轮廓的链码函数,对链码函数进行快速FFT,并对傅里叶描述符进行优化,提出了新的傅里叶不变因子描述符（FCFD）。实验结果表明,本文提出FCFD具有旋转、尺度和平移（RSS）不变性...     

基于图像分块的Harris-SIFT特征匹配算法

应用Harris角点和SIFT图像局部特征定量化数据描述的互补优势,提出了图像分块Harris-SIFT特征匹配方法。将原图像分割成子图像块,根据子块的可变阈值检测多尺度Harris角点,并对其进行迭代精化,使其收敛到真值,然后生成定量化的特征矢量。匹配应用双向最近邻算法并用RANSAC去除误匹配。通过仿真验证,这种方法增强了角点提取的鲁棒性,提高了匹配速度和精度。     

一种基于特征点的快速跟踪算法

目标跟踪技术是视频检测技术中一个十分重要的组成部分,为此,提出一种基于特征点的快速跟踪算法。该方法避免了困难的目标分割过程。采用两次帧差共同确定角点选择区域,利用Moravec算法提取合适角点;采用一种特别设计的包含不平滑区域的结构化模板获取更好的匹配点;利用预测点缩小搜索范围,降低计算复杂度和时间复杂度。实验证明该算法能够快速实现目标的实时跟踪,跟踪准确度高,对不同的场景都具有良好的鲁棒性。     

一种基于Fourier变换的人脸识别算法

针对现有的多数人脸识别算法在单训练样本时识 别性能并不理想这一问题,提出一种基于Fourier-Mellin变换的频域不 变性以及时域不变性的特征提取算法。首先,采用图像亮度作为原始特征,将对图像亮度标 准化以改善光照变化,通过应用2D小波变换降维来管理频域不变量的复杂度;然后,为进一 步改进识别性能,根据分析的Fourier-Mellien变换(AFMT) 以及正交Fourier-Mellin矩(OFMM)法不变量的特征,将两种算法混合,进行特征提取; 最后,利用分值标准化度量频域不变量与时域不变量,并存储到一个特征向量中用于分类。 通过最近邻分类器(NNC)和相关性系 数法(CCM)进行分类和融合。通过在YALE与ORL人脸数据库上进行了大量实验的结果表明, 本文提出方法的性能要优于传统的人脸识别算法。