基于局部SIFT分析的手背静脉识别

针对新兴的手背静脉识别技术,提出了一种具有位移和旋转不变性的局部尺度不变特征(SIFT,scale in-variant feature transform)分析方法.首先确定手背静脉图像的感兴趣区域(ROI)并对其进行滤波去噪,然后提取手背静脉血管的SIFT并对特征点进行匹配,最后计算注册样本和待识别样本的特征匹配率并以此作为相似性测度进行身份识别.利用我们建立的手背静脉血管图像数据库对该算法进行了性能测试,并与目前最典型的识别方法进行了对比.实验结果表明,本算法具有更好的识别性能,其中识别速度得到了很大的提高.     

基于Contourlet子带能量特征多HMM融合的静脉识别

为了准确识别人的身份,该文提出了一种以轮廓波(Contourlet)变换后不同尺度下的子带能量为特征,建立并融合多个隐马尔科夫模型(HMM)的手背静脉识别算法。该算法首先采用了光强可调的近红外阵列光源,通过逐步增加光强来获得手背静脉图像序列;而后,将每一静脉图像进行Contourlet变换,并计算不同尺度下每一子带的能量,以3个尺度下子带能量作为特征观测值建立3个HMM;最后,融合3个HMM计算得到的观测值发生概率,将融合结果与阈值作比较,从而完成静脉识别过程。实验结果表明,提出的算法可以使真实匹配与虚假匹配的区分度最大化,与基于特征点或静脉信息融合的识别算法相比,正确识别率得到了提高。     

基于NIBLACK改进算法的静脉识别特征提取

静脉识别是一种新兴的生物特征识别技术,为了满足静脉识别中的特征提取需求,对手背静脉提取方法进行了研究。首先采用CLAHE算法对手背静脉图像进行增强处理,然后针对传统NIBALCK二值化算法的不足,提出一种局部静态阈值与NIBLACK相结合的改进算法。实验证明,该方法能有效消除传统方法中噪声过多、纹络断裂的现象,克服光强因素对图像提取的影响,保持完整清晰的静脉纹络结构,从而满足后续识别工作的需要。     

手背静脉图像ROI提取算法研究

手背静脉识别是新兴的身份认证技术,与指纹识别相比,具有活体识别、内部特征、非接触式等优点,其关键点之一是对静脉图像感兴趣区域精准定位。文章提出了结合Canny边缘检测算法和Freeman链码的手背静脉感兴趣区域定位算法。实验结果表明,该算法能够克服手形姿势变化的影响进行准确定位,具有良好的鲁棒性,对手背静脉身份特征识别技术研究具有参考价值。     

基于神经网络的枣树红蜘蛛识别研究

针对目前枣树病虫害防治过程中害虫的自动识别问题,文中以枣树害虫红蜘蛛为研究对象,介绍一种基于BP神经网络技术和图像处理进行枣树虫害识别的方法,即利用图像处理技术,结合枣虫害颜色特征、几何特征实现枣树虫害图像的特征提取。并利用Matlab完成对神经网络的训练和测试,构建图像自动分类器,实现枣树虫害图像的自动识别。同时通过对实际采集到的图像进行验证,识别率结果达到了95.3%,证明了文中所提方法的有效性和鲁棒性。     

一种新的提高掌纹识别率方法的研究

生物特征识别技术是通过人体本身所固有的、唯一的生理特征来自动地识别一个人。针对掌纹图像具有终身不变性、唯一性、主要特征明显、细节特征唯一等特点,论文提出了一种有效提高掌纹识别率的方法,即结合图像中的主元特征、不变矩特征和线特征的提取方法。该方法与单独使用主元特征提取、不变矩特征提取和线特征提取的方法进行了比较实验,结果证明新方法的识别率有明显提高。     

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。     

基于智能识别与增强现实的电力设备巡检技术研究

针对电力设备的智能化巡检需求,提出了一套基于智能识别与增强现实的电力设备巡检技术方案。该方案依托于智能设备图像采集,使用增强现实技术建立图像数据库,并利用CNN模型实现电力设备图像的显著性计算及焦点定位。在此基础上,采用DCNN网络图像进行预训练和多维度特征提取,结合随机森林算法对增强后的图像进行智能识别。实验测试数据结果表明,相比于现有算法,所提技术方案对于不同类型的电力设备缺陷均具有更高、更稳定的识别率,同时在训练时间与识别效率上有较为显著的提升。     

近红外静脉图像可视化算法

目前的静脉访问辅助设备通常利用近红外成像技术采集静脉图像。在直方图均衡化增强静脉图像的基础上,针对手背静脉穿刺辅助装置的实时性要求,本文提出按键触发检测的方式来实现静脉血管宽度可视化算法。该算法在医护领域进行实际系统的临床应用,可有效提高静脉访问成功率、减轻医护人员工作难度并造福病人。     

人脸画像识别研究

利用几何特征法、特征脸法和动态模板匹配法来进行画像特征提取和识别,试验表明根据文中设计的模板系统,动态模板匹配法具有较好的识别效果,相比识别率可达到82.2%.     

面向考场的身份认证系统的设计与分析

为了克服考场上传统身份识别的弊端,文中设计了基于指纹识别技术的身份认证系统.为了提高指纹识别率,文中对指纹识别核心技术,即指纹特征提取和指纹匹配算法进行了设计.最后对系统的认证协议、运行效率、安全性进行了定性分析.     

基于体态的视频人像特征提取与比对

信息技术的发展壮大和应用的快速普及,利用计算机技术在图像处理方面的研究,并对视频图像中的人体行为进行特征提取和有效识别已成为日益关注的热点问题。然而如何构造有效的特征来对视频当中的人体动作进行描述一直是一个非常有挑战性的问题。对视频图像中的人体特征进行识别,是对视频图像的序列进行分析处理,并对检测出的人体运动目标进行特征提取和分类识别,从而达到理解和描述其行为的目的。人体行走的身体轮廓具有唯一性,是运动时的静态特征。同时人在行走运动中会带动上百处肢体的同步运动,人体的这些肢体角度包含了大量的运动信息,用于描述人体动态特征,可以很好地表示人的身份,并且容易与其它特征相结合。人体行为特征的提取与识别需要生物识别技术来识别和判断运动中的人的行为、区别个体身份。     

基于Fihserfaces算法的人脸识别

Fisher鉴别是一种有监督的特征提取技术,因其计算简单、分类效果良好而得到广泛应用。文中使用基于Fisher鉴别数值分析技术,对人脸数据进行特征提取,再使用最小距离分类器进行分类识别。该算法在ORL和YALE人脸库进行了实验,根据统计对ORL人脸库和YALEA人脸库的识别率分别为94.00%和89.33%。实验结果表明,Fisherfaces算法对于人脸库中的图像有较高的识别率。     

基于人体手指静脉特征的身份认证系统设计

针对指纹识别、手形识别、虹膜识别、人脸识别等常见的生物认证技术的缺点,文章深入研究了一种基于人体手指静脉特征的身份认证方法。根据手指静脉不同区域灰度差别较大的特点,提出了一种分区域处理与形态学图像处理相结合的方法,分离出了静脉和背景,并且为了减少系统响应时间,引入了将图像归一化的思想;最后,将手指静脉纹路进行了细化,并用模板匹配识别的方法实现了整个系统的设计初衷。     

用于手背静脉注射的图像自动识别与标注

针对医疗领域的手背静脉识别研究甚少的问题,提出一种用于静脉注射的手背静脉自动识别的方法。分析了静脉穿刺的特点以及适合注射的静脉条件,在近红外光下获得全局手背静脉图像的基础上,首先对图像进行预处理获得完整的细化图像,再利用改进的区域生长法分别对每条静脉进行提取和分析,最后用模板匹配法识别选择最适合穿刺的静脉部分。实验结果表明：该方法能够实现对适合注射的静脉部分进行自动识别与标注。     

基于手指相对长度的手形识别方法

针对手指长度具有可测量的特性,提出了一种基于手指相对长度进行身份识别的方法.首先通过曲率的方法定位特征点,依据特征点计算手指的绝对长度;然后应用绝对长度间的相对长度构成特征向量;最后计算特征向量问的欧式距离,实现身份识别.实验表明,通过人工测量254个人的手指长度,利用手指的相对长度进行身份识别可以达到80.86%的识别率;从中选择180个人进行试验,应用本文的特征提取和匹配算法可以达到78.52%的识别率,识别效果接近实际测量值.     

基于体绘制思维的人脸识别算法优化研究

传统的人脸识别算法主要解决二维正面图像识别,如果人体姿态发生明显变化,或外界环境发生显著变化,则算法性能大大降低,无法获取准确的识别结果。体绘制算法针对三维数据场进行绘制,绘制的图像能够描述人脸的内部细节,可提高人脸识别精度。因此,提出一种基于体绘制思维的人脸识别算法,依据聚类思想对二维人脸库进行聚类,在各分类的基础上,构建人脸相似模型。通过错切变形体制算法,构建人脸体数据,实现人脸体数据坐标系统的转换以及人脸三维图像的合成,从人脸三维图像中采集人脸特征,利用相似性模型对人脸关键特征同数据库已有的特征进行匹配分析,完成人脸身份识别。实验结果说明,所提算法对于不同表情和不同光照条件下的人脸图像,都具有较高的识别率和鲁棒性。     

一种近红外手背静脉图像识别算法

为了避免传统静脉图像识别中分割细化步骤的错误,文中提出了一种基于分水岭算法的近红外手背静脉图像识别方法.该方法利用分水岭算法从灰度静脉图像中取得静脉的的骨架特征,根据骨架的交叉点和端点等特征点,运用改进的Haudorff距离来计算手背静脉模式的相似度.在手背静脉样本库上进行测试,取得了0.1%的等错误概率(EER) 实验结果表明该算法可以作为一种有效的身份认证方法.     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题,提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集,并将数字图像处理算法与传统足迹检验法结合,提取足迹的区域关系特征和形状长度特征,进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明,所提方法准确率超过人工鉴别准确率,达到99.1%,可应用于战场感知及侦破现场足迹准确检测与识别,也可推广应用于人体身份鉴别的相关领域。     

基于PCA和BP神经网络的步态识别系统研究

步态识别是生物特征识别技术中的一个新兴领域,它根据人们走路的个体特点进行身份识别,具有非侵犯性、难以隐藏、对系统分辨率要求低、远距离识别等优点,已成为基于视觉的人体运动分析的研究热点。该文提出了基于主成分分析(PCA)的特征提取方法,有效地对高维步态轮廓特征进行降维,再利用BP神经网络进行特征分类识别。实验结果表明,算法达到了较高的识别率。