基于简单方向场的指纹中心点快速检测方法

指纹中心点周围分布着大量的可以直接识别的特征信息,本文提出了一种检测指纹中心点的快速简单的算法,利用基于块的指纹方向场,二值化后得到简单方向场,基于这种简单方向,可以定位指纹奇异点的所在的块,在由指纹预处理后细化图像,可以快速精确定位指纹中心点所在的位置。     

一种改进的指纹分类方法

指纹分类可以大大减少在指纹数据库中的匹配次数,缩短匹配时间。本文在指纹块方向场的基础上,利用其方向方差进行滤波,得出各奇异点的连接路径,并结合核心点与此路径形成一种改进的指纹分类方法。该方法以指纹块方向场为基础,符合指纹分类的全局思想,而非关注于细节特征,并简化计算。经过方向方差滤波后的指纹图像不仅可以利用奇异点的相对位置进行指纹分类,而且克服了奇异点丢失的弊端。本文针对滤波后的图像特征,提出了基于方向方差滤波的分类算法,通过实验验证了本算法的有效性。     

基于连续分布方向图和改进的Poincaré Index的指纹分类

本文提出了指纹连续分布方向图(场)的概念及其算法,连续分布方向图具有很好的连续性、渐变性、抗噪性和较高的精确度;对经典的Poincaré Index计算公式和指纹奇异点检测算法进行了改进,改进后的Poincaré Index不仅能精确表示向量场的旋转角度,而且还能精确表示向量场的旋转方向,能够在像素级水平精确定位指纹奇异点(core 点和delta点).在此基础上,提出了一种新的基于连续分布方向图和改进的Poincaré Index的5类自动指纹分类算法,在江苏科技大学指纹库(含4000幅指纹)上的分类结果表明,本算法能抗任意角度的指纹图像旋转,成功地解决了指纹分类中的图像平移、旋转和形变不变性问题,分类正确率达到97.05%,具有较好的健壮性,满足实用要求.     

一种指纹奇异点区域图像增强算法

指纹图像奇异点附近区域的增强一直是指纹图像增强的难点,针对Separable Gabor滤波会破坏指纹邻近奇异点区域的纹线结构,方向傅里叶滤波在一般区域修复指纹纹线效果不明显这一问题,本文融合两种算法的优势,提出一种新的滤波方法(FS-Gabor)。先对指纹图像进行预处理,得到指纹的方向、频率信息和掩膜信息。接着找出指纹图像的奇异点,并在奇异点附近标记出一定大小区域。最后根据像素点的位置采用不同的滤波方法。同时,本文提出了一种改进的指纹图像频率估计方法,扩大了指纹图像有效区域面积。实验结果表明,经本文方法滤波的指纹图像的EER(Equal Error Rate)比方向傅里叶滤波低26%,比Separable Gabor低49%。     

一种新的Harris多尺度角点检测

Harris角点检测是一种经典的角点检测算法,但不具有尺度变化特性。该文把多分辨分析的思想引入到该算法中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的基于小波变换的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、角点位置偏移和易受噪而提取出伪角点等问题。通过对比实验,新算法明显地提高了图像角点检测性能。     

基于稀疏训练点和指纹重构的室内可见光三维定位算法

目前构建基于机器学习的室内可见光定位模型主要依赖于光电二极管和指纹数量,为了降低指纹采集的复杂度,提高定位精度,提出一种基于指纹矩阵稀疏重构的室内三维可见光定位算法。该算法利用极限学习机训练稀疏采样点,采用奇异值分解和交替方向乘子法求解稀疏指纹矩阵的重构问题。该算法可以有效降低指纹的采样率,同时可以基于极限学习机算法较强的泛化能力提高定位速度和定位精度。在此基础上,由于可见光的多径反射等因素的影响,定位区域的边界定位误差大于内部定位误差,通过引入一种边界修正定位算法,可以有效降低边界定位误差。仿真和实验结果表明,与传统的机器学习算法相比,该算法在减少其所需指纹数量的同时,具有更高的定位速度和精度。     

基于关键特征点决策的广义 Hough 变换目标定位快速算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量、存储量相当庞大且同时保证速度和精度存在困难.为解决该问题,本文提出基于关键特征点决策的广义Hough变换目标定位快速算法.图像关键特征点包含稳定的图像信息且数量不大,因此基于角点信息的广义Hough变换检测任意形状物体的效率得到提高.检测过程首先利用模板图像的关键特征点——角点建立局部R表,然后将待检测图像中的角点依据局部R表对平移、缩放系数s和旋转角度β进行高精度全局搜索,完成对实际参考点的投票累积过程,提取累积矩阵峰值从而得到其对应的参考点位置以及s和β的参数值.实验表明,本文算法也适用于局部遮挡等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义.     

基于环境差异度的自适应角点匹配算法*

基于图像灰度梯度提取的Harris角点,由于角点近邻处其灰度梯度的对比度不明显而造成检测定位偏差,从而导致角点的误匹配率的提高.针对该现象提出了一种“虚影点”改进,同时引入环境差异度作为评判原则,自适应调整角点间的竞争机制的残酷度,结合奇异值分解最终达到优胜劣汰的匹配效果.实验证明,该算法在不影响角点匹配速度的情况下,与其他算法相比对角点的匹配精度有很大的改善.     

基于极大似然估计的奇异点检测

信号的奇异点往往包含信号比较重要的信息,对其进行检测和定位在许多实际问题中都有重要的意义。根据脉冲型奇异点的特点,提出了一个基于极大似然估计的脉冲奇异点检测方法。该方法利用Bernoulli概型来建模,用于对脉冲奇异点的检测,将脉冲奇异点的检测问题转化为一个参数估计问题,并利用极大似然估计方法给出了参数的估计。通过对大量的仿真信号及真实信号脉冲奇异点的检测证明,该检测方法计算简单,行之有效。     

基于旋转不变的角点匹配方法

针对存在旋转的两幅图像,提出了基于主方向和灰度相关的角点匹配方法.构造每个角点邻域的梯度直方图,以确定角点的主方向.在匹配过程中,用极线约束确定一幅图像中的角点在另一幅图像中的候选匹配角点;建立待匹配角点和候选匹配角点的左右邻域窗口,并根据两角点的主方向旋转右邻域窗口,再进行灰度相关系数计算,确定最终匹配的角点;最后用松弛法消除虚假匹配.该算法首次将经典的灰度相关法应用在大旋转和平移的宽基线图像匹配中,克服了传统灰度相关法不能处理大旋转的图像匹配问题.实验结果表明:本方法具有稳定性、可靠性和快速性,有一定的实用价值.     

Fingerprint singular points extraction based on the properties of orientation model

A novel method for fingerprint singular points extraction including location and orientation is proposed based on some properties of the orientation field models.Singular points are located by clustering the results of corner detection.Then,through examining the sub-block orientation fields at a number of selected positions on concentric circles centered about the located singular point,an iterative method based on the orientation differences is proposed to compute the orientation of the core point.Experimental results on NIST4 and FVC2002 four databases demonstrate the proposed method can consistently locate singular points with the high accuracy.The location and orientation of the detected singular points can be used for alignment(translation and rotation) parameters in fingerprint matching.     

改进的SUSAN角点提取算法

采用了一种改进的SUSAN角点提取算法。SUSAN角点提取算法主要利用了角点周边的纹理分布特性,即在角点的某个区域内的像素灰度与角点的相似性来完成角点的提取。在此理论基础上,研究了一种新的基于SUSAN理论的改进的SUSAN角点提取算法,该算法利用了角点附近像素灰度的纹理特征来完成角点的提取,即通过控制与核心点相似的点的连通性与数量来确定该点是否为角点。并且针对阈值T固定选取的问题,采用了一种自动选取阈值的新方法。为了进一步验证所提取角点的实用性,利用特征点匹配对其进行了匹配验证。并通过仿真实验对其进行了检验。     

红外与可见光图像自相似性特征的描述与匹配

针对红外与可见光图像匹配的难题,提出了一种基于自相似性的异源图像点特征匹配算法。首先对红外与可见光图像进行小邻域平方和计算;再通过构造高斯金字塔,运用FAST-9进行角点检测,使得检测的特征点具有尺度属性;然后,统计特征点邻域的特征信息以确定特征点的主方向;再求取在相应尺度下特征点邻域的相关平面,对相关平面进行区域划分,提取每个区域相关平面的极值以构造100维的自相似性描述子,并对描述子进行归一化处理;而后,剔除不良特征描述子;最后采用最近邻匹配算法进行特征匹配。实验结果表明,提出的算法能够实现红外与可见光图像在视角、旋转、尺度变换下的有效匹配;在保证运算速度的前提下,提出的算法较SIFT算法在正确匹配率方面有明显提高。     

多摄像机视野分界线恢复算法

研究了一种多摄像机的视野(Field of View,FOV)分界线恢复方法,利用Harris角点检测和单应矩阵的方法完成摄像机视野分界线恢复。用Harris角点检测算法提取图像中角点特征;在有重叠区域图像间进行特征点匹配,再根据匹配点计算图像间的单应矩阵;最后由图像的边界点及图像间的单应矩阵计算摄像机的FOV分界线。该方法能准确恢复摄像机的视野分界线,具有准确性和鲁棒性。     

一种有效的全景图拼合预处理算法

全景图拼合的预处理主要包括对样本图像的特征提取以及相邻图像的特征匹配.本文首先改进Harris角点检测算子,以便准确提取样本图像的特征点并赋予特征描述符;提出一种基于小波系数的特征索引算法,实现了图像特征点对的快速搜索和两幅图像之间的匹配.实验结果表明,该算法得到的匹配点精确,搜索效率高,能够实现全景图的无缝拼接.     

利用梯度方向的Hausdorff 距离配准红外和可见光图像

基于Hausdorff距离的算法已经被广泛应用于异源图像配准,但是现有的Hausdorff距离配准算法是在整幅图像上找最相近的点对,不仅容易出现错误匹配的情况,而且计算量很大。为了减少计算冗余和消除误配情况,提高配准的准确度,提出了一种利用梯度方向的Hausdorff距离配准算法。在进行配准时,将提取到的角点集合按照每个角点的不同梯度方向角分解为8个子集合。然后计算两幅图像中同一方向区间所对应的两个子集合间的Hausdorff距离。由于只在对应的子集合内找最相近的配准点对,减少了干扰点的数目和计算的次数,提高了计算的有效性和异源图像配准的准确度。实验结果表明,利用梯度方向的Hausdorff距离算法能够较好地运用于红外图像和可见光图像的配准,并且表现出较好的准确度和稳健性。     

立体拼接中全局控制点的定向

提出了一种基于光线交汇约束的全局控制点定向方法.精确标定过的单摄像机模拟双目交汇测量系统,在空间2个不同的角度对至少5个自由摆放的全局控制点成像,根据双目视觉测量模型可解算出传感器的转换矩阵R和带有比例因子的平移向量T.通过引入精确长度已知的基准尺提供空间标度,以求得转换因子,进而求得各点在传感器坐标系下的三维坐标.实验表明,该方法简单、精度高,适于现场测量.     

An Adaptive Approach to Singular Point Detection in Fingerprint Images

This paper presents a novel algorithm for detection of singular points, the core and delta points, in fingerprint images. The number and location of singular points, are used to classify fingerprint images into five general groups; and therefore to narrow down the search space in large fingerprint databases. Using the proposed directional masks in the first step, we detect the neighborhood of the singular points. In the second stage by implementing the proposed algorithm, an adaptive singular point detection method, is designed to extract the exact location of core and delta points. Usage of the proposed directional masks speeds up the process and the proposed adaptive singular point detection method increases the accuracy of the algorithm.     

Multiscale corner detection by using wavelet transform

A multiscale corner detection algorithm based on the wavelet transform of contour orientation is proposed. It can utilize both the information of the local extrema and modulus of transform results to detect corners and arcs effectively. The ramp-width of contour orientation profile, which can be computed using the transformed modulus of two scales, reveals the difference between corner and arc and is utilized in the determination of corner points. The experimental results have shown that the detector is more effective than both the single- and multiple-scale detectors. They also demonstrate that the detector is insensitive to boundary noise. In addition, the proposed method is more efficient than the other multiscale corner detector because it operates on fewer number of scales, which can be implemented by a fast transform algorithm.     

基于SURF的敦煌壁画数字图像智能拼接系统研究

针对敦煌壁画数字图像拼接数据量大、计算耗时长这一急待解决的技术难题,构建了敦煌壁画数字图像智能拼接系统的总体结构;提出并实现了基于SURF的图像配准算法,该算法在积分图像的基础上进行快速计算,通过快速Hes-sian检测子来检测特征点;通过计算哈尔小波变换,确定其主方向及特征点描述子,并根据描述向量之间的欧式距离实现图像间的特征点的匹配;最后,采用渐入渐出的图像融合算法实现了图像拼接系统。实验表明：该系统既能满足匹配准确性的要求,又具有计算量小,计算速度快的优点。