基于小波多尺度分析的图像匹配

提出一种基于小波的多尺度分析的图像特征点提取方法,给出了一种多分辨率分块特征点匹配的图像检索方法,多分辨率的分块策略使得相关反馈的自适应性得到了更好的保证,从而实现图像的快速、准确匹配。实验表明该方法在计算时间和精度上都是十分有效的。     

基于小波多尺度分解子带主成份的特征提取

该文在研究了目标图像多尺度小波分解特性的基础上,提出了提取多个子带变换域中的主成份来构成目标综合特征的方法,这种特征不但包含了目标的部分边缘特性和一些局部灰度分布特性,也包含目标的一些结构特性。这种具有综合特性的特征能更加全面的反映图像所包含的信息,如果能较好的提取出来,将对图像信息描述产生很大的影响。文中算法兼顾特征提取的质量和算法的复杂度,算法所涉及的思想有进一步研究的价值。实验结果证明这种特征可有效地用于目标匹配。     

基于小波模极值的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷.主要介绍了虹膜特征提取阶段一种常见的小波模极值算法,阐述了算法技术、解决方案和效果.     

基于小波过零点的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷。该文主要介绍了虹膜特征提取阶段一种常见的小波过零点算法,阐述了算法技术、解决方案和效果。     

基于纹理方向能量特征的虹膜识别算法

为了解决传统虹膜识别系统在非理想虹膜图像下识别性能不够好的问题,提出了基于纹理方向能量特征的虹膜识别方法。该方法先设计一组水平与垂直的方向滤波器提取虹膜的纹理边缘,比较虹膜纹理边缘在两个方向的能量强度,生成方向能量差异特征图。将特征图分块,选取每块能量差值的极值点作为有效特征点,编码生成特征向量。此外,膨胀噪声模板,消除噪声以及卷积运算中噪声点对周围有效特征点的影响。用汉明距离进行匹配。在采用中科院提供的CASIA3.0虹膜库测试中获得了较好的识别率。     

基于模糊增强的小波多尺度边缘特征提取

分析了当前Pal. King模糊边缘检测算法缺点,结合其思想提出一种新的较好的改进方法;该算法采用新的隶属函数,能简化运算提高速度;运用最大均方差法能自适应求解分割阈值;利用小波变换良好的局部性能和多尺度分析特性,能较完整地提取边缘信息,并且具有较强的抑制噪声能力;实验证明该方法能准确检测图像中的目标边缘,较好地保持目标边缘的连通性,边缘提取清晰,细节丰富,抗噪性强。     

基于小波多尺度分解与GLR的UWB信号检测技术

由于常规窄带信号检测方法不能适用于超宽带信号,为了对超宽带信号进行有效检测,提出了一种基于小波多尺度分解与广义似然比(GLR)相结合的新颖目标检测方法;首先利用小波进行多尺度分解,获得目标所在的位置,通过计算小波域能量,来截取目标信号,由此计算散射中心的分布密度,然后结合利用广义似然比,来实现超宽带信号检测;仿真试验结果表明,该方法与常规的双门限方法相比,在信噪比相同情况下,能获得更好的检测概率,从而体现其优越性.     

虹膜特征点的提取分析与研究

本文对虹膜识别中的特征点的提取方式与算法进行了分析研究,在对虹膜图像二值化方法进行探讨的基础上,使用形态学算子对图像边缘修整,对拉普拉斯算子的表达形式进行了改写,提出了一种简化的虹膜特征点扫描算法。     

基于DCT变换的虹膜识别算法

虹膜识别是一种新的生物识别技术。本文主要研究虹膜图像预处理、特征提取和匹配几个部分的优化,在特征提取阶段,采用基于一维DCT变换的虹膜特征优选算法。其基本思想是：对预处理后的虹膜图像进行一维的DCT变换,在速度和准确率约束的条件下,对变换后得到的系数进行抽取作为特征矩阵,通过计算虹膜特征矩阵的相似度进行虹膜识别。实验结果表明;该算法速度比较快,准确率也比较高。     

基于小波多尺度分析的彩色图像检索方法

多媒体技术的普及和Internet技术的实施导致了大量图像信息的出现，基于文本关键词的传统检索方法已不能适应图像信息检索的要求，这使得基于内容的图像检索技术逐渐成为目前的研究热点。基于内容检索技术中必不可少的关键步骤就是图像特征的提取，其中可提取的特征有颜色、纹理和形状等。但是，由于图像的每种特征只能抓住图像相似性的某一个方面，因此如何能更好地表示图像就成为基于内容图像检索中一个重要的研究方向。针对该问题，提出了一种基于图像颜色和纹理特征的图像检索方法，其中颜色特征采用HSV颜色空间的直方图，纹理特征采用图像小波多尺度表示方法中细节信息的方差统计量，这样就充分利用了颜色的丰富表现性和小波变换的多分辨性及其变换系数的统计特性。通过对不同类型图像使用不同特征组合进行图像检索查准率的对比实验结果表明，这种图像检索方法是行之有效的。     

一种快速多尺度特征点匹配算法

为了快速稳定地进行特征点的跟踪,提出了一种快速多尺度特征点的提取算法.该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间特征点的局部极值,减少了局部极值搜索的冗余性,然后再利用最近邻算法对特征点进行匹配.实验结果表明,该算法的计算速度快于SIFT算法和MOPS算法,稳定性强于传统的Harris算法,可以用于实时图像配准及目标跟踪.     

基于小波包分析的虹膜特征提取方法

提出了一种新的虹膜特征提取方法。针对虹膜纹理图像的特征表示主要集中在中高频能量部分,对图像进行二级小波包分解,并提取出第一级和第二级的中高频部分的能量分量作为特征向量,并采用欧几里德距离作为模式识别方法。克服了用小波分解只提取虹膜的低频部分,从而不能充分地反映纹理的特征的缺陷。试验结果和数据表明了此算法的合理性和有效性。     

基于多尺度特征提取的均值漂移目标跟踪算法

为在图像对比度较低、相似目标过多等情况下较好地实现目标跟踪,提出一种基于多尺度特征提取的均值漂移跟踪算法.前一帧目标区域的特征点经匹配得到后续帧目标区域的特征点,利用所得特征点集的中心坐标修正均值漂移搜索窗位置,以此为约束条件,减小均值漂移迭代产生的偏差.实验结果表明,该算法可以提高跟踪精度、鲁棒性及实时性.     

虹膜识别中几种特征提取方法的比较研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法,在信息及安全领域有着重要的应用价值;特征抽取与选择是模式识别的核心技术之一,因此在虹膜识别系统中起着举足轻重的作用;文中讨论了几种虹膜的特征提取方法,介绍了各自的产生背景、实现方法和应用情况,在此基础上做了简要地比较,为特定应用场合下选择适合的虹膜特征提取方法作参考,并为虹膜识别系统中下面的分类识别和特征匹配工作做准备.     

基于模糊数学的虹膜特征提取算法评估

提出了一种运用模糊数学进行的虹膜特征提取算法评估的方案，并通过实验证明了该方案的有效性和实用性。     

潜力无限的虹膜识别技术

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷。该文主要介绍了虹膜特征提取阶段一种常见的小波过零点算法,阐述了算法技术、解决方案和效果。     

基于能量补偿和特征加权的虹膜特征提取算法

Contourlet变换不同子带的特征提取能力存在差异。针对该问题,提出一种基于能量补偿和特征加权的虹膜特征提取算法。采用正交图像对原图像进行能量补偿,利用广义高斯分布估计各子带数据的权值,为分类能力强的特征量赋予较大权值,以充分使用样本的统计信息高效地提取特征。实验结果表明,该算法的虹膜识别率较高,鲁棒性较强。     

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法.首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子...