手指静脉图像感兴趣区域提取研究综述

近年全球的疫情促使生物识别技术进一步发展,指静脉识别作为第二代生物识别技术因其具有极高的安全性等优点而被应用于各个领域.指静脉图像感兴趣区域提取作为指静脉识别系统至关重要的一部分,是识别系统性能与适应不同应用场景的保证.分别介绍了商用指静脉识别产品与科研用指静脉采集设备,对其公开数据集进行了整理与分析;重点论述了指静脉...     

岩心外表面图像感兴趣区域提取算法设计

感兴趣区域提取在图像处理和分析领域有着重要地位。岩心外表面图像在采集的过程中常常带有无效区域,这些区域影响岩心外表面三维重建的视觉效果,因此需要从岩心外表面图像中提取感兴趣区域。实验表明,利用本文提出的岩心外表面感兴趣区域提取算法可以使岩心外表面三维重建的视觉效果更好。     

岩心外表面图像感兴趣区域提取算法设计

感兴趣区域提取在图像处理和分析领域有着重要地位。岩心外表面图像在采集的过程中常常带有无效区域,这些区域影响岩心外表面三维重建的视觉效果,因此需要从岩心外表面图像中提取感兴趣区域。实验表明,利用本文提出的岩心外表面感兴趣区域提取算法可以使岩心外表面三维重建的视觉效果更好。     

一种掌纹图像感兴趣区域的提取方法

掌纹识别是生物特征识别中的一种,由于其分辨率要求低、设备成本低、用户易接受等优点受到众多研究者的关注。从一幅掌纹图像中,找出感兴趣的目标区域（ROI）,使之从图像背景中分离出来,这是掌纹特征提取和进行进一步匹配的关键步骤。论文提出一种新的感兴趣区域的提取方法：首先使用全局阈值对原掌纹图像进行二值化处理,并提取出手掌的边缘,然后使用食指和中指、无名指和小指之间的指缝确定一个斜率,再计算出手掌部分的中心,并据此建立一个新的坐标系,最后以此坐标系原点为中心提取出一个128×128的感兴趣区域。实验结果证实了该方法与相关文献所提方法相比更加有效。     

医学图像感兴趣区域的自动提取

针对医学图像归档与通信系统通过视频采集和胶片扫描产生的海量图像数据,提出了一种感兴趣区域自动提取和归一化的预处理算法。该算法具有时间复杂度低,无须人工干预,不会对提取的感兴趣区域图像数据造成任何损耗等特点,适合海量医学图像数据库的批量处理。将其应用于基于图像内容的归档与查询算法中,作为图像提取特征前的预处理算法,实验数据证明较传统直接针对原始采集图像,可有效改善特征提取准确度,提高查询精度。     

基于感兴趣区域函数优化的静脉图像分割算法

提出一种基于局部感兴趣区域中熵与梯度函数优化的近红外手背静脉图像分割算法。该算法首先基于压缩感知理论对图像进行去噪。其次,通过条带波变换提取存在静脉信息的感兴趣区域,在这些区域中对建立的关于熵和梯度的函数进行约束与优化,实现静脉与背景分离。最后,融合所有区域的分割结果,完成静脉图像的分割。实验表明在处理近红外静脉图像分割问题时,该算法相对其它算法能保留更完整的静脉特征。此外,该算法对于具有纹理特征的指静脉、掌静脉图像的分割具有较好的借鉴价值。     

基于用户定义感兴趣区域的图像检索算法

提出一种利用用户定义感兴趣区域（ROI）的图像检索方法，可以对多个感兴趣区域的相对位置加以约束以获得更高的查准率，相关反馈算法被用来进一步学习用户的检索意图，实验结果表明，该算法比现有图像检索方法具有更高的查准率。     

图像感兴趣区域检测技术

感兴趣区域（ROI）检测技术,是将图像中最能表现图像内容的关键区域提取出来的技术。对现有的静态图像ROI检测技术进行讨论。分析ROI检测技术的产生背景,评述几种当前较具代表性的ROI检测算法。详细讨论基于视觉特征的ROI检测算法,最后列举一些主要的ROI应用方向,并对ROI检测技术的发展前景进行展望。     

基于MSD的图像感兴趣区域自动提取方法研究

将单幅图像数据进行分割，获得高维化后的数据集合，再依据图像数据的最优分解来提取不同图像块之间的数字关联，利用多维尺度分析(MDS)方法来获取单幅图像数据不同块之间的低维表示。通过对此低维表示的自动分析，便可获得图像感兴趣区域的精确位置。的实例验证了方法的可行性、有效性。     

基于粗糙集的图像感兴趣区域自动提取算法

在分析常规区域生长算法的基础上,提出一种基于粗糙集理论的感兴趣区域自动提取算法．在显著度图和相对位置指示图的基础上,以像素点的显著度、相对位置及颜色信息构成知识表达系统,通过属性约简和值约简,导出了有用的区域生长决策规则。实验结果表明：该方法与现有算法相比,它能够更好地提取图像感兴趣区域。     

使用方向滤波技术的手指静脉纹路提取方法

为了准确高效地提取手指静脉纹路,提出一种新的基于方向滤波的手指静脉纹路提取方法。该方法结合静脉纹路特点设计手指静脉图像的方向图及方向滤波器,根据所得的方向图及方向滤波器对图像进行滤波增强,对增强后的图像提取手指静脉模式。与传统的二值化方法相比,在进行二值化操作前,先对图像进行方向滤波处理,使得该方法提取出的手指静脉纹路连通性与光滑性好、噪声与伪特征少,且其不仅对高质量图像能够准确有效地提取出静脉纹路,对低质量图像处理效果也比较理想。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明,该方法思想独特,简单易行,对手指静脉的特征提取达到满意的效果.     

手指静脉图像质量评价

根据手指静脉图像本身的特征,首次提出了手指静脉图像质量评价方法.在分析人类视觉系统(HVS)性能的基础上,将图像有效区域、对比度、位置偏移度、模糊度、信息熵作为评价手指静脉图像质量的参数.并综合分析这些参数,加权获得静脉图像总质量评价函数.实验表明,得到了与主观评价结果相一致的客观评价值.     

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。     

手指静脉图像特征提取算法的研究

根据手指静脉图像的结构特点,提出了一种手指静脉特征的提取算法,其基本思想是利用灰度图像中静脉灰度值所形成的谷形区域来实现特征的提取。详细讨论了该算法的基本原理和具体计算步骤。实验结果表明：该算法与传统的特征提取算法相比,方法简单,易于实现,具有自适应性,而且思想新颖,对手指静脉的提取得到了非常理想的效果,提取的特征不但准确而且连续光滑。     

利用感兴趣区域从脑部MRI中提取脑组织

从脑部MRI图像提取脑组织是影像学分析中的一项重要的预处理过程。本文提出了一种基于感兴趣区域和混合水平集方法的脑组织提取方法。该方法先采用BET方法得到脑组织的感兴趣区域,然后在该感兴趣区域内演化改进的混和水平集得到真实的脑组织边界。改进的混合水平集采用了一个非线性的速度函数,能够有效地防止边界泄露。该方法所用到的MRI数据均来自于互联网（IBSR, Internet Brain Segmentation Repository Web)。利用18组IBSR网站的MRI数据,本方法得到的结果接近于标准手动提取结果,并且在多个评价参数上都取得最好结果。实验表明该方法提取脑组织具有一定的准确性和稳定性。     

低对比度手指静脉图像的分割

为了克服目前分割算法中低对比度手指静脉图像分割不精确的问题,采用局部动态阈值算法,依据静脉图像中灰度值在空间信息的相关性,设计了新的变权重判定函数,解决分割后产生的伪静脉问题。同时针对一般细化算法在静脉交叉点产生的冗余问题,提出了新的判断准则,有效地解决了像素冗余问题。实验表明,这些方法能有效地分割低对比度手指静脉图像。     

基于ARM的手指静脉识别系统的设计与实现

手指静脉识别是第二代生物认证的高端手段.为了实现识别设备的小型化,针对嵌入式系统独立运行的优点,设计并实现了一种基于ARM11和Windows CE的手指静脉识别系统.ARM11处理器从数字摄像头获取手指静脉图像,通过开发的应用软件进行图像预处理和特征提取,与建立的手指静脉图像库中的对应模板比对,完成身份认证.实验结果...     

基于细胞神经网络的灰度图像边缘提取

针对细胞神经网络(cellular neural network,CNN),研究了图像边缘提取的过程,给出算法流程,阐述了算法实现过程中的几个关键步骤.对二值图像和灰度图像,分别采用基于CNN的算法和传统算子(prewitt、sobel、canny)进行边缘提取,定性分析比较了两类算法在性能上的优劣.实验结果表明,基于CNN的算法在硬件实现上能够高速并行计算,而且处理速度与图像大小无关,能够实现图像实时处理.