手指静脉红外图像血管网络修复新方法

由于手指静脉位于皮下,手指中的生物组织、手指解剖结构、皮肤结构成像特性等固有原因都给手指静脉成像造成不利影响。针对手指静脉图像中普遍存在的局部血管残缺问题,首次提出一种指静脉红外图像血管网络修复方法。首先,利用多尺度Gabor滤波对手指静脉图像进行增强,减少图像整体退化性模糊;然后,对指静脉图像进行二值化并提取血管骨架网,以便对血管网络缺损位置进行判断;再将提取的血管骨架端点、二分叉点作为血管骨架网络修复的源点,根据最小路径原则实现手指静脉图像血管骨架网络修复;最后,将Gabor增强方向图作为约束条件,复原血管网络的管径信息得到修复后的手指静脉二值化图像。实验结果表明:该方法可以实现手指静脉图像局部血管网络残缺修复,得到更加完整、稳定的血管网络结构,利用修复后的图像可以进一步提高手指静脉识别精度。     

指静脉红外图像特征不变性编码新方法

基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势,成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像,加之手指内部其他组织的固有影响,图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合,重点研究一种新的对称邻域交叉图结构,将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图,充分表达像素点周围邻域的位置信息和梯度信息,具有良好的旋转不变性。实验结果表明:提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能,对图像姿态变化更鲁棒。     

基于人体手指静脉图像分割算法的研究

根据人体手指静脉图像的结构及特点,提出了一种能很好地抑制噪声、剔除图像的伪边缘、准确定位手指静脉图像边缘信息的方法。首先采用高频强调滤波对梯度图像进行增强,然后利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了手指静脉图像边缘信息,提高了手指静脉图像分割精度。     

基于手指静脉识别的银行门禁系统设计

银行等金融单位的安保系统设计直接关系到国家金融和人民财产的安全及金融工作人员生命安全的大事,手指静脉识别作为新一代的生物特征识别技术具有很强的优势,本文把两者进行了有机结合,提高金融等重要部门安全防范等级,为下一代安全防范提供了参考。     

基于分形的图像修复算法

基于纹理合成的图像修复方法通过在图像中搜索合适的背景块填充修复区域,但在搜索过程中可能由于缺乏合适的匹配块造成误匹配,影响修复效果。提出一种基于分形思想的搜索方法,在搜索匹配块时,不仅仅将候选块与边界块比较,而且将候选块进行仿射变换后的结果与边界块进行比较。为提高搜索速度,在搜索前对图像进行分割,以减小解空间。实验表明该算法在视觉效果和速度方面达到了良好的平衡。     

手指静脉图像小波增强算法

针对低质量的手指静脉图像,提出一种小波域静脉图像滤波增强算法。首先采用小波变换,然后对其低频系数进行频域增强,最后进行小波逆变换得到增强后的图像。实验表明:该方法能很好地抑制噪声,准确定位图像边缘信息,大大的改善了图像的质量,提高了图像的特征提取准确性和识别精度,使图像取得很好的增强效果。     

基于分形的图像修复算法

 图像修复是目前图像处理领域中的一个研究热点,对于较大孔洞的修复一直是个难点问题,已有算法都未能很好地解决.本文基于分形相关理论,提出了一种新的修复算法,很好地利用了图像的整体信息.论述了分形维数和分形编码序列块大小之间的关系,提出多尺度的分形编码及重构的修复方法.为了强化图像细节信息,进行了分形局部迭代.为了提高图像修复的质量,将图像进行了分形放大,再进行分形插值修复.从实验结果可以看出,新方法取得了较好的修补效果,尤其是对纹理图像和有较大孔洞的图像效果更好.     

基于CCD的手指静脉身份识别系统的研制

根据人体手指静脉图像的结构特点,从安全和实用的角度出发,研制了一种基于电荷耦合器件(CCD)的手指静脉身份识别系统.详细讨论了系统的总体构成、工作原理,以及手指静脉特征提取的原理和过程.实验结果表明,该系统具有较高准确性,误识率为1%.     

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。     

Image restoration of finger-vein networks based on encoder-decoder model

Finger-vein recognition is widely applied on access control system due to the high user acceptance and convince. Improving the integrity of finger-vein is helpful for increasing the finger-vein recognition accuracy. During the process of finger-vein imaging, foreign objects may be attached on fingers, which directly affects the integrity of finger-vein images. In order to effectively extract finger-vein networks, the integrity of venous networks is still not ideal after preprocessing of finger vein images. In this paper, we propose a novel deep learning based image restoration method to improve the integrity of finger-vein networks. First, a region detecting method based on adaptive threshold is presented to locate the incomplete region. Next, an encoder-decoder model is used to restore the venous networks of the finger-vein images. Then we analyze the restoration results using several different methods. Experimental results show that the proposed method is effective to restore the venous networks of the finger-vein images.     

一种基于神经网络的图像复原方法

提出了一种基于BP神经网络的图像复原算法.在分析图像模糊机制的基础上,为了降低输入维数,该方法采用滑动窗口操作来提取特征,同时为了加快训练速度和改善网络复原效果,首先对图像进行边缘提取,对图像内边缘区域和平坦区域分别采用滑动窗口获得训练集.利用BP神经网络的学习能力,通过训练,建立含有退化信息(高斯模糊)的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原,得到的复原图像在视觉上和定量分析上都获得了较好的效果.     

基于噪声分析和稀疏正则化的图像盲复原方法

在海事搜救过程中,机载红外相机拍摄的红外图像由于直升机振动、气流扰动、高速飞行以及红外相机摆扫等因素,严重影响图像质量.根据直升机载红外相机成像特点,提出了一种基于噪声分析和稀疏正则化的图像盲复原方法.该方法首先分析了成像过程中的噪声分布,并对噪声进行预处理,再根据稀疏表达理论,用图像边缘的稀疏先验信息指导点扩散函数复原,接着通过非盲复原方法得到目标图像,将目标图像作为下一次迭代的输入图像,如此循环迭代得到清晰图像.最后,对仿真模糊图像和实拍模糊图像进行了复原实验.实验结果表明这种方法能有效改善图像质量,并且在处理实拍运动模糊图像时,相比其他复原方法效果更好.     

Global efficiency estimation method of complex network based on fractal property

A method of network efficiency estimation based on fractal property was proposed for solving the problems of high complexity and time-consuming calculation of efficiency in large scale networks.Considering the fractal properties of complex network topology,the relationship between network efficiency and node correlation sum was analyzed,and the global network efficiency was estimated by partial nodes.Besides,to rapidly find the fractal properties of complex networks,a fractal property discrimination method based on node correlation sum was proposed.The experimental analysis in the construction network and the real-world network show that the proposed method can accurately and effectively estimate the global efficiency of the network,which reduces the calculation time by at least 90% compared with the original method.     

基于SSD卷积网络的航拍图像目标检测方法

基于深度学习的目标检测算法是目前目标检测领域 最流行的算法,但是由于硬件条件的限制,算法输入图像的尺寸受到限制。对于大尺寸的航 拍图像,通常先采用滑窗法提取区域,再对提取的 区域进行检测,极大地降低了算法的检测速度。针对这一问题,本文根据航拍图像中人造物 体含有 大量边缘的特点,提出了一种基于深度学习的梯度聚类目标检测算 法,并阐述了其模型结构与工作原理,然后通过151张航拍图像数据 集测试,对比评估了梯度聚类 SSD方法与滑窗SSD方法在航拍图像检测上的检测精度和检测速度。结果表明:梯度聚类SSD 方 法的FPS(Frames Per Second)为0.499,SPF(Seconds Per Frame )为2.00,mAP(mean Average Precision) 为46.93,相比滑窗SSD方法,在损失11.72%的 检测精度的条件下,FPS提高了64.69%(SPF提高了40.40%),验证了所提出算法的有效性。     

基于GA-RBF神经网络的光学图像背景抑制方法

根据图像背景的局部平稳性,提出了通过逼近背景局部相关特性来估计图像背景的方法,并且采用RBF神经网络来逼近图像背景的这种局部相关性.文中根据径向基函数神经网络的训练要求,用遗传算法来训练神经网络中的各个参数.实验结果表明,训练后的神经网络背景抑制算法能够很好地抑制图像中的背景,并同时增强了目标信号.     

基于Radon变换的运动模糊图像复原研究

图像在获取、处理与传输过程中,由于多种原因的影响,图像会产生一定程度的退化,其中运动模糊是导致图像退化的常见因素之一。根据运动模糊图像的特点,详细分析了运动模糊图像的退化/复原模型。在未知系统退化模型的情况下,采用Radon变换来估计匀速直线运动模糊角度和运动模糊尺度,从而确立系统的点扩展函数(SPF),然后分别用逆滤波和维纳滤波对图像进行复原,并对两种复原方法做了比较。实验表明,该方法参数估计准确,模糊图像复原效果较好。     

基于卷积神经网络与循环谱图的调制识别方法

为提高调制分类识别精确度,降低计算复杂度,提出了一种基于卷积神经网络(CNN)与红绿蓝(RGB)循环谱二维图的智能调制识别方法。基于循环谱特征可识别调制类型的机理,为了降低计算复杂度,将三维的循环谱转换为二维平面的RGB循环谱图,并将其用于构建数据集;将一种计算复杂度较低的CNN作为调制类型分类识别器。仿真结果表明,所提出的智能调制识别方法能够以较低的计算复杂度,获得更高的分类精确度。