手掌静脉图像识别技术综述

人体的手掌静脉具有唯一性、稳定性,隐藏在表皮下,结构复杂很难被复制,手掌静脉图像难以窃取拍摄,这些使得手掌静脉成为一种高安全性的生物特征。作为生物特征识别领域的前沿课题,手掌静脉图像识别技术以其高安全性等优势拥有着广泛的应用前景,成为近几年的研究热点。本文从手掌静脉图像识别技术的原理入手,综述了手掌静脉图像识别的四个阶段：图像采集,图像预处理、特征提取及匹配。根据特征提取方法不同,将掌脉图像识别方法分为基于结构特征的方法、基于纹理特征的方法和基于子空间的三类方法。最后,对掌脉图像识别技术的难点进行了总结,对发展趋势进行了展望。     

基于CNN的农作物病虫害图像识别模型

中国是传统的农业大国,农业不仅是国民经济建设与发展的基础,也是社会正常稳定有序运行的保障.然而每年由于农作物病虫害造成的损失巨大,且传统的农作物病虫害识别方法效果并不理想.同时近年深度学习飞速发展,在图像分类与识别的方面取得了巨大进展.因此本文通过基于深度学习的方法构建农作物病虫害图像识别模型,并针对样本不平衡问题改进卷积网络损失函数.实验证明该模型可以对农作物病虫害进行有效识别并且对损失函数进行优化后模型的准确率也进一步得到了提升.     

肺癌分类识别中的神经网络集成技术研究

This paper describes a neural network ensemble method in lung cancer cell identification process. A neural network ensemble algorithm LCNE based on image feature extraction is proposed. Firstly, LCNE algorithm trains different neural network classifiers designed for shape and color features individually. Then, using neural network en-semble method, the final lung cancer cell identification results can be achieved. On the basis of LCNE algorithm, weimplement a lunu cancer cell identification system LCDS successfully.     

农作物病虫害智能识别APP设计与开发

农作物在生长过程中会遭受各种病虫害的侵袭,导致产量下降.传统的病虫害检测是依靠农民的经验或者农业专家的专业检测.这不仅费时费力,而且不能准确识别农作物前期病变的细微不同.为了解决这些问题,本文开发了一款农作物病虫害智能分类识别APP.通过自动获得输入图像的特征,这款APP可实现对病虫害类型的分类,正确快速识别农作物所患...     

步态识别综述

步态识别作为一种新的生物认证技术,通过人的行走方式识别个体的身份。本文首先分析了步态识别的特点及其研究背景;其次,对目前步态识别中涉及到的几项关键技术所采用的方法进行了简单的描述及分类,并分析各种技术的主要优缺点,最后,提出了目前步态识别问题研究中的几个薄弱点,指出进一步研究发展空间。     

避免完美分割的图像识别方法

在目标大小已知、视点相同的情况下,通过对输入图像中各个与目标大小相同的子窗口进行局部分割,并确定每一子窗口局部分割结果与目标模板间的公共区域,分别提取两者在极坐标下的特征,根据两者特征的相似性,在一定的相似性门限下,实现对子窗口的识别。实验证明,该方法在背景复杂、目标分割质量较差的情况下,仍能取得较好的识别效果。     

人民币号码自动识别方法研究

针对人民币印刷中号码的识别问题,本文研究了其中的识别算法,包括号码图像的二值化、号码区域的定位、号码字符的分割及归一化和号码字符的识别,提出了一种号码区域定位及分割方法。在此基础上,建立了相应的识别系统并进行了实验研究。结果表明,系统具有较高的识别精度,能较好地满足实际需求。     

图像分割研究综述

图像分割是指将一幅图像分解的若干互不交迭区域的集合,是图像处理与机器视觉的基本问题之一。本文对常见的分割方法按照数据驱动与模型驱动两大类型进行了综述,并介绍了图像分割中的物理模型与随机场模型、半自动分割策略、图像分割的定量评价方法等。     

一种基于多元特征的海上目标分割方法

提出一种结合多元特征的海上码头和船舶分割方法。由于不同种类的图像各自特点不同,多光谱图像颜色信息丰富,全色图像分辨率较高,SAR图像散射特征明显,尤其对于人造目标在SAR图像中通常表现为高亮点。利用多光谱、全色、SAR图像,提取多光谱图像的颜色特征分割水陆,然后在全色图像中提取码头的上下文特征和船舶的几何特征,在SAR图像中提取灰度统计特征,最后,结合多元特征实现海上码头和船舶的分割。实验结果表明该方法可以有效地分割码头和船舶。     

图像识别技术研究综述

随着图像处理技术的迅速发展,图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解,由于图像在成像时受到外部环境的影响,使得图像具有特殊性,复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。     

自适应增强卷积神经网络图像识别

目的 为了进一步提高卷积神经网络的收敛性能和识别精度,增强泛化能力,提出一种自适应增强卷积神经网络图像识别算法。方法 构建自适应增强模型,分析卷积神经网络分类识别过程中误差产生的原因和误差反馈模式,针对分类误差进行有目的地训练,实现分类特征基于迭代次数和识别结果的自适应增强以及卷积神经网络权值的优化调整。自适应增强卷积神经网络与多种算法在收敛速度和识别精度等性能上进行对比,并在多种数据集上检测自适应卷积神经网络的泛化能力。结果 通过对比实验可知,自适应增强卷积神经网络算法可以在很大程度上优化收敛效果,提高收敛速度和识别精度,收敛时在手写数字数据集上的误识率可降低20.93%,在手写字母和高光谱图像数据集上的误识率可降低11.82%和15.12%;与不同卷积神经网络优化算法对比,误识率比动态自适应池化算法和双重优化算法最多可降低58.29%和43.50%;基于不同梯度算法的优化,误识率最多可降低33.11%;与不同的图像识别算法对比,识别率也有较大程度提高。结论 实验结果表明,自适应增强卷积神经网络算法可以实现分类特征的自适应增强,对收敛性能和识别精度有较大的提高,对多种数据集有较强的泛化能力。这种自适应增强模型可以进一步推广到其他与卷积神经网络相关的深度学习算法中。     

基于图像的面部表情识别方法综述

近年来,面部表情识别在教育、医学、心理分析以及商业领域得到了广泛关注。针对目前表情识别方法不够系统、概念模糊的问题,对面部表情识别的步骤及其方法进行了综述探讨。首先,介绍了目前常用的人脸表情数据集,并回顾了面部表情识别的发展历程;然后,介绍了人脸表情识别的面部表情编码和面部表情识别过程这两个方面,归纳了人脸面部表情识别的四个过程,重点总结了特征提取和表情分类两个过程中的经典算法以及这些算法的基本原理和优劣比较;最后,指出了目前面部表情识别存在的问题和未来可能的发展趋势。     

基于图像智能识别的农作物防治系统设计与开发

农药播撒在农作生产环节中至关重要,针对我国存在农药漏用、乱用的现象,设计的农作物防治系统将信息技术与农业生产相结合,基于Spring MVC框架,构建移动端微信小程序与后端管理系统,集合了病虫害图像识别、疫区防治信息维护和代理防控等模块。系统覆盖"播种—查虫—识别—防治"的业务闭环,提高了农业生产效率,助力我国农业信息化发展。     

用于机器视觉的焊缝图像获取及图像处理

采用激光线结构光作为主动光源,用滤光片滤掉弧光,有效提高了图像的信噪比得到清晰的焊缝图像,而且实验图像仅提取红色分量,进一步把特定波长的光放大,削弱其他波长的光。采用一种改进的中值滤波,此方法使降噪性能有效提高,较好保留图像细节,算法复杂度近似为[O(N)]。通过二值化把信号不强的噪声消除,同时保留激光条纹信息。选用一种多尺度边缘检测方法,它能较好地提取复杂的图像边缘。提取特征点时,进一步加强系统的容错能力,提取水平段位置信息时,采用黑色像素行累加值的办法,准确定位条纹位置。系统准确地识别焊缝特征并提取足够的信息,将焊缝的图像坐标转换成世界坐标,完成跟踪焊缝。     

人脸表情识别综述

人脸表情识别作为情感计算的一个研究方向,构成了情感理解的基础,是实现人机交互智能的前提。人脸表情的极度细腻化消耗了大量的计算时间,影响了人机交互的时效性和体验感,所以人脸表情特征提取成为人脸表情识别的重要研究课题。总结了国内外近五年的人脸表情识别的稳固框架和新进展,主要针对人脸表情特征提取和表情分类方法进行了归纳,详细介绍了这两方面的主要算法及改进,并分析比较了各种算法的优势与不足。通过对国内外人脸表情识别应用中实际问题进行研究,给出了人脸表情识别方面仍然存在的挑战及不足。     

森林病虫害监测中的无人机图像分割算法比较

以错分率、相对最终测量精度以及运行时间为评价标准,利用无人机采集的油松及沙棘正射图像为测试图像,对6种基于像素聚类及分水岭的图像分割算法的性能进行了定性分析及定量比较。实验结果表明,受灾林区图像的分割算法的性能与图像拍摄高度、噪声等因素密切相关。最后,给出了受灾林区无人机正射图像分割算法应用的指导性建议。     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

小麦叶部常见病害特征提取及识别技术研究

选取小麦叶部常见病害图像,利用图像处理技术进行病害种类的识别。将图像由RGB彩色空间转换到HSV颜色空间,提取相关的颜色特征（色相和饱和度）,接着提取几何形状特征（周长、面积、矩形度、似圆度、偏心率等）,通过分析样本图像得到每种病害的特征值范围,利用特征值对未知样本进行病害识别。系统以白粉病和锈病（叶锈病、条锈病和秆锈病）为研究对象,根据颜色特征对白粉病和锈病加以识别,然后根据几何形状特征对叶锈病、条锈病和秆锈病进行识别,操作简单方便,识别准确率达96%以上。实验结果表明,选取的颜色特征和几何形状特征对4种小麦叶部常见病害的识别是有效且可行的。     

图像颜色征提取技术的研究与应用

介绍图像信息处理技术的一项基础性研究--图像颜色特征提取技术,重点讨论颜色特征提取技术的发展现状以及两大应用背景,即图像检索和图像情感语义的研究,揭示了颜色特征提取技术在基于内容的图像检索和图像情感识别研究方面的重要作用.总结了常用的颜色特征提取方法,指出现有方法中存在的问题和不足之处,提出了研究的新思路,并对今后的研究重点做出了展望.