局部方向二值模式结合协同表示的3D掌纹识别

针对三维掌纹特征表示准确性差的问题,提出一种局部方向二值模式（Local Orientation Binary Pattern,LOBP）结合协同表示（Collaborative Representation,CR）的3D掌纹识别方法。利用掌纹主方向和方向置信度的编码来共同表达掌纹的方向信息,从而有效提高方向编码的准确性。使用表面类型编码来刻画掌纹的结构,充分表达掌纹的几何特征。最后,在分类识别时通过协同表示的方法将特征结合进而完成掌纹识别。在香港理工大学3D掌纹库上进行实验,结果表明获得的平均识别率最高可达99.55%,平均识别时间为0.874 9 s。所提方法可以在保持较低识别时间的同时提高3D掌纹的识别精度。     

基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU, MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。     

基于局部频率特征和局部方向特征的虹膜识别算法

描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能.     

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分.本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征.特征匹配采用类似欧氏距离的方法来进行.同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰.实验结果表明,本算法具有非常好的识别性能.     

生物特征识别技术中的掌纹识别系统简介

掌纹识别作为生物特征识别技术中的一种新兴技术,目前正处于各种新方法的尝试阶段。掌纹识别系统的研究也处在不断的开发和被完善中。本文分别从掌纹的获取过程和掌纹图像的三种算法进行简单的研究,使读者对掌纹识别系统能有更加进一步的了解。     

测地自旋图院三维物体局部形状描述符

针对自旋图中欧氏测量存在歧义、形状信息存在丢失的现象,提出一种新的三维物体表面局部形状描述符:测地自旋图（Geodesic-spin-image,GSI）。GSI采用测地距离取代欧氏距离限定局部支持区域;GSI在自旋图的基础上,还引入了3个新的特征,以补偿自旋图在方位角上的信息丢失。这3个特征为:局部支持区域在描述点切平面上投影的长轴长度、短轴长度,以及局部支持区域形心到描述点切平面的距离。基于GSI描述改进了现有自旋图匹配算法,首先基于3个新特征进行粗略匹配,而后基于测地支持区域内的自旋图进行精确匹配,以提高识别效率。仿真实验结果表明:相比于标准自旋图方法,该方法提供的物体局部形状信息更丰富,具有更高的目标分辨能力和匹配识别效率。     

基于彩色二进制局部不变特征的图像配准

提出了一种适用于彩色图像的局部不变特征配准方法。特征点提取阶段,提出了快速分割测试特征颜色差异(CDo FAST)特征点检测方法,计算图像的颜色不变量,以此为输入在尺度空间检测FAST极值点,在极值点附近对高斯差分算子(Do G)值进行插值和拟合,以最终确定特征点的位置和尺度。特征描述符生成阶段,提出了一种新的彩色二进制局部不变特征(CBLID),采样点邻域结构类似于人眼视觉的重叠,通过统计方向图生成二进制链码,具备旋转、尺度缩放、光照不变性和抗噪性能。通过计算汉明距离进行匹配并结合随机抽样一致性(RANSAC)算法去除误匹配点,计算出待配准图像间的变换关系。实验表明,所提算法针对彩色图像能够获得比传统的尺度不变特征变换(SIFT)、快速稳健特征(SURF)和DAISY更高的配准精度,同时算法的运行时间也较短,在测试图片上耗时仅为SIFT的10%和12%。     

基于核局部Fisher判别分析的掌纹识别

运用核局部Fisher判别分析(KLFDA)进行掌纹识别。为了解决小样本图像识别中特征方程矩阵的奇异性问题,首先运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用KLF-DA提取低维的投影向量;然后将训练图像和待识别图像的核矩阵向投影向量上投影,得到非线性局部判别特征;最后计算特征向量间的余弦距离,进行掌纹匹配。运用PolyU掌纹图像库对算法进行测试,实验结果表明,与主元分析(PCA)、Fisher判别分析(FDA)、独立元分析(ICA)、核主元分析(KPCA)和局部Fisher判别分析(LFDA)相比,本文算法的识别率(RR)最高为99%,特征提取和匹配总时间0.031 s,满足实时系统的要求。     

基于二进制编码ERP数据质量研究

为了快速、高效地评估和解决ERP系统的数据质量问题,提出一种基于二进制编码方式的数据质量评估方法。通过在二进制级别进行概率估计与编码,有效地降低了计算机对数据处理时所面临的复杂度问题,提高了运算效率,能有效缩短评估所耗的计算时间。在计算结果的基础上,建立隐马尔科夫模型,并根据ERP系统的实际业务需要,对此模型进行了合理的修改优化。运用此模型对ERP系统中数据质量问题进行了概率统计和预测,最终在短时间内提供直观准确的数据质量评估结果,并对未来数据质量情况进行了客观的预测。     

多尺度局部结构主导二值模式学习图像表示

通过零均值化的微观结构模式二值化(ZMPB)处理,该文提出一种立足于局部图像多尺度结构二值模式提取的图像表示方法。该方法能够表达图像中可能出现的各种具有视觉意义的重要模式结构,同时通过主导二值模式学习模型,可以获得适应于图像数据集的主导特征模式子集,在特征鲁棒性、鉴别力和表达能力上达到优异性能,同时可以有效降低特征编码的维度,提高算法的执行速度。实验结果表明该算法性能优异,具有很强的鉴别能力和鲁棒性,优于传统LBP和GIMMRP方法,和很多最新算法结果相比,也具有竞争优势。

     

Dynamically Translating Binary Code for Multi-Threaded Programs Using Shared Code Cache

mc211vm is a process-level ARM-to-x86 binary translator developed in our lab in the past several years. Currently, it is able to emulate singlethreaded programs. We extend mc211vm to emulate multi-threaded programs. Our main task is to reconstruct its architecture for multi-threaded programs. Register mapping, code cache management, and address mapping in mc2llvm have all been modified. In addition, to further speed up the emulation, we collect hot paths, aggressively optimize and generate code for them at run time. Additional threads are used to alleviate the overhead. Thus, when the same hot path is walked through again, the corresponding optimized native code will be executed instead. In our experiments, our system is 8.8X faster than QEMU （quick emulator） on average when emulating the specified benchmarks with 8 guest threads.     

基于CPLD的二进制码转换为二-十进制(BCD)码的电路

介绍了基于Altera公司的CPLD芯片FLEXl0K，以及利用VHDL语言实现多位二进制码转换成8421BCD码的原理、设计思路和软件实现。     

二元裂解算子交替方向乘子法的核极限学习机

凸优化形式的核极限学习机(KELM)具有较高的分类准确率,但用迭代法训练凸优化核极限学习机要较传统核极限学习机的解线性方程法花费更长时间.针对此问题,该文提出一种2元裂解算子交替方向乘子法(BSADMM-KELM)来提高凸优化核极限学习机的训练速度.首先引入2元裂解算子,将求核极限学习机最优解的过程分裂为两个中间算子的...     

二元裂解算子交替方向乘子法的核极限学习机

凸优化形式的核极限学习机(KELM)具有较高的分类准确率,但用迭代法训练凸优化核极限学习机要较传统核极限学习机的解线性方程法花费更长时间.针对此问题,该文提出一种2元裂解算子交替方向乘子法(BSADMM-KELM)来提高凸优化核极限学习机的训练速度.首先引入2元裂解算子,将求核极限学习机最优解的过程分裂为两个中间算子的优化过程,再通过中间算子的迭代计算而得到原问题的最优解.在22个UCI数据集上所提算法的训练时间较有效集法平均快29倍,较内点法平均快4倍,分类精度亦优于传统的核极限学习机;在大规模数据集上该文算法的训练时间优于传统核极限学习机.     

对二进制补码数的进一步研究

介绍了无符号二进制数和有符号二进制数补码的概念，补码数的求取方法以及补码数的性质，阐述了无符号补码数与有符号补码数的统一性问题。     

级联卷积码的一个新方向--Woven卷积码

描述了和讨论了新型的级联卷积码的编码,并对其结构类型、生成矩阵、距离属性和解码等重要方面进行分析,由于其良好的纠错性能,在未来无线通信中有重要应用价值。