一种新型掌脉图像采集光源的设计

为了获得清晰可靠的掌脉图像,提出了一种新型非接触式掌脉图像采集光源的设计。新的设计突破了多LED组成面光源的通行设计方案,采用了新的红外发光源激光二极管(LD),并通过对激光二极管的封装设计进行改进,克服了单点光源造成的亮度不均的问题。实验结果表明,新型光源体积小,功耗低,并能够保证采集设备获得可靠清新的掌脉图像。     

基于ICA的在线掌纹识别

个人身份认证和鉴别在现在社会显示着重要的作用,作为一种准确而可靠的个人鉴定方式,生物识别已经引起了广泛的注意.掌纹作为一种相对较新的生物识别技术也有着独特的优点.而掌纹特征的提取和选择是整个识别中最关键的一个环节,主要利用ICA（独立主成分分析）方法对掌纹进行特征提取,实验证明,相比较PCA（主成分分析）方法,基于ICA方法具有更高的识别效率.     

CCD高精度图像采集系统设计

本文简单介绍了新型传感器件CCD的基本工作原理，详细讨论了CCD高精度图像采集系统的硬件和软件的设计方法。采用高速A/DD转换器和噪音处理电路提高系统的性能。     

多光谱掌脉和掌纹离焦图像融合方法

非接触条件下单模态手部图像纹理信息有限,不利于识别。本文提出利用同一装置在多光谱下分时快速获取掌纹和掌脉图像。通过掌纹图像在静脉图像中进行掌纹主线增强处理,达到增加纹理信息、改善识别效果的目的。控制掌纹、掌脉两幅图像获取间隔小于0.1s,忽略手掌细微空间移位,对获取的掌纹图像进行感兴趣区域(Region of interest,ROI)提取,并利用掌纹ROI坐标参数进行静脉图像的ROI提取。然后对两个ROI区域进行预处理,通过多层小波分解得到的掌纹高频信息快速定位掌纹主线。最后根据掌纹主线归一化后的高频分量,进行掌纹和掌脉小波系数的融合,最终得到在静脉纹理图像中增强掌纹主线纹理的融合图像。实验结果表明,融合后的图像中在保持静脉纹理信息原有状态下,掌纹主线纹理信息明显增加,识别效果得到改善。     

非接触式掌纹图像采集光源的设计*

通过波段选择和均匀光源设计,本文提出一种新的非接触式掌纹图像采集光源。根据人体皮肤对光谱的吸收比和人体血液对光谱的共振散射的研究,发现430nm波长的光波照射下,采集到的手掌图像相比其它波段光波照射时掌纹纹理更加突出。通过对发光二极管（LED）的发光特性,LED形状的选择、多个LED间距与排列方式的研究,最终得到光照度均匀的光源。结果表明：在该光源下采集到的非接触手掌图像对比度高,手掌纹线突出且无亮斑影响的高质量手掌图像,为提取准确的掌纹特征提供了便利。     

掌纹识别算法综述

掌纹识别作为一种新兴的生物识别技术, 近年来得到了广泛的关注与研究. 与其他生物特征相比, 掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等. 这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法. 本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法, 之后详细介绍了近几年来提出的各种掌纹识别方法. 根据特征提取以及匹配方法的不同, 本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法. 在回顾和比较了各种算法的特点之后, 对未来的掌纹识别方法的发展方向作了展望.     

掌纹样本采集技术及预处理技术的分析与研究

对掌纹识别技术中的采样方法、色彩校正、亮度分布不均匀校正、手形朝向校正及目标区域获取这些技术进行了分析和研究,提出了改进的采样方法、基于采样统计的掌纹色斑校正方法、基于亮度分布估计的图像内亮度分布不均匀的校正方法、基于数学形态学的手形方向校正及目标区域获取方法。实验结果表明这些方法取得了良好的效果。     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

应用二维EMD和独立成分分析的掌纹识别

提出一种基于二维经验模式分解（Two-dimensional Empirical Mode Decomposition,2-D EMD）和独立成分分析（Independent Comment Analysis,ICA）相结合的掌纹识别新方法。利用2-D EMD自适应的时频局域化多尺度和ICA II表征数据的高阶统计特性来提取掌纹特征。首先,对预处理过的掌纹图像进行2-D EMD分解得到多层本征模函数（Intrinsic Mode Function,IMF）;其次,利用基于PCA（Principal Component Analysis）降维处理的FastICA II算法提取IMF子图像集的掌纹特征基向量;最后,设计实验测试（2-D EMD+ICA II）的识别性能。实验结果表明,该方法能更有效地提取掌纹特征,与传统的ICA II相比,具有重构图像信噪比好、识别率高等优点。     

不同波长近红外光下手掌静脉图像质量分析

在手掌静脉成像系统中,为对光源波长和成像质量之间的关系进行研究,对手掌皮肤中的表皮层、真皮层和脂肪层在近红外光下的吸收、散射光学特性建立数学模型,并对在760 nm、850 nm、890 nm和960 nm四种单波长近红外光下图像质量的影响因素进行分析。在上述四种单波长及其六种混合波长下,利用图像对比度作为图像质量评价标准,对2 500张掌脉图像进行了预处理和图像质量对比分析。实验结果和理论分析表明,在混合波长760 nm+960 nm下,最大程度保留了静脉信息。     

手掌静脉识别系统的研究与设计

手掌静脉识别技术是静脉识别领域的新兴课题,原理相当简单,但具体实现有很多的挑战,包括如何设计一个能获得手掌静脉图像的采集实验装置和能够进行精确识别的算法等;对手掌静脉识别系统进行了初步的分析与研究,在研究的基础上为手掌静脉识别系统提供了一些硬件解决方案,包括如何选取CCD摄像机、怎样设计光源系统等,设计了手掌静脉采集实验装置,完成了手掌静脉识别系统的整体搭建,并采集到了较清晰的手掌静脉图像。     

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...     

小模数齿轮齿形误差的CCD测量方法研究

针对尺寸较小的小模数齿轮齿形误差的测量,提出了基于CCD和图像处理技术的齿轮齿形误差的测量方法。在测量中,为了更准确地获得边缘位置信息,对图像进行了中值滤波、二值化、边缘提取,亚像素拟合等处理,并解决了齿轮圆心确定、定标、多幅图像间的图像拼接等问题,以及在分析齿形误差的测量方法和测量过程的基础上建立了测量数学模型,从而完成了整个测量过程的设计。实验表明:采用图像测量方法使测量的最大绝对误差为9.2mm,对小模数齿轮齿形误差的测量提供了一个有效途径。     

无标记印刷品质量在线检测方法研究

印刷品图像配准是实现印刷品自动检测的关键技术。以高分辨率印刷品图像为研究对象,将原始图像分割成多个兴趣区域,将兴趣区域的中心坐标与旋转角作为图像配准参数,通过变步长搜索算法获取被测图像与模板图像之间的最小旋转角;通过仿射变换将待检图像与模板图像进行配准并使用双向差影法计算两者的差影图像;通过二值化阈值与缺陷区域面积阈值进行缺陷识别。实验结果显示：该检测系统对合格品的检测准确率为96%,对不合格品的检测准确率为94%。     

基于字符图像分割的打印文件识别方法

针对目前的打印文件识别方法受限于样本中必须有相同字符的问题,提出一种基于字符图像分割的打印文件识别方法。通过k-means算法对字符图像进行分割,分别对不同区域提取局部二值模式纹理特征,从而消除字符结构对识别结果的影响。研究了单一区域的特征集和组合特征集的分类识别效果,实验结果表明,该方法在样本中无相同字符的情况下,能够得到较高的识别准确率。     

基于HOG与改进的SVM的手掌静脉识别算法

手掌静脉识别是一种新兴的生物特征识别技术,随着时代的进步,在各种安全领域中起着越来越重要的影响和应用。提出了一种改进的手掌静脉图像预处理方法,采用对像素灰度值映射来增强图像中的静脉纹理以去除其他干扰。针对手掌静脉纹理的特征提取和识别,提出了一种基于方向梯度直方图（HOG）与改进的阈值支持向量机（T-SVM）的算法,以更好适应手掌静脉识别的特点。通过大量实验证明,该方法不仅可以较为迅速地进行身份识别,而且达到了较高的识别率。     

基于Mapgis的打印功能的设计与实现

对基于Mapgis开发的应用系统的打印功能进行了全面的分析和研究,介绍了图形和表格的打印,包括套打、全打、追加打印、本地打印、远程打印,对应用软件系统中的打印功能提供了完整的解决方案。