一种指纹图像奇异点检测的方法

准确、可靠地检测奇异点(core点和delta点),对指纹分类和指纹匹配具有重要的意义.针对低质量指纹图像奇异点检测中精确定位和可靠性判断的难题,提出了一种检测指纹奇异点的方法.首先,对于一幅指纹图像,在同一分块尺寸下进行多次图像错位分块,并且分别在不同的图像错位分块情况下检测指纹的奇异点,得到区域相对集中的奇异点位置的集合,并计算其质心,以精确地确定奇异点的位置.然后,再在不同的分块尺寸下检测奇异点,并进一步判断上一步所检测到的奇异点的真伪.该方法利用了多次图像错位分块检测的奇异点位置相对集中和各级分块尺寸下检测的奇异点位置相互关联的特性,能够从指纹图像中较精确、可靠地检测出奇异点.在部分典型低质量指纹图像上的实验结果验证了该方法的有效性,对低质量指纹图像具有良好的鲁棒性.     

指纹图像奇异点提取的一种鲁棒方法

提出了一种改进的奇异点的提取方法，选通过改进的Poincare指数计算，挑选出符合条件的候选点，然后在此基础上，利用径向方向会聚性，前景，背景分割和概率分布来筛选修选奇异点，用该方法对不同质量的指纹图像进行实验，并与经典方法进行比较，结果表明该方法更加有效、可靠，也具有更好的鲁棒性。     

基于方向图的指纹奇异点快速检测方法

准确、快速地检测指纹奇异点(core点和delta点),对指纹分类和指纹匹配等具有重要意义.首先,给出计算指纹图像方向图的算法,然后,在基于方向图的基础上,对传统的基于poincare索引计算公式的指纹奇异点检测算法进行了改进.使用改进算法对PU-JY203U警用活体指纹采集仪采集的指纹(1000枚)进行Matlab仿真.实验结果表明改进后的算法与传统算法相比,在定位奇异点的精确度和速度上都有很大的提高.     

尖拱型指纹图像中奇异点检测方法

指纹图像中的奇异点携带着重要的指纹特征信息,因为有些尖拱型指纹图像中的核心点和三角点相隔很近,以至计算出的Poincare Index值相互抵消,结果接近于0,Poincare Index方法就会将该指纹判为拱型指纹,针对这一问题,对Poincare Index方法进行改进,提出了一种新的奇异点或参考点检测与计算方法。实验结果表明,该方法能很好地解决这一局限性问题。     

基于方向的指纹奇异点提取

准确、可靠地检测指纹奇异点（核心点和三角点）对于指纹的分类和匹配有重要的意义。针对指纹图像奇异点提取中准确判断和精确定位的难题，介绍了一种比较好的奇异点检测算法。根据奇异点的性质，利用Pcincare Index方法求出核心点和三角点。根据相关规则，清除虚假奇异点。实验结果证明该方法能够从指纹图像中较精确、可靠地提取出奇异点。用该方法对不同质量的指纹图像进行实验，并与其他方法进行比较，结果表明该方法更加有效、可靠．具有很好的鲁棒性。     

基于方向的指纹奇异点提取

准确、可靠地检测指纹奇异点(核心点和三角点)对于指纹的分类和匹配有重要的意义。针对指纹图像奇异点提取中准确判断和精确定位的难题,介绍了一种比较好的奇异点检测算法。根据奇异点的性质,利用Poincare Index方法求出核心点和三角点。根据相关规则,清除虚假奇异点。实验结果证明该方法能够从指纹图像中较精确、可靠地提取出奇异点。用该方法对不同质量的指纹图像进行实验,并与其他方法进行比较,结果表明该方法更加有效、可靠,具有很好的鲁棒性。     

指纹图像奇异点提取算法的研究与实现

指纹图像特征点提取的数量与准确度直接影响到指纹特征匹配效率,在分析指纹图像特征的基础上,提出了基于方向场均值的Poincare索引算法,阐述了算法的基本模型、表示方法与具体实现过程。经实验证明,采用该算法能快速、准确地提取指纹图像的奇异点,对各种图像具有较好的适应性。     

指纹图像奇异点提取算法的研究与实现

指纹图像特征点提取的数量与准确度直接影响到指纹特征匹配效率,在分析指纹图像特征的基础上,提出了基于方向场均值的Poincare索引算法,阐述了算法的基本模型、表示方法与具体实现过程。经实验证明,采用该算法能快速、准确的提取指纹图像的奇异点,对各种图像具有较好的适应性。     

模糊指纹图像中心点的提取

由于指纹在获取过程中干扰是不可避免的,该文在指纹方向图的基础上,考虑指纹图像凸脊的变化趋势及在局部范围内方向变化小的特点,根据结构信息统计分析,从整体图像上考虑中心点的分布,提出一种指纹图像中心点求取的新方法,剔除干扰的影响,确定指纹图像的中心点。该方法计算简单,易于实现,在指纹图像中心点求取过程中,具有较强的抗干扰性,并取得了良好的效果。     

基于方向场特征的指纹图像奇异点检测

1　引言指纹是指端表面的纹路结构,由于具有不变性、唯一性以及易于采集的特性,指纹识别已经成为生物鉴定学的一个重要方面.指纹识别通常包括以下几个阶段:分割、图像增强、分类、细节提取以及匹配[1].在所有的处理过程中,一个有效的分类算法是至关重要的.奇异点数目的多少以及奇异点之间的相对位置关系,是指纹分类的重要依据之一.指纹的奇异点检测已经有很多种方法[2～4],这些方法要么不具有平移、旋转不变性,要么方法的精度和可靠性比较差.本文提出一种新的奇异点检测方法,利用指纹的方向场在奇异点附近的变化比较剧烈,而在其他地方的变化…     

Residual orientation modeling for fingerprint enhancement and singular point detection

This paper presents a novel method for fingerprint orientation modeling, which executes in two phases. Firstly, the orientation field is reconstructed using a lower order Legendre polynomial to capture the global orientation pattern in the fingerprint structure. Then the preliminary model around the region with presence of fingerprint singularities is dynamically refined using a higher order Legendre polynomial. The singular region is automatically detected through the analysis on the orientation residual field between the original orientation field and the orientation model. The method does not require any prior knowledge on the fingerprint structure. To validate the performance, the method has been applied to fingerprint image enhancement, fingerprint singularity detection and fingerprint recognition using the FVC 2004 data sets. Compared with the recently published Legendre polynomial model, the proposed method attains higher accuracy in fingerprint singularity detection, lower error rates in fingerprint matching.     

Pixel-level singular point detection from multi-scale Gaussian filtered orientation field

Singular point, as a global feature, plays an important role in fingerprint recognition. Inconsistent detection of singular points apparently gives an affect to fingerprint alignment, classification, and verification accuracy. This paper proposes a novel approach to pixel-level singular point detection from the orientation field obtained by multi-scale Gaussian filters. Initially, a robust pixel-level orientation field is estimated by a multi-scale averaging framework. Then, candidate singular points in pixel-level are extracted from the complex angular gradient plane derived directly from the pixel-level orientation field. The candidate singular points are finally validated via a cascade framework comprised of nested Poincare indices and local feature-based classification. Experimental results over the FVC 2000 DB2 confirm that the proposed method achieves robust and accurate orientation field estimation and consistent pixel-level singular point detection. The experimental results exhibit a low computational cost with better performance. Thus, the proposed method can be employed in real-time fingerprint recognition.     

Singular point detection by shape analysis of directional fields in fingerprints

This paper presents a new fingerprint singular point detection method that is type-distinguishable and applicable to various fingerprint images regardless of their resolutions. The proposed method detects singular points by analyzing the shapes of the local directional fields of a fingerprint image. Using the predefined rules, all types of singular points (upper core, lower core, and delta points) can be extracted accurately and delineated in terms of the type of singular points. In case of arch-type fingerprints there exists no singular point, but reference points for arch-type fingerprints are required to be detected for registration. Therefore, we propose a new reference point detection method for arch-type fingerprints as well. The result of the experiments on the two public databases (FVC2000 2a, FVC2002 2a) with different resolutions demonstrates that the proposed method has high accuracy in locating each types of singular points and detecting the reference points of arch-type fingerprints without regard to their image resolutions.     

一种快速的人工场景图像消失点检测方法

人工场景中包含了大量的空间平行线以及垂直边,这些空间平行线映射到图像中相交产生的交点即消失点。消失点检测对摄像机标定、三维场景重建等都有着重要的意义。传统的消失点检测算法往往基于二维霍夫参数空间,复杂度高、效率低。因此,提出一种新的方法,先检测图像中较长的边界线,并将检测到的线段进行筛选、分组;然后利用消失点与焦距之间的制约关系,确定三向消失点的位置以及焦距的大小。该方法将传统的二维霍夫参数空间转换为二级一维霍夫参数空间。实验表明,这种方法运算复杂度低、运行时间短。在室外场景图像中,鲁棒性好,且保持较高的准确率。     

基于图像与点云的三维障碍物检测

为提高平截头点云网络在三维障碍物检测中的精度,基于平截头点云网络的结构提出一种扩张平截头点云的检测方法。采用图像和点云数据,使用二维目标检测网络Yolov3,检测障碍物的二维包围框;扩张包围框的大小,在点云数据中提取出障碍物对应的点云;通过改进的Pointnet网络对该点云计算,得到障碍物的三维信息。在原模型基础上,加入扩张包围框,提高点云数据提取的完整性。通过KITTI数据集的验证和测试,实验结果表明,通过扩张二维包围框可以有效提高检测网络的性能。     

演化硬件在图像边缘检测中的应用

设计基于演化硬件（Evolvable Hardware，EHW）的快速边缘检测进化系统，提出一种适于此系统的图像边缘提取操作结构，给出进化算法的编码方案，设计用于染色体评估的适应度函数，利用标准遗传算法来实现可变结构参数的图像边缘提取进化方法，并采用Roberts，Sobel，LOG，Robinson等传统边缘检测算法与进化方法进行对比试验。结果表明：进化方法边缘检测误差率最低，只有9．87％，其边缘提取的效果优于传统检测方法，     

基于指纹纹线形态特征的方向图修正算法研究

指纹图像存在着各种各样的噪声,直接取得的指纹方向图并不准确,需要修正后才能使用.传统修正方法如加权平均、直方图等块方向图算法具有较强的局部限制性,修正能力较弱.大量研究结果表明,在一个较大窗口中,指纹图像上绝大多数点的方向与该点垂向上各点的方向近似平行,因此提出了一种新的方向图修正算法.此算法的处理窗口是目前常用块方向算法的3至5倍,一定程度上摆脱了局部限制性,大大提高了修正能力,并在大量的实验中显示出优越性.     

基于多尺度小波与模糊方法的图像边缘检测

提出了一种基于多尺度小波变换和模糊方法的图像边缘检测算法,它将图像分为高频和低频部分别进行处理,高频部分利用多尺度小波变换进行边缘检测,低频部分利用模糊方法进行边缘检测,并对两种方法得到的边缘图像进行融合,实验结果证明检测出的边缘与其它传统边缘检测算子所获结果得到了很大的改善.     

基于物联网的人工智能图像检测系统设计与实现

物联网络的建立促使人工智能领域取得飞跃性进展。传统图像检测方法利用小波能算法进行背景与边缘噪声划分方式进行图像检测,存在低分辨率图像检测精度低、检测速度慢、缺乏图像深度分析等一系列问题。物联网人工智能发展迅速的环境下,提出基于物联网的人工智能图像检测系统设计。采用智能人工像素点特征采集技术(IAPCCT),对图像进行逐点特征提取,运用物联网丰富数据量资源与处理运算能力对采集图像像素点进行特征分析回馈,回馈信号经人工智能信号图像合成模块(AISIS),对信号做图像转换处理并输出分析结果完成图像检测。通过仿真实验测试证明,基于物联网的人工智能图像检测系统设计具有图像检测率高、识别准确度高、运行稳定、处理高效等优点。     

An Internet of Things assisted Unmanned Aerial Vehicle based artificial intelligence model for rice pest detection

Rice is a very essential food for the survival of human society. Most of the people focus on production of rice for their financial gain as well as their survival in the society. Rice production means a lot, not only for the farmers, but also for the entire human society However, it is very difficult to protect the rice during and after the production due to several reasons, such as natural calamities, heavy rain fall, flood, earthquakes, damage of rice due to pests, etc. Damage of rice can occur during production and after the production due to several pests. So, it is very much essential to identify the pests in the rice so that preventive measures can be taken for its protection. In this paper, an Internet of Things (IoT) assisted Unmanned Aerial Vehicle (UAV) based rice pest detection model using Imagga cloud is proposed to identify the pests in the rice during its production in the field. The IoT assisted UAV focuses on artificial intelligence (AI) mechanism and Python programming paradigm for sending the rice pest images to the Imagga cloud and providing the pest information. The Imagga cloud detects the pest by finding the confidence values with the tags. The tag represents the object in that image. The tag with maximum confidence value and beyond threshold is selected as the target tag to identify the pest. If pest is detected then the information is sent to the owner for further actions. The proposed method can able to identify any kind of the pest that affects the rice during production. Alternatively, this paper attempts to minimize the wastage of rice during its production by monitoring the pests at regular intervals.