基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。     

基于线性模板和模糊规则的虹膜坑洞纹理检测

基于虹膜表面特定形状纹理的虹膜识别方法是虹膜识别的一种有效手段。然而,由于虹膜纹理复杂多样,形态各异,因此如何快速、准确地检测出虹膜表面各种不同类型的特征纹理仍然是目前亟待解决的一个难题。针对坑洞纹理的检测,提出一种基于定长线性模板和模糊规则的虹膜坑洞纹理的检测方法,首先使用一个定长的线性模板提取出虹膜表面所有纹理的边缘。然后,根据坑洞纹理与其他类型的纹理在形状上存在的不同,定义相应的模糊规则,从各种不同类型的纹理中识别出坑洞纹理。该算法对图库中人工标定的坑洞纹理检测的正确率为86.06%;对色素斑、裂缝以及眼睑的排除率分别为84.62%,71.56%,100%。实验结果表明,该方法能够从背景复杂的可见光虹膜图像中识别出坑洞纹理,为虹膜的特征提取提供了一个新的思路。     

基于泡沫纹理信度分配SVM的矿物浮选工况识别

针对矿物浮选过程中泡沫纹理各向异性、纹理特征信度差异以及类间样本数分布不均等问题,提出一种浮选工况的自动识别方法.首先基于多角度融合的空间灰度共生矩阵计算角二阶矩、熵、惯性矩、逆差矩和相关性等二阶统计量描述泡沫纹理特征,然后引入信息熵的概念,以二阶统计量的信息增益分配各种纹理特征对分类器的信度,再通过类间样本数加权策略消除样本分布的不平衡性,最后实现了一对一加权支持向量机的浮选工况识别.工业现场泡沫图像测试结果表明,该方法能够有效降低小样本的错分率,提高整体识别率.     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

一种基于纹理特征点匹配的自适应虹膜识别方法

传统的虹膜识别方法原理复杂,实现困难.为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,提出了一种基于纹理特征点匹配的自适应虹膜识别方法.首先,通过图像预处理得到512列×64行的矩形虹膜图像;其次,在有效的虹膜区域内,通过自行设计的边缘检测方法找到虹膜特征点;再次,对特征点进行编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果.在给定距离阈值为0.37的前提下,可以达到99.242 8%的正确识别率.实验结果证明,该方法能够满足虹膜识别高准确性的要求.     

基于纹理特征的道路行人识别研究

道路行人识别已经成为智能车辆与车辆辅助驾驶系统的关键技术。研究一种基于纹理特征的行人特征提取和识别方法。纹理特征作为图像的重要特征在图像分析与识别有着广泛的应用。做出道路行人与非行人样本的纹理频谱,得出它们存在差异性的结论。首先用统计方法来计算样本图像的纹理特征,然后将支持向量机方法应用于道路行人的识别试验。试验结果表明,选择纹理特征作为道路行人特征具有很好的道路行人识别效果。     

基于小波变换和LDA/FKT及SVM的人耳识别

人耳识别技术是生物特征识别和人工智能领域的一个重要分支.针对人耳图像自身的特点并通过对现有方法的研究,本文提出了一种新的人耳识别方法,即先对人耳图像进行二维的离散小波分解,然后使用LDA/FKT算法对小波分解后得到的低频信息进行降维,进而获得图像的特征向量,最后采用支持向量机作为分类器对样本向量进行判别.实验证明,本文提出的方法不仅较好地解决了人耳识别中的小样本问题,而且还取得了比传统的PCA+LDA方法更高的识别率,是一种有效的人耳识别方法.     

铁谱图像的彩色纹理特征提取与识别

纹理是铁谱图像的特征之一,但大部分的铁谱图像的纹理研究是以灰度图像为基础的,这样就丢失图像的彩色纹理信息。对铁谱图像的彩色纹理特征进行了提取,运用支持向量机的方法,对铁谱图像的磨粒颗粒进行了识别,试验结果表明,所提取的特征值,有利于磨损颗粒纹理的识别。     

基于SVM的点云模型识别技术的研究

提出了一种基于支持向量机统计识别技术的点云曲面重构法,直接从点云中识别出模型并进行模型替代,从而很大程度上减小了数据量并且保证了建模精度.实验证明,此方法具有较好的效果,并有误差小、速度快等优点.     

基于二次特征提取与SVM的异常步态识别

长期以异常步态行走将导致人体足部、踝关节、大腿疼痛乃至身体骨骼疾病.针对目前普遍采用的基于计算机视觉的步态识别技术对数据采集环境要求严苛、视频图像分析受环境影响较大等问题,基于人行走时的足底压力变化特征进行步态识别,足底压力数据经由穿戴式步态采集器,可以不受环境限制且能实现较远距离的步态识别.并提出一种基于二次特征提取与支持先向量机的异常步态识别方法.该方法采用主成分分析法对从足底压力变化曲线中提取出来的步态特征进行二次提取.获取包含样本数据信息的主要特征信息,通过多分类支持向量机模型对步态进行识别.实验结果表明:该方法对异常步态的平均识别率达到92.625 5%,具有较高的识别精度.     

基于双线性模板和分块策略的虹膜色素斑检测

本文色素斑是一种重要的虹膜特征纹理。然而,由于该纹理颜色深浅不一,形状各异,因此如何从具有复杂背景的可见光虹膜图像中检测出该纹理仍然是目前亟待解决的一个难题。提出一种基于双线性模板和分块策略的可见光虹膜色素斑检测方法,首先使用两个不同长度的线性模板来提取虹膜上所有不同类型的特征纹理;然后,采用分块策略得到一个能描述该纹理灰度分布特征的特征向量;最后,使用BP神经网络实现对色素斑纹理的检测。该算法对图库中色素斑纹理检测的正确率达到81.25%,对非色素斑纹理的正确识别率达到83.97%,总的正确检测率达到83.23%。实验结果表明,该方法能够从背景复杂的可见光虹膜图像中检测出色素斑纹理,为虹膜的特征提取提供了一个新的思路。     

基于矢量加权线检测算子的虹膜环状线条检测

由于虹膜环状线条与背景相比信号强度比较弱,且背景图像纹理异常丰富,环状线条灰度不完全连续,在灰度图像上直接用边缘检测算子进行虹膜环状线条检测时,会丢失很多有效信息,误检率及漏检率较高,为了解决这个问题,在对虹膜环状线条特征进行分析的基础上,设计了一种适用于虹膜环状线条检测的矢量加权线检测算子。首先由于环状线条在虹膜上的位置比较固定,选取虹膜环状区域左右两部分区域作为感兴趣区域;其次,设计矢量加权线检测算子,依据优势信号出现在不同通道的随机性自适应的进行加权,由此将矢量图像转变为边缘信息最为突出的单通道图像,再根据环状线条的线特征分布特点设计线检测矩阵,对预处理后的感兴趣(ROI)区域进行检测;最后在二值化图像上根据环状线条的形状设计区域形状因子排除非环状线条,实现环状线条的检测。该方法在图库中人工标定的1 921条环状线条的检测正确检出率达到91.78%。实验结果表明,本方法与经典的边缘检测算子相比,更适用于虹膜环状线条的检测。     

Computer aided detection and classification of acute lymphoblastic leukemia cell subtypes based on microscopic image analysis

Acute lymphoblastic leukemia (ALL) is a cancer that starts from the early version of white blood cells called lymphocytes in the bone marrow. It can spread to different parts of the body rapidly and if not treated, would probably be deadly within a couple of months. Leukemia cells are categorized into three types of L1, L2, and L3. The cancer is detected through screening of blood and bone marrow smears by pathologists. But manual examination of blood samples is a time‐consuming and boring procedure as well as limited by human error risks. So to overcome these limitations a computer‐aided detection system, capable of discriminating cancer from noncancer cases and identifying the cancerous cell subtypes, seems to be necessary. In this article an automatic detection method is proposed; first cell nucleus is segmented by fuzzy c‐means clustering algorithm. Then a rich set of features including geometric, first‐ and second‐order statistical features are obtained from the nucleus. A principal component analysis is used to reduce feature matrix dimensionality. Finally, an ensemble of SVM classifiers with different kernels and parameters is applied to classify cells into four groups, that is noncancerous, L1, L2, and L3. Results show that the proposed method can be used as an assistive diagnostic tool in laboratories.     

使用PCA及SVM算法进行滚动轴承故障检测

本文使用PCA（主元分析）算法对滚动轴承振动信号数据进行预处理,这可降低数据维数和提取数据特征信息;将预处理后数据作为SVM（支持向量机）算法的输入,通过SVM算法来检测轴承故障。     

基于压力传感器的跌倒检测系统研究

通过研究中老年人常见的紧急事故——跌倒为研究对象,针对现有跌倒检测方法存在的诸多问题,我们设计了一种基于压力传感器的跌倒检测系统,该系统包含压力采集模块、基于微处理器的数据处理模块、无线通信模块和后台四个模块。通过检测并分析研究脚底压力在正常行走和跌倒状态下的变化,实现跌倒事件的实时检测。并在此基础上,提出基于支持向量机的跌倒识别方法。实验结果证明该系统的判别具有较高的可靠性和准确性。     

基于灰度差分和脊线检测算子的虹膜裂缝检测

虹膜裂缝是用于虹膜识别的特定形状虹膜纹理之一。为了解决在复杂背景下提取裂缝特征的问题,在对虹膜裂缝特征进行分析的基础上,提出了一种虹膜裂缝检测方法。首先用灰度差分模板得到裂缝纹理候选区域,并根据裂缝的先验知识筛选裂缝候选像素,在原图上分割成小区域;其次,采用脊线检测算子在小区域范围内对各种纹理进行检测;最后在二值化图像上计算该区域能量密度,排除非裂缝纹理,实现裂缝纹理的检测。该方法在图库中人工标定的1 201处裂缝中检测正确检出率达到94.09%。实验结果表明,本文方法在不需要手动去掉卷缩轮内区域的情况下,能够在多种虹膜纹理并存的复杂背景下检测出虹膜裂缝纹理。