基于离散余弦变换的手指指节折痕识别

提出了一种新的基于手指指节折痕的生物特征识别方法.针对指节折痕的分布特点,首先对CCD获取的手指图像进行预处理,并在手指的内侧截取一个长方形区域,用来提取折痕特征的感兴趣区域(ROI),该区域包含了手指的第一指节和第二指节的全部折痕线;其次.对ROI图像进行离散余弦变换,然后运用具有带通性质的滤波器去选择那些能很好表征手指折痕信息的余弦变换系数,以形成折痕特征矢量.该算法对光照变化不敏感.最后,在一个手指图像数据库上,利用基于欧氏距离的最近邻分类器进行了算法验证,等错误率(EER)约为0.71%,实验结果验证了该算法的有效性.     

小波、混沌和图像迭代在数字水印中的应用研究

论文提出了一种基于混沌和图像迭代混合的小波变换数字水印算法,该算法首先把原始图像进行多级小波分解,得到其低频平滑子图作为水印载体,然后把这个载体子图与水印进行迭代混合,最后把这个混合子图与小波分解的其它子图进行小波重构,得到一个嵌入了水印的图像。混沌系统的初值敏感性保证了水印信息的安全性。同时,把水印迭代在原始图像的低频部分又确保了水印信息的鲁棒性。最后,实验结果也证明了该方法的合理性。     

指静脉与折痕双模态图像采集系统设计

手指静脉识别是针对手指皮肤内部的静脉特征进行活体识别,具有非接触和安全性高等优点,但存在特征数量少的缺点;手指指节折痕位于皮肤表面,且具有稳定的生物学特性。因此,为解决单一模态手指静脉的可提取特征数量不足的缺点,设计了一种双模态生物特征图像采集系统,即针对手指相同位置,采集皮肤内部手指静脉和皮肤表面指节折痕2种不同类型图像。图像采集系统硬件主要包括USB 2.0控制器、200万像素CMOS摄像头模组、可见光与红外光切换电路、微型步进电机驱动电路和I2C电路等。实验结果表明:该系统具有实时性,能够连续采集手指静脉和指节折痕2种清晰、稳定生物特征图像,为双模态生物特征识别系统提供了良好的软硬件基础平台。     

图像插值算法在对数极坐标变换中的应用

传统对数极坐标变换算法对图像具有平滑作用,易造成图像细节信息丢失。该文提出将一种基于小波变换的插值算法用于图像对数极坐标映射。该算法对图像作小波变换得到4个子图,并对各子图作对数极坐标变换,其中最优对应像素的确定根据不同子图的特点采用相应的插值算法,对子图映射图作逆小波变换。实验表明该算法是有效的。     

基于小波变换和频域滤波的指纹增强方法

本文提出一种基于小波变换和频域滤波的指纹图像增强方法.首先提出一种基于小波变换的阈值分割方法,有效地分离出指纹图像的前景区和背景区,对前景区进行小渡变换,仅利用小波变换的低频子图估计纹线的方向和频率信息,从而抑制了噪音等高频信息对估计值的影响.针对小波变换后低频子图与高频子图的不同特点和增强目标,在低频子图设计Gabor滤波器,而在各高频子图设计方向滤波器,实现图像的频域滤波.最后进行小波重构.实验结果证明,该算法有效地增强了指纹图像的质量.     

基于小波变换与图割的彩色图像分割方法

为提高图割算法的分割效率与质量并改善shrinking bias现象,提出将图割理论与小波变换相结合的方法.该方法利用小波变换多分辨率分析的特点,将变换中的低频子带图像作为估计GMM参数的训练样本进行多尺度迭代分割,提高算法效率,利用简单高效的CS_LBP纹理描述子提取高频子带图像中的纹理信息,将颜色与纹理特征相结合改善分割效果,并利用高频系数进行多尺度边缘检测,用于计算局部自适应的正则化参数,改善对细长边界的分割.实验结果表明,分割效果得到了改善,算法效率得到了提高.     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

基于指节纹的个人身份自动识别

人体的指节纹具有稳定性且对于不同的人具有不同的位置和结构特征, 可作为身份识别的依据. 本文提出了一种基于指节纹的身份识别新方法: 对采集的手掌图像首先通过预处理分割出各手指并旋转至水平位置; 然后用Sobel算子求其水平梯度, 对梯度图二值化后经垂直投影得到一维向量; 对此向量应用小波去噪, 生成手指指节纹特征向量; 通过用余弦函数计算指节纹特征向量之间相似度实现最后的匹配. 本文用该方法对来自190个手掌的1900个样本进行了测试, 取得了0.67%的等误率, 单次匹配时间低于2ms. 实验结果表明该方法具有较高的识别精度, 而且识别速度快, 适合在大规模手掌库中实现手掌筛选.     

融合小波子带与贝叶斯的人脸识别算法

提出了融合小波和贝叶斯的人脸识别方法.对原始图像采用小波分解后,原始图像被分解到不同的频带上.利用小波理论分析可知,在每一级分解中,低频子图像包含了原始图像的主要描述信息,而其他高频子图像包含的信息较少,对模式分类的作用也较小,所以可忽略不计.该算法首先对图像进行二级小波分解,其次对得到的每幅低频子图进行贝叶斯人脸识别.在FERET人脸库的子集上对识别算法进行了测试和比较.实验表明,与传统的方法相比较,该方法降低了运算量,提高了识别率.     

改进的手指静脉图像识别算法仿真研究

为了解决传统 PCA 方法和小波矩融合 PCA 方法在光照条件变化较大时不能有效抽取图像局部特征,导致识别率较低的问题,提出了一种直接基于子图像向量的线性鉴别分析方法,即模块 PCA 手指静脉特征提取算法.上述算法通过对图像进行分块,利用 PCA 对分块得到的子图进行鉴别分析.由于使用子图像矩阵,能有效地抽取图像的局部特征,避免使用奇异值分解理论,过程简便.实验结果表明,所提出的方法在识别性能上明显优于传统 PCA 算法和小波矩融合 PCA 方法,识别率可以分别提高 5.6 和 4.1 个百分点.     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩。然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心。最后,将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

一种融合颜色和纹理特征的遥感图像检索方法

海量遥感图像的自动查询和选择，迫切需要有效的基于内容的图像检索方法。鉴于单一视觉特征不能很好地表达图像内容，为此提出一种基于五叉树分解的线性加权颜色和纹理特征距离的检索新方法。该方法首先采用五叉树分解法分解图像，然后在利用多通道Gabor滤波器与图像做卷积得到滤波能量值的基础上，提取各子图像滤波能量纹理特征，最后通过计算子图像的颜色均值和均方差来对查询图像和与其大小相当的数据库子图像进行颜色和纹理特征线性加权距离相似性测度。将该方法用于高分辨率卫星和航空遥感图像数据库检索的实验结果证明，该方法是有效的。     

基于方块编码的图像压缩

随着多媒体技术的迅速发展，图像压缩与编码方法日益重要。方块编码是有损压缩方法中的一种重要的编码方法，它的基本原理是将图像分割成子块矩阵，并为各子块矩阵设计其量化电平，量化后用位映像矩阵代替子块矩阵，从而达到数据压缩的目的。给出了用MATLAB编写的实现代码及实验结果。     

Image fusion method based on nonseparable wavelets

This paper presents an image fusion method based on a new class of wavelet - nonseparable wavelet with compact support, linear phase, orthogonality, and dilation matrix . We first construct a 6 x 6 nonseparable wavelet filter bank. Using these filters the images involved are decomposed into nonseparable wavelet pyramids. Then the following fusion algorithm is proposed: for the low-frequency part, we select the average of the low-frequency subimages from both sensors. For every high-frequency subimage of each level, we select the absolute value of each pixel of the high-frequency subimage to form a new subimage, and the variance of each image patch over a 3 x 3 window in the new subimages is computed as an activity measurement. If the variance of the 3 x 3 window in one new subimage is greater than the variance of the corresponding 3 x 3 window in the other new subimage, then the center pixel value of the 3 x 3 window is selected as a new pixel value of the fused image. A new fused image is then reconstructed. The performance of the method is evaluated using entropy, root mean square error, and peak-to-peak signal-to-noise ratio. The experimental results show that this method has good vision effect. Because the nonseparable wavelet transform can extract more details from source images, all the features in the source images can be seen in the fused image, and the fused image can extract more information from the source images.Received: 5 July 2003, Accepted: 29 November 2004, Published online: 25 February 2005This research was support by NSFC under project 60085002     

基于自然地貌图像的无人机着陆点识别

无人机着陆点识别是图像识别算法的一个重要应用领域,提出了一种基于自然地貌图像的着陆点识别算法。首先用Contourlet变换对基准图库图像进行Contourlet变换,得到不同分辨率下的高频和低频子图;然后分别提取各子图的Hu矩特征;根据各特征识别率的不同进行特征筛选,建立特征识别库;接着进行k-mean法特征匹配。通过对基准图库中的单一地貌图像和测试图像库中的复杂地貌图像的识别实验,验证了算法的有效性。     

基于JPEG2000的图象局部可分级检索

提出了一种基于JPEG2000的图象局部可分级检索方法。首先,对图象采用JPEG2000的基本算法进行压缩编码;然后,把压缩码流按零树结构编排,每个零树结构对应着图象的某个网格区域,从零树结构所包含的DWT系数可以分级重建这个网格区域的内容。检索时,先从图象的最低分辨率子图象（即LL子图象）的预览开始,一旦发现目标,则锁定目标;然后在空间分辨率和信噪比两个方面逐级浮现目标所在网格的内容。由于该方法仅仅使用部分压缩码流数据来恢复图象的局部内容,从而节省了大量的计算资源;最后给出了基于JPEG2000的图象局部可分级检索的实验实例。     

一种使用计算机提取人脸图像特征的阈值最优分层法

在人脸识别中,人脸图像对光照环境变化非常敏感,并严重地影响人脸图像的识别率。针对这一问题,提出了一种使用计算机提取人脸图像特征的阈值最优分层法。该方法依据定义的图象空间分割原理,将图像阈值的选取问题转化为阈值的最优化问题,对所设计的目标函数引入加权系数,并利用单纯形法进行寻优,使问题的求解更符合实际。采用ORL人脸数据库进行仿真实验,利用阈值最优分层法将人脸图象空间划分成不相重叠的子图象空间,使每层子图象空间象素数均匀分布。结果表明,该方法具有阈值自适应调节的特性,避免了固定阈值选取对光照环境变化非常敏感的缺点,对人脸图像的识别具有一定的意义。     

基于概率模型的多尺度图像融合算法

文章给出了一种基于概率模型的多尺度图像融合新算法。首先,对不同的传感器图像分别进行小波分解,得到塔式结构子图像层;其次,基于不同传感器图像对应层上的对应像素,根据最小二乘规则估计模型参数;然后,根据贝叶斯规则进行融合图像相应像素的最大后验概率估计;最后,通过小波逆变换得到融合图像。采用该算法对可见光和红外图像进行融合,其结果与其它方法相比更有效。     

多小波图象变换的统计分析

多小波是一种新的小波,多小波的应用更是近几年才日见兴起,因此,有关多小波图象变换的一些基本统计数据,如均值、方差、量化后零系数的比例等等,尚未见诸学术刊物,而这些数据又是从事多小波图象编码研究的基本依据。从学术刊物和互联网上收集了5种不同性质的多小波,对这些多小波图象变换特性进行了详尽的统计分析。通过统计分析发现：（1）图象经过CL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还进一步汇聚在最低分辨率子图象的第一个分量上,因此,CL多小波最适合图象编码;（2）图象经过CARDBAL多小波变换后,能量不但汇聚在最低分辨率的子图象上,而且还平均分摊在最低分辨率子图象的4个分量上,因此,通过相关性编码可以大幅度提高CARDBAL多小波图象编码的压缩比;（3）图象经过GHM多小波变换后,最低分辨率子图象的能量既不是集中在一个分量上,也不是平均分配在4个分量上,因此,尽管GHM是最早发现的多小波,且是目前最为常用的多小波,但它其实并不是图象编码的首选。     

基于NCT的特征级图像融合

为得到更好的融合效果,将特征级融合与像素级融合相结合,利用Contourlet变换(CT)对源图像进行分解,对于近似图像,利用Canny算子进行边缘检测以得到边缘特征图像,再以边缘特征图像作为交叉视觉皮质模型的输入,根据各神经元的点火次数进行融合;对于细节图像,根据区域能量系数矩阵进行融合.通过多聚焦闹钟图像和CT、M...