二维Gabor小波在虹膜识别中的应用

二维连续小波变换具有尺度伸缩、平面位移和旋转能力,被广泛应用于检测图像的局部特性,二维Gabor小波变换属于二维连续小波变换,它非常适合于提取图像细节纹理的特征.针对虹膜纹理的局部特性,将二维Gabor小波应用于虹膜识别中.实验结果表明,二维Gabor小波能有效地提取虹膜纹理特征,从而达到虹膜识别的目的.     

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.     

一种图像边缘特征提取算法

边缘作为一个重要特征是图像目标检测中基础而又困难的一个问题.用常规方法进行边缘检测时,噪声会影响到边缘特征提取的准确性.为了减小噪声对图像边缘特征的影响,改善边缘特征的定位精度,本文提出了一种新的图像边缘特征提取算法.该方法利用小波变换天生的多尺度特性,对小波变换各尺度下的细节图像用互能量交叉的方法进行噪声抑制和边缘识别.最后作了实例验证.     

连续小波变换的滚动轴承故障诊断

提出了用连续小波变换与傅立叶变换相结合进行轴承故障识别的新方法。先通过Morlet连续小波变换对故障轴承信号进行不同尺度的分解,然后进行小波尺度一能量谱统计,再在有可能体现故障频率的尺度上对其获得的小波系数进行快速傅立叶变换来识别故障特征频率。对于非常微弱的内圈故障提出了通过共振解调法对特定尺度系数进行Hilbert包络提取故障频率的新方法。优点在于能够在强噪声背景下较为精确的识别故障。实际测试验证了新方法的正确性。     

一种基于小波的虹膜定位方法

为了提高虹膜定位的准确性,结合小波分析、灰度阈值分割和Hough变换的优点,提出基于小波的虹膜定位方法.该方法根据虹膜图像的特点,先对其进行小波分析去噪,再用灰度阈值分割法分离出瞳孔区域,最后利用圆Hough变换确定出瞳孔的圆心和半径.并且利用瞳孔与虹膜的近似同心性,应用圆模板的方法求得虹膜的圆心和半径.实验结果证明,该算法提高虹膜定位的精度,并且具有较强的抗干扰能力.     

基于连续小波变换的滚动轴承外圈故障检测

提出了用连续小波变换与傅里叶变换相结合进行轴承外圈故障识别的新方法。先通过Morlet连续小波变换对故障轴承信号进行不同尺度的分解．再对其获得的小波系数进行快速傅里叶变换来识别故障特征频率。然后对不同信号做小波系数能量谱进行对比。优点在于能够在强噪声背景下较为精确的识别外圈故障。实际测试验证了新方法的正确性。     

轨道扣件检测特征提取算法研究

对于有效的提取轨道扣件的特征,提出一种基于小波变换与多尺度局部二进制相结合的特征提取方法。首先将图像进行小波变换,可以有效的去除图像中的噪声,提取出其低频部分,突出图像局部的信息,然后使用多尺度局部二进制对其进行特征提取,而多尺度局部二进制算法则可以在既保留图像局部信息的同时,最大程度留住图像整体信息。通过实际的实验,用最小距离分类器对该特征进行分类识别,表明该方法有效,可行,提高了图像中轨道扣件的识别率。     

虹膜定位技术研究与实现

为了提高虹膜识别的效率和准确性,提出了一种将粗定位和精确定位相结合的虹膜边界提取预处理方法。通过对预处理后的二值化虹膜图像进行粗定位,基于瞳孔边界点控制的最小二乘拟合方法确定虹膜内边界,并采用微积分算子精确检测定位虹膜外边界。最后用CASIA虹膜库中的756幅虹膜图像对算法进行测试,与基于Hough变换的虹膜定位方法关于虹膜内外边界的定位时间和虹膜定位的准确度进行比较。结果表明,该算法具有很好的准确性和识别速度。     

基于小波分析识别内燃机噪声源

根据连续小波变换具有比较二进离散小波变换和小波包变换更精细的尺度分辨率的特点,研究了适用于发动机表面辐射噪声源识别C-mor小波变换的修正与证明.以一台柴油机为例,用得到的声强识别结果,验证了小波系数修正的正确性和实用性.     

基于支持向量机的虹膜识别方法

提出了一种基于支持向量机的虹膜识别算法,通过对虹膜纹理采用小波变换来实现特征提取,最后通过支持向量机完成匹配。实验结果表明,该算法识别率高并可有效地应用于虹膜身份鉴别系统中。