基于PC系统的手指静脉识别算法研究与应用

通过分析人体手指静脉图像的特点,提出了一种基于灰度谷形区域搜索的手指静脉提取方法,即利用手指静脉图像的灰度剖面曲线呈谷形特征来实现静脉特征的提取.在静脉模式识别中,改进了传统的模板匹配方法,并建立了一个基于PC系统的手指静脉身份认证系统用于测试算法.试验结果表明,该手指静脉提取和匹配算法具有较高的识别率和应用价值.     

基于注意力特征融合网络的手指静脉图像质量评价方法

为充分挖掘质量特征以提高手指静脉图像质量评价的性能,提出一种基于注意力特征融合的深度可分离卷积网络,将其用于手指静脉图像质量评价。该方法主要包括静脉纹路提取、深度质量特征提取、注意力特征融合和图像质量类别预测等四个步骤。使用深度可分离卷积代替传统卷积,减少网络参数,使网络轻量化。使用注意力特征融合代替特征串联融合,从手指静脉灰度图像和手指静脉纹路图像中挖掘更具区分性的质量特征。考虑到目前没有公开手指静脉图像质量数据库,手工标注山东大学手指静脉公开库中图像的质量标记。试验结果表明,本研究提出的方法在手工标注数据库上的图像质量分类正确率为89.67%,图像质量评价性能优于现有手指静脉图像质量评价方法。     

基于小波散射网络下的图像检索

小波散射卷积神经网络由于其优越的性能而被迅速、广泛地运用到图像、音频等领域.本文利用这种新型的网络结构提取图像的特征，结合相似度度量方法，实现该特征提取在图像检索方面的应用.此外，将小波散射网络得到的特征系数，以其均值和方差作为新的特征，实现大规模图像检索的降维.最后，利用实验算法对比验证了上述降维方法的可行性和优越性.     

手指静脉图像感兴趣区域提取方法研究

研究了一种手指静脉感兴趣区域(ROI)的定位与提取方法,以解决手指在采集静脉图像时的随机运动对手指静脉识别结果的影响。通过计算手指轮廓线的主方向和末节关节腔位置对手指摆放位置的随机变化进行校正,并初步定位分割出手指静脉感兴趣区域。运用迭代优化方法实现手指静脉感兴趣区域分割结果的精确提取。在小型数据集上进行实验的结果表明:该方法得到的感兴趣区域具有较好的聚类特性。说明该方法能够有效地从同一手指姿态变化的多幅静脉图像中定位并分割出相似度较高的感兴趣区域。     

基于模式融合的生物特征识别

在模式融合的生物特征识别的基础上,提出了防伪的手指静脉和指纹复合信息识别系统模型,来解决指纹识别系统安全性和问题。建立了手指静脉识别新方法。首先对获取的手指静脉图像进行二进制小波变换,将图像信息转换为一系列的小波系数,此系数中包含背景以及采集时的噪声,通过软阈值去噪,从小波系数中消除噪声信号系数,用消噪后的小波系数重构手指静脉信号,重构后的图像作为特征图像。由于静脉信息相对较少,因此可采用比较准确的模板匹配。     

一种基于加权图模型的手指静脉识别方法

提出一种基于加权图模型的手指静脉网络特征描述方法。对于一幅手指静脉图像,通过图像划分获得图的顶点集,利用三角剖分获得图的边集,边的权重由边所连接顶点之间的特征相似度决定。通过这种方式,一幅手指静脉图像可转化为一个加权图,并通过度量加权图邻接矩阵之间的相似度实现手指静脉识别。详细研究影响识别结果的几个因素,并通过试验证明了该方法的有效性。     

基于优化纹理特征的手背静脉识别系统

为了有效提取手背静脉纹理特征,并对其进行识别匹配,提出了一种基于优化Gabor核纹理特征的手背静脉识别系统。首先,设计了一套手背静脉采集装置采集静脉图像。然后,对采集到的手背静脉图像预处理后进行三层Haar小波分解,再使用不同尺度和方向的Gabor核提取低频子带图像的纹理特征,之后使用主成分分析(PCA)法对纹理特征进行降维。最后,采用基于欧式距离的最近邻分类器进行识别。本文通过采集装置建立了具有较高质量的吉林大学手背静脉图像数据库,并在其上对本系统进行了性能测试。整体实验结果表明:该手背静脉识别系统能有效提高特征的识别速度,同时可达到98.5%的识别准确率,具有一定的应用前景。     

从诊断X线相干散射图像中提取能量分布曲线

为了从医用诊断X线相干散射图像中提取能量分布曲线,先采用K-Means算法和数学形态学方法将图像转化成二进制图像,再从二进制图像内正交投影空间能量中提取有效区域,然后计算质心环,最后构建成医用X射线相干散射能量分布曲线。     

基于深度卷积神经网络的羽绒图像识别

由于图像中羽绒形态及其多样性,传统的图像识别方法难以正确识别羽绒分拣图像中的羽绒类型,其识别精度也难以达到实际生产的要求.为解决上述问题,构造了一种用于羽绒类型识别的深度卷积神经网络,并对其权值初始化方法进行了改进.首先利用视觉显著性模型提取羽绒图像的显著部分,然后将图像的显著部分输入到稀疏自动编码器中进行训练,得到一组符合数据集统计特性的卷积核集合.最后采用Inception及其变种模块实现深度卷积神经网络的构造,通过增加网络深度来提高网络的识别精度.试验结果表明,用所构造的深度卷积神经网络对羽绒图像识别的精度较传统卷积神经网络的提高了2.7%,且改进的权值初始化方法使网络的收敛速度提高了25.5%.     

基于多语义融合与ArcFace损失的指静脉识别算法

指静脉识别深度学习方法往往忽视指静脉低级特征,未能充分利用指静脉轮廓、纹理等特征。为此,提出一种基于多语义特征融合网络与ArcFace损失的指静脉识别算法。首先,充分利用神经网络低层提取的指静脉轮廓角点等细节特征和纹理形状等结构信息,提出跨层拼接的特征融合机制,解决仅利用指静脉高级特征识别而忽视静脉低级特征的问题;其次,残差单元采用双层卷积结构,增加了相邻残差单元特征图的距离,消除了指静脉各级语义特征重叠现象,并采用阶跃式残差单元分布来提升网络高低层残差单元数量的差异,进一步加大了指静脉各级特征的距离;最后,在损失函数中加入ArcFace损失项,在角度域聚敛类内距离,分离类间距离,减小指静脉特征向量的类内距离。在公开数据集FV-USM、实验室采集的正常图像库及特殊图像库上进行性能分析实验,结果表明,和指静脉识别经典网络相比,提出算法的零误识拒识率分别降低了8.89%,6.89%和14.68%,Top1排序性能分别提升了2.85%,5.10%和9.07%。     

基于深度残差网络的轻量级指静脉识别算法

提出一种基于深度残差网络的轻量级指静脉识别算法。首先,以ResNet34为基础,使用深度可分离卷积代替传统卷积,加入SE(Squeeze and Excitation)注意力机制模块来提取手指静脉空间域上的细节特征,并引入宽度缩放因子,进一步压缩网络;其次,在训练中引入教师-学生网络模式,对轻量级深度残差网络进行知识蒸馏训练,并使用知识蒸馏损失、CurricularFace和交叉熵损失对网络进行联合监督,解决了轻量级深度残差网络因学习参数量较少引起的性能下降问题。分别在FV-USM数据集、Lab-Normal数据集和Lab-Special数据集上进行仿真实验,结果表明,同基于轻量级网络MobileFaceNet的识别算法相比,提出的算法有效提高了零误识识别率和Top1排序性能。     

基于多特征融合的手指静脉图像检索方法

为进一步提高手指静脉图像检索的精度,提出一种基于多特征融合的手指静脉图像检索方法。从手指静脉图像中分别提取纹理特征、方向特征、静脉主干特征,使用改进的多基元直方图方法计算纹理直方图和方向直方图,将两种直方图串联作为检索特征。考虑到手指静脉血管的空间分布特性,对图像进行分块处理,基于图像块提取检索特征。该方法在两个公开手指静脉数据库上的最优检索精度分别为99.16%、99.15%。试验结果表明,该方法能够充分利用多种不同特征,有效提升手指静脉图像检索性能。     

一种基于改进的卷积神经网络的人脸表情识别方法

针对人脸表情识别的准确率较低、鲁棒性较差的问题,本文提出一种加深层数的卷积神经网络,将卷积神经网络LeNet的2层卷积、2层池化、一层全连接分别修改为4层卷积、4层池化、2层全连接.首先对人脸表情图像进行关键点定位、人脸裁剪、图像归一化等预处理,然后利用卷积层提取人脸图像的低维度和高维度的特征信息,池化层对提取的人脸特征信息进行降维处理.最后采用softmax分类器对训练样本图像的表情进行分类识别.为了提高表情识别的准确率,在表情训练集中加入了自制的标注图片集.仿真对比实验表明改进的模型精度更高、损失曲线更平滑,验证了改进网络的有效性.     

浅海舰船地震波中Scholte波识别技术研究

根据浅海舰船航行过程中引起的海底振动所形成的舰船地震波,对界面波的识别技术进行研究。提出了基于两个传感器采集到的时域信号人工合成地震记录,采用τ-p方法实现Scholte波的提取,利用匹配追踪方法和魏格纳变换对Scholte波进行识别,实现了两个传感器对多道地震记录的合成,通过匹配追踪方法和魏格纳变换对τ-p变换提取出的Scholte波进行识别,从而精确提取出了Scholte波的频率、速度、能量。     

面向面部表情识别的双通道卷积神经网络

面部表情识别是机器感知人类情绪变化的重要途径,但表情识别受不同个体及情绪强弱差异影响较大,难以手动设计准确的特征.提出一种基于双通道卷积神经网络的面部表情识别方法,首先对采集得到的人脸图像进行预处理以限制分析范围,同时分析人脸灰度图像与对应的LBP图像以兼顾全局与细节特征;针对双通道输入数据,利用不同参数的卷积神经网络自动提取面部特征,通过加权融合分类网络进行特征融合,并利用softmax分类不同表情.实验结果表明,该算法能够以较高的准确率识别6种基本面部表情(高兴、悲伤、愤怒、沮丧、恐惧及惊讶).该方法性能优于基于手动设计特征的面部表情识别方法及单通道CNN方法,相比于其他双通道CNN方法,能通过更简单的处理得到近似的识别结果.     

深度连续卷积神经网络模型构建与性能分析

为了提升卷积神经网络特征提取能力,设计了一种基于连续卷积的深度卷积神经网络模型.该模型采用小尺度的卷积核来更细致地提取局部特征,并借助连续的两个卷积层增加模型的非线性表达能力,结合Dropout技术降低神经元之间的相互依赖,利用抑制网络过拟合对模型进行优化.人脸表情、手写数字字符和彩色图像的目标识别实验表明,在图像较为复杂时,该模型在识别的准确性和泛化性能上比手工特征提取方法及一般的2、3层卷积结构具有明显的优势.     

面向未知环境的理鞋机器人系统设计与实现

近年来机器人和人工智能技术发展迅速，但实现机器人在家居环境中的接触式操作仍然是一个具有挑战性的问题．为实现机器人自主整理鞋子的功能，提出利用实例分割网络和最小外接矩形识别鞋子和其朝向的方法，借助深度相机的点云信息，估计机器人的抓取位姿和放置位姿，并利用卷积神经网络和余弦相似度对同一双鞋子进行配对，设计了一套基于三维视觉的机器人自主理鞋系统．对系统中鞋子朝向识别的准确率和鞋子匹配的准确率进行评估，并进行真实机器人的自主整理测试．结果显示，所提方法对鞋子朝向识别的准确率达到96.2%，加入VGG16网络后，鞋子匹配算法的匹配准确率从62.6%提升到87.4%．该方法能准确实现机器人对鞋子及其朝向的识别进而对鞋子进行匹配，提升了机器人鞋子整理的稳定性．     

融合全局与局部特征网络的指静脉识别算法

手指平移、轴旋转等特殊姿态变化时,指静脉识别算法的识别率并不高,为此,提出一种融合全局与局部特征网络的指静脉识别算法。首先,根据特殊姿态指静脉图像全局静脉信息差异较大而局部显著静脉信息相似度较高的特点,通过多分支网络结构学习不同粒度下的全局特征与局部特征并进行融合识别,提高了指静脉特征对手指放置姿态变化的鲁棒性;其次,使用CurricularFace损失以及交叉熵损失对网络进行联合监督,扩大指静脉特征类间差,缩小类内差,并引入在线困难样本挖掘机制,使得网络重点训练手指姿态变化较大的样本,进一步提高了算法在手指出现平移、轴旋转等姿态变化时的识别率;最后,采用Mish激活函数作为激活层,提高了网络提取指静脉特征的能力。分别在FV-USM数据集、FV-Normal数据集、FV-Special数据集上进行仿真实验,结果表明,相比于指静脉改进残差网络算法,提出算法的零误识识别率分别提高了11.33%,8.11%,22.57%,Top1排序分别提升了4.00%,4.96%,12.23%。     

汽车牌照自动识别系统总体设计及软件结构

采用数码摄像机、图像采集卡、计算机等硬件设备，进行实时图像采集，利用VC 6．0及图像处理和模式识别技术开发汽车牌照自动识别系统。用灰度直方图方法从摄取的包含有车牌的汽车图像中确定车牌位置，并且分割出各字符，用混合特征提取方法提取车牌字符的边界拓扑等特征，与字符模板匹配比较，识别出车牌号码。     

一种保持散射特性的极化SAR图像滤波方法

提出一种能够保持散射特性的极化滤波方法.首先,对图像的极化散射特性进行提取,得到不同散射特性的类别并进行标识;其次,按照不同类别的标识,采用自适应滑动窗口处理,提取与中心像素散射特性相同的像素点进行滤波参数估计;最后,利用得到的滤波参数对实测数据进行滤波处理.通过验证比较,表明该方法不仅有效地抑制了相干斑,同时对极化散射特性有很好的保持能力.