一种基于小波变换的虹膜识别方法

虹膜上的纹理或结构的差异,是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的识别率,就必须运用虹膜图像的边缘信息.利用二维小波变换,构造出了一种新的虹膜识别方法.该方法的基本思想是对于小波多层分解的低频分量,用一种变形的互相关方法由粗到精地进行匹配,以筛选出少数匹配较好的虹膜图像;然后在第一级小波分解的边缘分量上提取图像边缘,并用一种新的基于边缘特征的距离量度对筛选出的虹膜图像进行最终识别.与国外的虹膜识别方法相比,该方法把全局特征与局部特征很好地结合起来,并且更为有效地利用了虹膜图像的边缘信息.     

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.     

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.     

空间信息与尺度信息相结合的虹膜识别算法

提出了一种空间信息与尺度信息相结合的虹膜识别算法.将二维小波变换与灰度共生矩阵相结合,由此提取的虹膜特征向量既反映了空间变化的特性也反映了尺度变化的特性.实验结果表明用该方法构造的虹膜识别算法,对比仅用小波变换的方法,可获得较高的识别率.     

二维小波变换在虹膜特征提取中的应用研究

本文提出了一种采用canny变换来提取虹膜特征,并用小波神经网络来进行分类的虹膜检测识别的新方法.该方法结合了小波神经网络作为一种新的分类方法,它很好地改进了识别精度,同时提高了系统的性能.一个简洁并且能快速训练的算子Adaboost也将在小波神经网络中给出介绍.实验结果表明,应用该算子进行分类识别时,识别率为100%,该方法具有很高效的可行性.     

基于序列图像提取稳定特征点的虹膜识别算法

为了尽可能降低不稳定特征点对识别率的影响,研究提出了基于序列图像提取稳定特征点的虹膜识别算法.该算法首先用二维Gabor滤波器对序列虹膜图像提取特征编码,然后对该序列特征编码求交集以提取稳定特征点,并利用这些稳定特征点建立虹膜的特征模板库,最后通过计算相似度,获得识别结果.在实验室采集的序列虹膜图库上,当等错率为0.3017%,分类阈值为0.6402时,正确识别率可以达到99.73%.实验证明该算法是有效、可行的,并更好地提高了虹膜的分类精度和改善了虹膜的识别性能.     

基于小波分析的图像压缩编码

文章在分析传统压缩编码存在缺陷的基础上,提出了使用小波变换方法对图像进行压缩编码,并讨论了这种方法的优势及发展前景     

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.     

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.     

基于相位一致性最大响应方向的虹膜识别方法

为了进一步提高虹膜识别的准确性,提出了一种基于相位一致性最大响应方向的虹膜识别方法.该方法对人眼图像进行图像预处理,得到归一化的虹膜图像;然后,提取像素对于相位一致性的最大响应方向作为可区分性特征,并将最大响应方向的序号编码为简单易处理的二进制虹膜代码;最后,通过计算两个虹膜代码之间的加权汉明距离衡量二者的差异,并给出识别结果.实验结果表明,该方法的等错率为0.871 5%,正确识别率为99.851 8%.与经典的虹膜识别方法相比,该方法具有更高的识别准确性.     

一种基于相位一致性的虹膜识别方法

凭借虹膜自身的稳定性、非侵犯性、难更改性等优点,虹膜识别已经成为生物特征识别领域中的研究热点。但是在非侵犯性的虹膜识别系统所采集到的人眼图像中,虹膜环内的部分区域被眼睑或眼毛所遮挡,造成虹膜纹理的丢失。将被眼睑或眼毛遮挡的区域去掉之后,虹膜可用纹理区域的面积会低于100%。为了在这种情况下仍然能够提取出满足虹膜识别要求的特征,本文提出了一种基于相位一致性的虹膜识别方法。实验结果证明,该方法能够在虹膜可用纹理区域不完整的情况下提取出足够多的可区分性特征用于虹膜识别,并且具有0.137 0%的等错率和99.862 5%的正确识别率。     

利用小波变换进行目标识别的方法研究

小波变换具有多分辨率的特点,并且这个特点呈Mallat塔形分解形式,这种分解方式和人们由粗到细,逐渐辨识图像的思维方式极其吻合.此外,小波变换还具有易于消除噪声、运算方便、能够体现图像特征点信息等优点,本文主要阐述一种基于小波变换这些众多优点上的目标图像识别方法.     

基于二维小波变换及图像模式识别的焊缝坡口识别

采用二维小波变换及二值化方法处理初始条件下管道焊缝坡口图像,获取焊缝坡口纹理信息,作为模板。 对后续坡口图像进行同样的小波变换及二值化处理,利用模式识别方法获取后续图像焊缝坡口及其中心线的基本 位置信息,研究的焊缝坡口识别算法为实现自然光下焊缝坡口实时跟踪提供了理论依据。     

基于冗余小波和分水岭变换的肺结节识别

利用CT影像检测肺结节,已成为目前诊断和预防早期肺癌的主要方法.对肺结节的有效识别,是实现肺癌计算机辅助诊断的关键.本文根据医学影像的特点,提出一种基于冗余小波变换和分水岭变换的肺结节识别方法,该方法通过保持平移不变的冗余小波变换得到细节信息增强的影像,然后用基于有向欧式距离变换的分水岭算法实现对肺结节的分割.实验表明,该方法对CT序列影像进行肺结节识别可以得到良好的分割结果,从而为医生对肺结节的诊断提供更加准确的客观依据.     

基于小波变换和核主成分分析的人脸识别算法

人脸识别是当前模式识别和图像处理领域的研究热点。属于生物鉴别技术的一部分。一个完整的人脸识别系统主要由以下几个基本环节构成：图像预处理、人脸检测与定位、特征提取分类识别。本文主要针对图像的特征提取分类识别环节进行分析和试验：首先应用哈尔小波变换初步提取人脸图像的特征;再对小波系数运用核主成分分析进行最终的人脸特征提取。     

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.     

利用Gabor小波变换解决人脸识别中的小样本问题

提出了一种在人脸识别中解决小样本问题的新算法。通过把人脸图像经过Gabor小波变换后得到的每个图像都看成是独立的样本,大大增加了每一类人脸样本的样本数,解决了人脸识别中的小样本问题。专门针对人脸特征向量组,设计了使用白化变换后余弦距离测度的最近邻分类器来进行分类判决。在FERET人脸库中,对该方法与直接PCA方法进行了实验比较,结果表明,新方法的平均正确识别率可以达到97%,比直接PCA方法具有更好的识别性能。     

基于统计特征中心对称局部二值模式的虹膜识别

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点,提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法.首先,根据虹膜纹理的分布特性,用CS-LBP对归一化的虹膜图像进行编码;为了进一步降低特征维数,对编码后的图像进行特征统计.然后,根据统计结果的分布,提取出有效的二值特征图像.最后,用Hamming距离进行虹膜识别.对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别,最高正确识别率分别为99.955％、99.848％、99.989％、99.916％.实验结果表明:该方法有效地利用了虹膜纹理分布特性,与LBP和CS-LBP方法相比,具有更少的特征维数、更高的正确识别率和更好的鲁棒性.