耳纹图像特征的三维识别技术研究

为了提高对耳纹图像的三维识别能力,提出一种基于脊波变换的耳纹图像分块特征提取和三维识别技术。采用二维傅里叶变换方法进行耳纹图像的亚像素级特征分解,结合区域网格径向划分方法进行图像分割,对耳纹图像的子块像素点进行自适应融合滤波,实现图像降噪,使用脊波变换进行耳纹图像三维特征重构,使用多尺度Retinex信息增强方法输出图像的辨识特征点,实现耳纹图像三维识别。仿真结果表明,采用该算法进行耳纹图像特征识别的精度较高,图像输出质量较好。     

面向指背关节纹识别的图像集与凸壳优化算法

本文将指背关节纹作为生物特征识别对象,提出了基于图像集与凸壳优化模型的指背关节识别算法。所提算法以指背关节纹图像集作为输入,并将局部相位特征方法用于指背关节纹特征提取,进而寻求适用于指背关节纹识别的凸壳优化模型,研究凸壳模型的构建方法并对其进行优化,从而完成指背关节纹的识别。仿真实验表明,所提算法在公开的指背关节纹中,均取得了不错的识别结果。      

基于特征融合的人耳识别

分析Zernike矩人耳特征提取和非负矩阵分解（NMF）人耳特征提取的利弊。将线性判别分析的思想融入到NMF算法中,对传统的NMF方法进行改进。介绍一种融合特征人耳识别方法：将Zernike矩和传统非负矩阵分解融合提取人耳特征,得到一个分类能力更强的人耳特征矩阵,并采用BP神经网络进行分类识别,实验结果表明,应用融合特征方法提取人耳图像特征,可以提高识别效果。     

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

SAR图像多视处理中相邻子带重叠宽度的最优化

多视处理是合成孔径雷达（SAR）图像纹斑噪声抑制的一种基本方法。在这种方法里，用一组多视滤波器将图像的多普勒谱分成若干个子带，相邻子带之间可以有一定的重叠；首先由每个子带生成一幅子图像，然后再将这些子图像非相干平均起来。在传统的多视处理中，相邻子带重叠宽度的选择是经验性的。提出了相邻子带重叠宽度的一种最优化算法。采用图像的标准差与均值的比值作为衡量纹斑噪声强弱的一种测度，选择相邻子带重叠宽度以最小化这一测度。实验证明，在分辨率保持不变的条件下，该算法在纹斑噪声抑制方面优于传统算法。     

基于触点状态识别的继电器失效类型判断技术

针对继电器失效误判断问题,提出在继电器电寿命试验中,引入触点状态(接通、断开)识别的图像处理系统,以提高对试品失效类型判断的可靠性。介绍了触点状态识别的图像处理系统硬件组成,阐述了在YCBCR彩色空间下,进行触点以及触点状态识别的算法,并论述了该系统与传统电寿命试验设备相结合,判断继电器失效类型的方法,以达到在继电器失效时,做出辅助判断的目的。     

一种基于2DPCA的人耳识别方法

针对人耳识别问题,提出一种二维主分量分析(2DPCA)的人耳识别方法,该方法不需要预先将图像转换为一维向量,而是基于图像矩阵,直接计算图像协方差矩阵的特征向量作为人耳特征提取,大大加快特征提取的速度,从根本上克服了传统PCA在进行图像特征提取时耗时过多的缺点。并通过BP神经网络进行分类识别。实验结果表明,应用2DPCA方法提取人耳图像特征,可以大大提高识别效果。     

基于局部灰度梯度特征点的快速人耳身份鉴别

针对旋转失真的人耳图像难以识别的问题,提出一种新的人耳身份鉴别算法。首先将一幅人耳图像等分为若干个子图像,将每个子图像等分为若干个子区域;然后利用每个子图像中灰度梯度最大的子区域位置信息构筑人耳图像特征矩阵,将特征矩阵在空间上直接对准进行人耳匹配。在北京科技大学(USTB)的人耳图像库遍历的实验结果表明,通过与分块快速傅立叶变换(FFT)和分块均值标准差的人耳特征提取方法比较,提出的算法对具有±30°旋转的人耳库达到98.89%的正确识别率(CRR),说明算法对旋转失真的人耳图像具有很强的适应性,而且系统响应时间仅为21.33ms,是一种具有高实用性的有效身份鉴别方法。     

影像式全自动检定中线纹尺噪声复原技术研究

随着现代计量测试仪器的创新发展,基于视觉检测技术和机电控制技术的影像式自动检定设备越来越多的被采用到计量检定工作中,由于线纹量具使用频率较高,难免引起小面积的线纹污损、线纹缺失,虽然大概率情况下并不影响使用,但在检定过程中,通常需要人工对无法识别的线纹进行手动选线,如此一来自动化检定装置则失去意义。本文以目前已投产的"影像式线纹尺检定仪"为项目开展基础,引入近年热点研究领域--人工智能,基于DCC算法进行图像模型聚类分析,基于WGAN算法提出图像修复模型。     

色度与亮度特征相融合的彩色人脸识别算法

在存在色度与亮度差异性的条件下,彩色人脸的识别准确度不高,为了提高彩色人脸的识别性能,提出基于色度与亮度特征相融合的彩色人脸识别算法。对采集的原始彩色人脸图像进行色度均衡处理,采用特征提取方法进行人脸的关键特征点定位,提取人脸图像的色度和亮度特征。对提取的特征量根据眼睛和眉毛等关键点的差异性进行信息融合,对提取的眼部区域色度信息进行二值化分离和信息增强处理,提高对彩色人脸图像的特征识别能力,实现彩色人脸识别算法的改进设计。仿真结果表明,采用该方法进行彩色人脸识别的准确识别率较高,抗色度和亮度的局部干扰能力较强。     

基于二维Fisher线性判别的人脸耳组合识别

针对人脸易受到年龄、表情等影响,提出了脸和耳相结合的组合识别方法。利用二维Fisher线性判别(2DFLD)方法分别进行了脸、耳图像层和特征层的组合识别。在北京科技大学人耳库和ORL人脸库上进行实验,结果表明,图像层组合和特征层组合的识别率分别为97.5%、95.0%,分别比人脸识别提高了12.5%和10.0%,比人耳识别提高了5.0%和2.5%;与同样应用于组合识别的主成分分析(PCA)、二维PCA(2DPCA)比较,也取得了较好识别效果。这说明,多生物特征组合识别是一种有效的识别方法。     

基于多尺度Canny算子的人耳几何特征提取与识别

针对人耳特点提出了一种基于耳廓边缘几何结构的识别方法,在结合多尺度Canny算子检测出单像素耳廓边缘的基础上,通过提取耳轮边缘上的若下关键距离来描述耳轮形状,提取耳甲腔边缘上的角点区域来描述内耳结构,最终利用耳轮形状特征向量及内耳结构特征向量实现分类识别.特征向量的表示分别以长轴和质心作为参照标准,保证了其具有平移、旋转和缩放不变性.在选取的人耳图像库上实验取得了较高的识别率,同时,对光照条件变化具有一定的鲁棒性,实验结果表明该方法的有效性以及利用人耳图像进行身份识别的可行性.     

基于主元分析的人耳识别方法的研究

由于人耳图像自身的特点,基于外观形状特征如利用边缘或耳廓压痕的识别方法存在很大的缺陷,尝试采用了基于主成元(PCA)的分析方法提取人耳特征,然后运用BP神经网络进行识别。他完全克服了在以往应用外观形状特征进行识别时存在的错误率过高和特征提取预处理要求过于苛刻的问题。实验结果表明该方法实用、有效,可使识别率达到99%以上,有着广泛的研究价值和应用前景。     

融合注意力机制与残差网络的人耳识别方法

人耳特征具有良好的唯一性与稳定性等特点,近年来被广泛应用于身份识别领域。针对人耳采集易受头发、耳饰等物品遮挡问题,本文提出了一种基于ERNet的人耳识别方法。该方法在IResNet网络的基础上,引入改进的SE模块,通过融合最大池化与均值池化的统计特性,增强身份相关特征的表示,抑制非相关特征的影响,以此解决在非受控环境下由于遮挡原因造成的识别困难问题。大量实验结果表明,相比较于原网络,改进后的方法识别性能提高较为明显。在同等遮挡条件下,本文所提出的模型具有较好的鲁棒性能。     

基于遗传算法的神经网络集成在人耳识别中的应用

BP神经网络算法存在收敛速度慢和网络泛化能力差的缺点,影响分类识别率。为了提高网络的分类识别能力和泛化能力,在此介绍一种基于遗传算法的神经网络集成方法,即训练出多个个体BP神经网络,利用遗传算法选择差异度较大的个体BP网络进行神经网络集成,再利用该神经网络集成进行分类识别。实验结果表明,神经网络集成可以提高识别率。     

基于小波变换和规范型纹理描述子的人耳识别

 在带有角度的人耳图像上提取有效特征一直是人耳识别的难点.本文提出一种基于Haar小波变换和规范型纹理描述子的人耳识别方法,即先对人耳图像进行Haar小波变换,然后利用更加合理的规范型纹理描述子,同时结合分块与多分辨率思想,共同描述经Haar小波变换后人耳子图像的纹理特征,最后用最近邻分类器进行分类识别.实验结果表明,Haar小波变换可以有效增强图像纹理基元的有效信息;利用规范型纹理描述子提取特征不仅速度快,而且具有很强的鲁棒性,尤其与分块、多分辨率方法相结合时,效果更为显著,明显优于经典的PCA和KPCA方法.     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.     

基于MLX90615的红外耳温计设计

介绍了一种基于医用数字红外传感器MLX90615的红外耳温计设计.基于红外测温原理,耳温计 主要由数字红外传感器、低功耗CPU、液晶显示屏和其他外围电路组成.CPU通过I2C总线读取MLX90615 采集的红外辐射信号,将其转换为对应的人体耳腔温度值并显示在液晶屏上.实验表明,耳温计分辨率达到了0.02℃,准确度达到了...