一种改进的指纹分类方法

指纹分类可以大大减少在指纹数据库中的匹配次数,缩短匹配时间。本文在指纹块方向场的基础上,利用其方向方差进行滤波,得出各奇异点的连接路径,并结合核心点与此路径形成一种改进的指纹分类方法。该方法以指纹块方向场为基础,符合指纹分类的全局思想,而非关注于细节特征,并简化计算。经过方向方差滤波后的指纹图像不仅可以利用奇异点的相对位置进行指纹分类,而且克服了奇异点丢失的弊端。本文针对滤波后的图像特征,提出了基于方向方差滤波的分类算法,通过实验验证了本算法的有效性。     

基于连续分布方向图的指纹图像分割算法研究

在研究和分析了典型的指纹图像分割算法的基础上,提出了一种新的基于连续方向图的指纹图像分割算法。这种连续方向图过渡平滑、自然,具有很好的连续性、渐变性和抗噪性,同时又具有极高的精确度,能更精确地反映指纹脊线的结构特征,从而使得分割效果更佳。实验结果表明,该算法处理效果好、运算速度快,有效地满足了指纹图像分割的要求。     

基于指纹分类的模式匹配

深入研究了指纹匹配算法.利用指纹分类获得的信息来进行指纹匹配,实现了一种基于中心点和三角点的快速点模式指纹匹配算法,成功地解决了指纹匹配中的图像旋转、平移和形变不变性问题,并具有良好的快速性.该方法以待识和模板指纹图像的中心点为匹配参考点,并根据它们的位置与方向信息来计算旋转和平移参数.然后将待识图像相对于模板图像进行旋转和平移,进而进行点模式匹配.     

基于方向图分布及中心点信息的指纹分类算法

在深入研究现有指纹分类算法的基础上,提出了一种基于方向图及中心点信息的指纹分类算法.不同于以往利用core点和delta点进行分类,该算法根据指纹图像的中心点位置对方向图进行区域分割,通过各区域方向码之间的计算近似实现方向滤波,由方向滤波值进行分类.指纹图像大致可分为拱型、左箕型、右箕型和漩涡型4种.该算法为匹配算法提供了指纹类型信息,实验结果表明取得了较好的效果.     

一种指纹奇异点区域图像增强算法

指纹图像奇异点附近区域的增强一直是指纹图像增强的难点,针对Separable Gabor滤波会破坏指纹邻近奇异点区域的纹线结构,方向傅里叶滤波在一般区域修复指纹纹线效果不明显这一问题,本文融合两种算法的优势,提出一种新的滤波方法(FS-Gabor)。先对指纹图像进行预处理,得到指纹的方向、频率信息和掩膜信息。接着找出指纹图像的奇异点,并在奇异点附近标记出一定大小区域。最后根据像素点的位置采用不同的滤波方法。同时,本文提出了一种改进的指纹图像频率估计方法,扩大了指纹图像有效区域面积。实验结果表明,经本文方法滤波的指纹图像的EER(Equal Error Rate)比方向傅里叶滤波低26%,比Separable Gabor低49%。     

轻量化多特征融合的指纹分类算法研究

快速准确的指纹分类在大型指纹识别系统中是加速目标指纹查找的关键技术。目前,指纹分类算法存在复杂度高、操作繁琐、参数较多、所需数据规模大、且无法充分利用指纹特征信息等问题。神经网络深层提取的特征更加关键,也更有代表性,但忽略了部分浅层信息。针对指纹分类存在的问题,本文提出一种轻量化多特征融合的指纹分类算法。该算法设计了轻量化Finger-SqueezeNet来训练指纹图像,采用查表法求得指纹的细化图之后,利用改进的分布求和梯度法求取相应细化图的感兴趣区域(Region Of Interest,ROI)图像;将指纹ROI图像输入网络深层与提取的特征图进行特征融合,使得深层网络也能获得浅层中纹线准确的走向信息,从而增强网络对于纹型的敏感度;采用Maxout激活函数对网络提取的特征进行激活。实验结果表明,本文算法不仅减少了训练参数量,而且通过指纹ROI图像补偿深层特征图,更加充分利用了指纹的纹型信息,轻量化算法也可为指纹分类模型拓展到移动端提供理论支撑。      

多维向量场辐散辐合结构特征自适应匹配方法

利用几何代数的多维统一性与运动表达的简明性,构建了面向多维向量场的辐散辐合结构特征的自适应匹配方法.利用rotor(旋转)结构的一致性表达,建立基于奇异值分解的原始模板与标准辐散模板间的最优rotor求解方法,进而实现了数据自适应的辐散辐合模板生成;基于rotor的旋转角度实现对向量场的几何结构的分类,构建了基于Clifford卷积的自适应模板的匹配算法.基于北美风场数据的算法验证结果显示,本文方法可以有效的解析出不同维度向量场的结构特征,并可实现基于结构特征的向量场分类.     

基于方向场DFT和角点检测的指纹奇异点定位

提出了一种新的基于方向场离散傅里叶变换（DFT, Discrete Fourier transform）和角点检测的指纹奇异点定位算法。对方向场做DFT变换到频域处理能更好的压制噪声。通过角点提取、基于目标标注的聚类方法来定位指纹图像的奇异点。从方向场的极/零点模型出发,导出了若干新颖的性质,说明了奇异点和角点之间的关系。实验结果表明,奇异点定位精度有所提高,处理时间更短。     

基于多层次分块的指纹图像二值化

自适应局部阈值二值化算法,其效果主要取决于能否准确地估计局部阈值.鉴于在指纹奇异点附近及方向变化较快的脊线、谷线区域,局部阈值很难精确得到,提出了一种多层次分块的指纹图像局部阈值的求取方法,并把这种方法用于指纹图像的二值化.实践表明,算法工作稳定,效果良好,鲁棒性强,对低质量图像具有显著的增强效果.     

基于简单方向场的指纹中心点快速检测方法

指纹中心点周围分布着大量的可以直接识别的特征信息,本文提出了一种检测指纹中心点的快速简单的算法,利用基于块的指纹方向场,二值化后得到简单方向场,基于这种简单方向,可以定位指纹奇异点的所在的块,在由指纹预处理后细化图像,可以快速精确定位指纹中心点所在的位置。     

改进的基于特征点匹配的图像拼接算法

为了消除拼接图像中的缝隙,提出了一种改进的图像无缝拼接算法.该算法首先用Harris角点检测提取特征点,接着建立两幅图像间角点的映射关系,最后用改进的加权方法进行图像融合.试验结果表明改进后的方法能有效地对两图之间有一定旋转角度的情况进行无缝融合,方法可行有效且鲁棒性好.     

基于连续方向图的指纹图像增强算法

提出一种新的指纹图像增强算法。先得到指纹图像的连续方向图,再根据此方向图设计方向滤波模板进行滤波,最后得到指纹的二值化图像。实验结果表明,该算法简单有效,运算速度快,为指纹的特征提取和识别奠定了坚实的基础。     

二维方向小波构造的新型散斑相位奇异法测量面内微位移

提出了一种二维方向小波构造的新型散斑相位奇异法测量面内微位移。根据二维方向小波的极化分析能力,选取旋转角度为π/2,分别对位移前后的图像进行x和y方向的极化分析,构造了一种网状结构的分布稳定的相位奇异点图;提出了两步位移测量的新方法,通过两次傅里叶变换和减运算输出的两个相关亮点图像得到初步位移量,由初步位移的半网格宽度和匹配最邻近奇异点对间的位移求待测物体的精确位移;分别进行仿真模拟和激光鼠标定位实验。结果表明,奇异点在不同噪声条件下的正确匹配率在90%以上,实际的鼠标位移和方向与测量值的鼠标位移和方向之间的误差小于0.5 pixel和1°。该方法具有奇异点正确匹配率高、测量精度高、对噪声不敏感、稳定性好等优点,能够精确定位激光鼠标的位移和方向。     

改进的二维主成分分析的人脸识别新算法

传统二维主成分分析(2DPCA)中的变换只提取人脸图像数据的行内特征,特征提取的方向相对比较单一,没有考虑到其他方向上的特征提取。为了多角度提取图像的特征,识别提供更丰富的信息,文中提出一种改进的2DPCA人脸识别算法。该算法先将人脸图像进行倾斜角度自矫正,同时提取图片的低频信息,再利用改进的感知哈希技术得到图像的"指纹",然后将自矫正后的人脸图片进行多角度旋转,并分别提取特征,得到多角度旋转后的图像特征信息。最后将新算法在ORL     

基于稀疏表示的红外空中目标分类算法

针对红外空中目标,提出了一种基于稀疏表示的快速分类算法.该工作的技术难点表现在训练样本较少,算法需要具有旋转不变性、较高的抗噪性和实时性.针对这些难点,首先根据红外空中面目标的梯度信息和统计特性,计算出图像主方向,然后将主方向旋转至同一参考方向.接着基于稀疏表示原理,把分类问题转化为1范数最小化问题,最后用快速收敛方法得到分类结果.实验结果表明该方法能够达到98.3%的正确率,给测试图像50%的像素叠加噪声后,分类正确率仍大于80%.     

一种基于小波变换与奇异分解的图像水印算法

提出一种基于离散小波变换(Discrete Wavelet Transform,DWT)与奇异值分解(Singular Value Decomposition,SVD)相结合的数字水印算法。该算法将原始图像的小波子图进行奇异值分解,将灰度水印图像进行Arnold变换以及扰乱加密,再进行分块离散余弦变换(Discrete Cosine Transform,DCT),将变换后的系数分类嵌入到相应的奇异值中。实验仿真表明,这种方法能抗大多数图像处理攻击,具有良好的鲁棒性。     

基于SVD-SURF的宽基线鲁棒景象匹配算法

提出一种基于SVD-SURF的宽基线鲁棒景象匹配算法。首先,在实时图与基准图奇异值分解的基础上构建SURF尺度空间,运用快速Hessian矩阵定位极值点;然后,计算出图像的64维SURF描述子;最后,通过Hessian矩阵迹进行特征点匹配,并利用RANSAC参数估计方法剔除出格点,从而实现位置参数的精确估计。实测航空图像序列位置估计实验表明了该景象匹配算法对图像的旋转、尺度变换及噪声不敏感,具有较强的实时性、精确性和鲁棒性。     

基于稀疏表示的红外空中目标分类算法（英文）

针对红外空中目标,提出了一种基于稀疏表示的快速分类算法.该工作的技术难点表现在训练样本较少,算法需要具有旋转不变性、较高的抗噪性和实时性.针对这些难点,首先根据红外空中面目标的梯度信息和统计特性,计算出图像主方向,然后将主方向旋转至同一参考方向.接着基于稀疏表示原理,把分类问题转化为1范数最小化问题,最后用快速收敛方法得到分类结果.实验结果表明该方法能够达到98.3%的正确率,给测试图像50%的像素叠加噪声后,分类正确率仍大于80%.     

以图像分类为目标的字典学习算法

综述了字典学习算法的主要研究方向之一,即以图像分类为目标的稀疏表示字典学习算法。从空间变换法和类别指示法两个角度,分析各种算法的优缺点,并对相应的实验结果进行比较。总结了利用这类算法进行图像分类时所面临的其他一些关键问题,如模式识别中的旋转不变性和计算速度等。依据目前已有的技术和应用需求,探寻该领域未来的研究方向。     

基于仿射迭代方法的大基线图像匹配技术研究

两幅图像中相应特征点邻域窗口之间的单应映射可以用仿射变换模型来近似。本文首先通过奇异值分解给出仿射变换矩阵4个自由度的几何含义,然后将其分解为一个相似变换矩阵和一个旋转的准单位矩阵(Rotated Quasi-Identity Matrix)的乘积,即在基于相似变换模型匹配的基础上再用基于仿射变换模型的迭代算法对相应特征点精确定位。针对相似变换中初始旋转角度的难确定性,在初始匹配中提出基于亮度最速下降方向的对齐方法,而在引导匹配阶段提出基于相应极线方向的对齐方法,这两个策略不仅提高了算法效率,还能为进一步的仿射迭代提供良好的初值。在得到最优仿射变换参数之后,实现了对相应特征点定位误差的精确补偿及其邻域窗口的透视矫正。最后通过真实图像的实验以及和现有算法的比较验证了本文算法的可行性和精确性,并给出了相应的实验数据和结果。