手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

开放式环境非接触低分辨率采集下的掌纹识别

提出一种开放式环境下、非接触采集下的掌纹识别算法.采用一种低分辨率的普通摄像头进行掌纹图像采集,人手只需自然张开、中指竖直向上放在摄像头前一定范围内.首先建立肤色模型将人手从复杂背景中提取出来;然后提出一种简单有效的关键点定位算法找到指根点,并以此建立坐标系提取掌纹ROI;接着提出一种基于统计的纹理基元算法进行掌纹特征提取,该算法不用对掌纹ROI进行归一化,计算速度较快并且对光照具有一定的鲁棒性;最后利用余弦相似度进行特征匹配实现掌纹识别.在自建的小型掌纹图像库上进行了相应的识别实验,实验结果表明所提出的算法能够在动态环境下达到理想的识别效果.所开发的实验系统能够快速实现掌纹图像采集与识别,适合在线实时系统应用.     

离焦状态下的模糊掌纹识别

针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊,从而降低识别系统性能的问题,提出了一种基于稳定特征的模糊掌纹识别方法.建立了掌纹的离焦退化数学模型;在分析模糊机理的基础上,使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征,利用特征向量之间的欧式距离进行匹配和判别.文中给出了算法的步骤,并通过实验确定了需要选取的低频系数的个数.在建立的SUT-D模糊掌纹库上进行了识别测试,结果表明本文算法的等误率可达17.101 7％,与传统的DCT变换及Eigen Palm,Palm Code等8种典型识别方法比较,等误率最高可降低7.908 4％.这些结果显示本文方法不但能够提升识别效果,而且特征维数较低,改善了模糊掌纹识别系统的性能.     

手指宽度选取与识别率对应关系分析

手指宽度是手形识别的有效特征之一,而选取的测量点个数影响识别的准确率和时间.本文研究了选取手指宽度的个数与识别率、匹配时间的对应关系,以用于根据不同的识别率要求估计不同人手选取的宽度个数.实验论证了在定位准确、每个手指选取的宽度个数不少于3个的条件下,识别率可以达到90%以上.提出了自动识别算法,利用曲率法定位特征点,根据特征点计算手指的绝对宽度,应用绝对宽度之间的相对宽度构成特征向量,计算特征向量之间的欧式距离,实现身份识别.实验获得了手指宽度个数与匹配时间的对应关系以及手指宽度个数与识别率的对应关系曲线.结果表明,每个手指选取6个宽度时,就可以获得区分个体的特征量,识别率达到94.03%.     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

基于手指融合特征和粒子群优化的手形识别

针对基于手部几何特征的手形识别方法可利用的个体信息有限的问题,提出了一种将手指轮廓特征与几何特征相融合的身份识别方法。该算法首先分离手指,采用曲线拟合算法定位手指中轴线;然后采用分步对齐方法规范化手指,并提取手指轮廓特征和几何特征;最后采用粒子群算法对手指截取系数和权值系数进行优化,以进一步提高识别准确率。实验结果表明:采用该方法后,识别率可达98.61%。该方法手指定位更准确,更充分地利用了手部信息,且避免了特征点定位不准及手指根部不稳定轮廓特征对识别准确率的影响,具有较高的识别率和良好的鲁棒性。     

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.     

LST变换和手部几何特征融合的模糊掌纹识别

为了解决非接触采集时的离焦状况容易导致掌纹图像出现模糊现象,从而造成识别系统的性能降低的问题,在建立模糊模型并分析模糊现象机理的基础上,提出了一种新的解决方案.使用拉普拉斯平滑变换(laplacian smoothing transform,LST)提取模糊掌纹的低频系数作为稳定特征,提取手部几何特征即手指相对长度和宽度作为特征向量,将LST特征和几何特征进行融合,最后利用特征向量之间的欧式距离进行匹配和分类.在自建的SUT-D模糊掌纹图库上的测试结果表明该算法等误率可达7.01％,与融合之前及其他典型识别方法相比,等误率最高可降低13.11％,显示出该算法具备有效性,为解决模糊掌纹的识别问题提供了一条可行途径.     

基于模糊神经网络的指纹与掌纹信息融合技术

为解决脱皮、有伤痕等低质量指纹存在的识别困难、识别率低及稳定性差等问题,本文提出掌纹作为指纹识别的辅助手段,采用模糊神经网络的身份识别方法,将指纹和掌纹进行信息融合.通过仿真实验,表明此方法实用、有效,能提高系统的识别率及稳定性.可广泛应用于刑侦、金融等对安全有严格要求的领域.     

基于最大内角的三角形星图识别算法

针对传统三角形星图识别算法的不足,本文提出了一种不依赖星等信息的全天球自主快速三角形识别算法。通过构建三角形最大内角及其两边作为匹配特征三角形,建立了全天球导航特征库,对生成的特征库按最大内角值构造散列函数,并分块存储。识别过程中,采用"边-角-边"原理进行匹配。首先,根据最大内角的观测值实现子块的快速定位,然后,在子块中对观测三角形的两边进行星角距快速匹配,缩小了角距匹配的范围,提高了识别速度。试验表明,星点位置噪声低于2个像元时,识别率优于98.08%;观测星数等于10颗,特征库分块总数为1 024时,平均识别时间为13.1ms。与现有三角形识别算法相比,该算法在识别速度、识别率及抗星等噪声能力等方面具有明显优势。     

快速全天自主星图识别算法的研究

三角形识别算法是工程应用中较为成熟的算法,为了克服三角形因特征维数较低带来的冗余匹配问题,提出了一种改进的三角形算法。由于经过标定后观测星之间的相对星等差比较稳定,增加星等差作为辅助识别特征,同时,引入三角形以外的第四颗星为顶点,与三角形构成假想的四面体,顶点与底面三角形三个点的角距既是识别特征量,也可用于检验识别的结果是否正确。为了减小导航特征库的容量及对其遍历比较带来的时间开销,对导航特征库存储内容进行了精简,并利用数据结构中的散列查找法对识别特征构造散列函数,加快了识别过程。仿真实验结果表明,该识别算法具有较快的识别时间和较高的识别率。     

交通路标图像的分割与识别方法研究

对交通道路标志进行实时、正确的识别,是车辆自动导航中的一个重要方面.提出一种基于尺度不变特征变换(SIFT)算法的交通路标识别方法.该方法首先根据交通路标的色彩信息,利用HSV颜色空间对输入含有路标的彩色图像直接进行处理,从而快速分割提取目标区域;然后基于SIFT特征将分割提取的目标图像与数据库中原有图像进行特征匹配,...     

掌纹图像采集装置的研制

掌纹采集装置多采用计算机控制扫描仪或者图像采集卡来采集掌纹图像.为解决现有掌纹图像采集装置速度慢,易受噪声干扰等问题,提出了一种新型的基于数字信号处理(DSP)的掌纹采集装置,设计了掌纹取样机械结构、光学单元和硬件电路.利用TI公司的TMS320VC5509A DSP为控制芯片,扩展了数据存储空间,并控制视频解码器SAA7113H将掌纹图像转换成数字图像,实现了脱机模式下掌纹图像的采集.进行了掌纹图像采集实验并完成了掌纹图像识别,结果表明,采集一幅掌纹图像用时为0.6 s,正确识别率为99.47%.该系统具有很高的识别率并具有速度快、成本低等特点.     

快速全天自主星图识别

为了克服三角形识别算法中三角形因特征维数较低带来的冗余匹配问题,对该算法进行了改进.在利用标记法进行三角形识别的基础上,引入三角形以外的第四颗星,并以其为顶点,与三角形构成假想的四面体,顶点与底面三角形3个点的角距既可作为识别特征量,也可用于检验识别的结果是否正确.识别算法以星对角距作为主要识别特征,增加星等差为辅助识别特征,减少了对冗余数据的存储,使导航特征库的容量仅有0.4 Mb.在识别过程中,利用散列查找法对识别特征构造散列函数,减少了对导航特征库遍历比较的次数和时间开销,加快了识别过程,平均识别时间为0.43 ms.仿真实验结果表明,该识别算法在较大位置和星等误差时具有较短的识别时间和较高的识别率.     

基于闭环自适应辨识的速度环PI参数自整定

针对永磁同步电机伺服系统速度环比例积分（PI）参数整定过程中需要反复调节、效率低等问题,提出了一种基于闭环自适应卡尔曼滤波（AKF）系统辨识的伺服系统速度环PI参数自整定方法。首先根据输入信号激励速度闭环系统,分析不同频率激励作用下闭环辨识序列的信噪比与实际输出,然后引入AKF算法辨识闭环被控对象的离散模型,最后通过遗传算法仿真搜索最优速度环PI参数。仿真与实验结果表明：该算法能有效抑制量测噪声等扰动对系统辨识精度的影响,辨识结果能够反映实际系统的动态输入输出特性,优化后的速度环具有优良的响应性能和较高的精度,便于实际工业应用。     

基于GA-SVM算法的通信网络入侵信号自动识别技术

针对当前通信系统入侵行为自动识别技术存在入侵信号样本识别成功率较低、误识别率和漏识别率较高的问题,提出基于 GA-SVM 算法的通信网络入侵信号自动识别技术。利用混沌原理提取通信网络入侵的非平稳信号时域特征,并凭借自回归模型提取对应频域特征,捕捉邻域入侵信号间的非线性时空动作频率,评价相邻行为间的状态关联性,预测入侵信号后续行为,完成入侵信号的识别。实验表明,所提方法识别精度高、误识别率较低,漏识别率非常低,具有可应用于实际的理论价值。     

Recursive generalized extended least squares and RML algorithms for identification of bilinear systems with ARMA noise

Bilinear systems are considered as a particular class of nonlinear systems including the state variables which are typically used for online identification. By using a recursive identification method and the maximum likelihood principle, this paper presents two recursive-based algorithms to identify the parameters of bilinear in parameter systems with ARMA noise. In this regard, recursive generalized extended least squares (RGELS) and recursive Maximum Likelihood (RML) algorithms have been proposed for identification of bilinear systems. These algorithms can be used as an alternative choice in system identification with acceptable performance. The proposed algorithms estimate the correlated noise parameters with high accuracy by making full use of the measurement data. Simulation results indicate that the proposed algorithms are effective for online identification of bilinear in parameter systems with high convergence speed.     

归一化互相关中计算基准子图能量的快速递推

景象匹配对匹配算法的运行速度和内存占用均要求较高。为提升归一化互相关算法的运行速度并降低其内存占用率,本文重点对其中的基准子图能量计算步骤进行了加速研究。经过详细分析,积分图法具有灵活、快速的优点,但缺陷为其在快速计算的同时需花费较大内存,并不适合直接应用在嵌入式系统中。本文提出了一种快速递推算法。该算法利用相邻像素值的能量进行连续递推,计算时可以不必像积分图法那样给所有的图像能量都分配空间,只需预留1行的像素空间便能完成整个能量计算过程。实验结果表明:在时间花费方面,快速递推法具有和积分图法相当的运算速度,耗时均只为传统归一化互相关算法的1/2;在内存占用率方面,快速递推法约为积分图法的1/3以下,且实时图尺寸越大,快速递推法占用的内存越小。综上所述,在归一化互相关算法中利用经典积分图法和本文提出的快速递推法计算基准子图能量,均较传统NCC算法有所加速,两种算法各具优点,经典积分图法快速、灵活,适用于对速度要求高,但对内存占用率要求不太高的应用场景;而快速递推法快速、省内存,更适用于嵌入式系统的应用。     

基于机器学习的水液压高速开关阀退化趋势预测

高速开关阀以其结构简单、响应速度快、抗污染能力强、稳定性好等优点得到了广泛的应用。水液压高速开关阀的工作介质黏性低,更容易因性能退化发生故障。提出了一种基于机器学习的水液压高速开关阀性能退化状态识别及退化趋势预测方法。搭建了高速开关阀性能测试试验台,将电流信号的变化作为高速开关阀的性能退化指标。根据高速开关阀性能退化程度,将其退化状态定义为正常期、退化期和严重退化期3个阶段。采用BP神经网络(BPNN)方法对高速开关阀的退化状态进行了识别,并采用粒子群优化长短期记忆模型(PSO-LSTM)方法对高速开关阀的退化趋势进行了预测。使用高速开关阀的性能退化试验数据对提出模型的有效性进行了检验,结果表明该方法具有较高的预测精度。