基于多子区域联合的高适应性虹膜识别算法

 由于在采集虹膜图像前,无法预知眼睑、睫毛等噪声对虹膜纹理的干扰程度和不受干扰的可用虹膜区域的位置和大小,这可能会使提取到的特征模板中包含了由噪声引起的不可靠和不稳定特征,使识别的错误率增加.本文提出了多子区域联合的识别方法,将相对不易受干扰的图像区域划分为4个子区域,分别计算两幅图像对应子区域的相似度,动态选择最相似的子区域,将其特征作为判定依据进行分类.克服了之前算法只选择一个固定位置的区域用于特征提取的局限性.采用CASIA虹膜图库进行测试,结果表明:本方法能提高识别准确率、增强算法对采集图像质量要求的适应性,改善了虹膜识别系统的性能.     

基于过零检测的虹膜特征提取算法

该文针对虹膜图像不理想、噪声影响较大情况下,虹膜识别率下降的问题,提出了一种基于过零检测的虹膜特征提取算法,利用过零检测算子与信号局部的相关性提取虹膜纹理特征,并根据所得的系数进行符号编码形成二值特征模板,最后采用相似度进行模式分类。仿真结果表明,该算法能够提取不理想虹膜图像的稳定特征,提高识别率。     

一种基于二代Curvelet和2D Log-Gabor滤波器的多模特征层融合识别方法

针对单模生物特征识别在实际应用中易受干扰、识别率低且无法达到零错误识别的问题,提出一种基于二代Curvelet和2DLog-Gabor滤波器的人脸与虹膜特征层融合识别算法.该方法利用二代曲波变换提取人脸特征,用2DLog-Gabor幅值法提取虹膜特征,通过PCA降维单模特征向量,在特征层进行融合,通过SVM分类识别融合特征向量.在ORL人脸库和CISIA虹膜库构成的多模生物特征库上进行测试.实验结果表明:该算法正确识别率能达到100%,较单模人脸、单模虹膜识别方法的识别率均提高3.33%,为多模生物特征识别提供了一种有效模型.     

基于局部频率特征和局部方向特征的虹膜识别算法

描述了一种不同于现有方法的新颖虹膜识别算法,利用多尺度多方向的二维奇对称Gabor滤波器,同时提取虹膜纹理的局部频率特征和局部方向特征.这种方法更全面的描述了虹膜纹理的特征空间,克服了之前的虹膜识别算法只提取局部频率特征或者只提取局部方向特征的局限性.特征匹配采用类似加权市街距离的方法来进行,而且根据眼睑和睫毛的分布特点设计匹配模板,能够最大限度的减少它们对匹配的干扰.与Daugman算法进行对比的实验数据表明,本算法具有非常优越的识别性能.     

基于局部方向特征的虹膜识别算法

特征提取和匹配是虹膜识别中的关键部分.本文描述了一种新颖的虹膜特征提取和匹配方法,利用多方向的二维奇对称Gabor小波来提取虹膜纹理的局部方向特征.特征匹配采用类似欧氏距离的方法来进行.同时对每一幅虹膜图像,采用它的眼睑和睫毛以及反光的分布做为匹配模板,能够最大程度的减少它们的干扰.实验结果表明,本算法具有非常好的识别性能.     

基于下颌轮廓线的人脸分类方法

在人脸正面图像中,下颌轮廓线是一种相对稳定的形状特征,但是如何提取和有效利用这个特征是一个难题。提出一种在识别中有效利用下颌轮廓特征进行人脸分类的方法。根据先验知识将人脸分为圆脸、尖脸和方脸,据此建立下颌形状模板：尖下巴、圆下巴和平下巴。对事先得到的下颌轮廓上的点进行模板匹配,根据匹配结果进行轮廓线分类。该算法采用了基于先验分布和局部判别的方法,先得到可能的轮廓点,然后进行滤波去除伪下颌点,得到真正位于下颌轮廓上的点,再通过模板匹配进行分类。试验表明,该方法分类效果良好,可以有效提高大库人脸识别的速度和识别率。     

基于普通向量的虹膜识别算法

典型的虹膜识别算法都是针对单个虹膜样本采用图像处理的方法提取虹膜特征,只强调个体信息,而忽略了虹膜样本间的联系.本文提出了一种基于普通向量的虹膜识别算法,从模式分析的角度,利用普通向量方法融合虹膜的个体特征和统计特征,并且通过高效的睫毛滤除和眼皮定位的算法,进一步提高了识别的精度和算法的稳定性.实验结果表明了该算法具有良好的性能.     

基于多特征自适应融合的分类采样跟踪算法

针对目标跟踪中的场景易变和目标模板不稳定等问 题,提出了一种基于多特征自适应 融合的分类采样跟踪算法。算法利用密集特征信息将目标模板用多个重叠子区域划分,每 个子区域对应一个多特征采样窗口。利用多特征自适应融合构造强可区分性的目标模型,最 大程度地提高各子区域之间的互补性,以增强目标模板的区分能力。在粒子滤波(PF)框架下 , 多特征自适应融合策略提高了目标观测质量,保证跟踪的持续稳定。实验结果表明,本文所 提算法具 有良好的目标跟踪性能,并对动态场景、目标形变及遮挡情况具有较好的跟踪准确性和鲁棒 性。     

基于特征加权FDCT和模糊最小二乘支持向量机的虹膜识别算法

为了克服小波变换在二维空间分析的缺陷,提出了基于快速离散曲波(Curvelet)变换的虹膜识别改进算法.利用能有效捕捉图像边缘信息的Curvelet变换对虹膜图像进行分解,提取低频子带系数矩阵的均值方差和高频子带能量,然后根据不同子带特征的分类能力不同,对各子带特征的离散度进行加权,为分类能力较强的特征向量赋予较大权值,构成虹膜图像的特征向量.利用最优二叉树多类模糊最小二乘支持向量机分类器进行分类与识别.仿真实验结果表明,该算法具有较高的识别性能,具有可行性.     

一种新颖的基于Log—Gabor小波的虹膜识别算法

虹膜识别以其惟一性、稳定性和非侵犯性等优点已成为生物特征识别中极具发展潜力的身份识别技术.提出一种基于Log-Gabor小波局部频率特征和局部方向特征的虹膜识别算法.该算法首先对虹膜图像实行分块,然后选取n个频率、m个方向的Log-Gabor滤波器对每个子块进行特征提取.最后采用海明距离进行图像匹配,以判决合法性.实验结果表明,该算法识别效果较好.     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

面向引线框架缺陷的图像配准算法

为了降低引线框架缺陷识别的误检率,比较了基于灰度的模板匹配和基于特征的匹配算法之间的优缺点,并针对引线框架缺陷检测中参考图和检测图存在差异的特点,提出基于区域定位和不变矩的特征匹配算法。该算法通过边缘检测定位出特征区域,并用不变矩进行区域特征描述。在缺陷识别试验中,相比于模板匹配算法,该算法表现出更快的结算速度,更高的配准精度,更低的配准失败概率。结果表明,该配准算法适用于引线框架缺陷识别,降低误检率。     

雷达海上目标双通道卷积神经网络特征融合智能检测方法

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。     

基于霍夫变换和眼睑弹性模板的眼睛特征提取

提出一种将新颖的眼睑弹性模板与霍夫变换相结合实现眼睛特征的自动提取的方法,即自动定位眼球并自动提取眼睛轮廓．与其它用弹性模板提取眼睛特征的方法相比,本方法可以处理对比度较低、下眼睑模糊的图像,提取特征准确度更高,且改进的能量函数和保守能量下降算法大大简化了经验参数的选择．经过百余幅眼睛图像的实验处理,验证了该方法的有效性．     

基于SVM的多特征手写体汉字识别技术

针对传统的模板匹配法对汉字的识别率较低,文中提出一种基于SVM的多特征手写体汉字识别技术。在提取网格特征的基础上增加对汉字质心特征、笔划特征、特征点的提取,并采用SVM算法构造分类器,实现对手写体汉字的识别。实验结果表明,该方法的平均识别率为95.9%,高于传统的模板匹配法。     

一种基于阵风锋时空变化特征的大风识别算法研究

本文根据易引发大风的阵风锋在天气雷达反射率因子图像空间上呈现高度较低、形态呈弧线结构和时间上具有移动特点这3个特征，在低仰角反射率因子、时间差分反射率因子、空间差分反射率因子这3种不同反射率因子图像上，采用模板匹配技术分别对其进行阵风锋图像特征匹配分值处理。融合3种特征匹配结果后，采用区域增长法提取阵风锋弧线图像结构，排除虚假图像。在处理3种得分值结果的过程中，同时采用了风暴抑制模板和放射状回波抑制模板技术来降低非阵风锋回波得分值。结果表明，算法能够有效识别易引发大风的阵风锋图像特征，且识别结果与原阵风锋位置和形状较为一致。本文所设计的阵风锋模板匹配技术为能准确地监测和预警阵风锋灾害性天气过程提供多一种可能。