基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

全手掌掌纹主线提取方法

为了解决非接触式掌纹识别中的光照影响和算法复 杂性问题,以及传统掌纹主线提取过程中感兴趣区域(RoI)定位不准确的 问题,提出了一种全手掌掌纹主线提取方法。方法基于全手掌灰度图像,利用掌纹主线的方 向确定性、灰度相似性以 及起始点与终点的规律性等先验知识进行感情线、理智线、生命线、事业线和成功线5类掌 纹主线的提取,有效地 回避了传统主线提取方法对图像进行增强去噪、定位RoI、分割掌纹二值图等复杂度较高的 计算,保留了掌纹主线的方向信 息、相对位置信息、宽度信息和主线条数。采用香港科技大学全手掌纹图库(HKUST)进行 实验,受平移、旋转和光照影 响较小,提取率(ER)为95.6%。与目 前现有的掌纹主线提取 方法相比,本文算法在算法复杂程度、ER和保留的信息量等方 面具有更大优势,为手部多模态识别打下基础。     

基于特征参量空间的掌脉识别方法研究

非接触式采集是手掌静脉识别的主流,但其低约束性可能导致掌静脉存在平移、旋转和比例缩放,同时,手掌过度伸展可能导致部分静脉分布信息丢失,这些都可能影响掌脉识别结果.针对以上问题,提出一种新的掌静脉特征识别方法.首先,获取靠近指根部的手掌内切圆,利用内切圆内静脉交叉点和内切圆圆心定义相对半径及相邻夹角参数;其次,由相对半径和角度参数建立二维特征向量空间,将静脉交叉点转换成该特征向量空间内的一系列特征点;最后,计算特征点间的特征向量距离作为匹配点对的判断依据,根据匹配点对的比例得到匹配率.通过自建的掌静脉图库和CASIA图库对算法性能进行验证,分别得到等误率0.97％和4.98％.结果表明,该方法在手掌静脉产生比例缩放、旋转和平移后仍可获取较好的识别效果,同时具有特征点提取容错性.     

回转窑表面温度红外检测法综述

介绍国内外目前用红外光学测量方法对水泥回转窑简体表面温度进行非接触检测的各种方法和存在的问题，并讨论影响红外光学测量的主要干扰因素．     

基于指纹结构特征信息匹配的算法

为了克服指纹识别中常见的问题,本文提出一种基于指纹结构特征信息匹配的算法。该算法利用改进的Bresenham算法求得指纹分叉点间连线所穿越的脊线个数和分叉点结构特征信息,得到模板指纹和待识指纹的结构特征信息矢量数组;运用二分图的完美匹配算法,得到矢量数组的匹配度。对该匹配度进行评估,如果高于某一个闽值,则认为指纹匹配成功;否则,则认为不是同一指纹。该算法在实际应用中取得较好的效果。     

一种用于虹膜识别的眼睫毛遮挡检测算法

为了降低眼睫毛噪声对虹膜识别的影响,提高虹膜的识别率,本文提出了一种用于虹膜识别的眼睫毛遮挡检测算法.该方法根据Canny算法检测图像中的眼睫毛,对Canny算法中的参数进行研究,利用虹膜的外圆,提出了用一个扇形区域来表示眼睫毛遮挡区域.除去眼睫毛遮挡区域与瞳孔,虹膜外圆余下的部分即为虹膜的有效区域.实验结果表明,该方法可以有效地检测眼睫毛,并且所得到的扇形区域包含外圆内部所有的眼睫毛像素,可以有效提高模式的可分性和虹膜的识别率.     

相位一致性和KDDA结合的人耳识别方法

随着人耳识别技术的发展,如何寻找不受光照和对比度影响的特征并用于识别成为研究热点之一。本文提出一种利用相位一致性对人耳进行特征提取的方法,该方法首先从8个方向计算人耳图像中每点的相位一致性,然后对经过相位一致性变换的输出图像分块求和,形成特征矢量,最后通过KDDA将特征向量投影到低维高可分空间,并用欧式距离对人耳图像分类。对77个人,共308幅人耳图像进行实验,在等误率为1.7%的情况下,识别率可以达到98.2%左右,验证了该方法所提取的人耳特征不受光照影响。     

纸币号码识别中分割方法的研究

针对纸币号码识别过程中图像分割存在的问题,提出了一种逻辑脊谷判断的图像分割方取号码线条,经过简单的迭代法二值化和数学形态学闭运算处理,分割线条清晰准确,算法简单,算法与本文算法比较．本文算法处理速度快,分割图像准确。     

基于能量最大响应方向的虹膜识别算法*

为提高虹膜识别算法的正确识别率,给出了基于能量最大响应方向的虹膜识别算法。该算法首先对人眼图像进行预处理得到归一化虹膜图像,并依据归一化虹膜纹理的分布特点,选择多尺度多方向滤波技术对归一化虹膜图像进行分解;然后提取最优分解尺度下像素点的能量最大响应方向数,进行二进制虹膜编码和去噪;最后通过计算两个虹膜编码间的加权海明距离和衡量两者的差异性,给出识别结果。实验证明,在等误率为0.1176 时,正确识别率达到99.997%。与经典的虹膜识别算法相比较,该算法具有更高的识别率。     

基于主曲率和主方向的多尺度视网膜血管骨架提取方法

为了减少视网膜血管骨架提取过程中低对比度血管的漏检和误检数量,提出了一种基于主曲率和主方向的多尺度视网膜血管骨架提取方法。首先,分别提取视网膜图像中每个像素点在多尺度高斯滤波后的主曲率和主方向;其次,在每个尺度下分别提取最大主曲率方向上的局部最大值点,并通过曲率阈值筛选出高对比度血管中心像素点作为种子点;然后,利用最小主方向对低对比度血管进行骨架追踪和标记;最后,对多个尺度下提取的血管骨架进行融合。方法分别在DRIVE训练数据集、DRIVE测试数据集和STARE数据集上进行了测试,漏检数量分别为89、97、106,误检数量分别为99、101、122。实验结果表明,该方法能够提取出低对比度的细小血管骨架,但对于对比度在3个灰度级以内的细小血管存在少量漏检,对于与血管粘连的高对比度细条状纹理和病灶干扰存在少量误检。