指纹细节特征提取与剪枝

指纹图像经预处理后，由于各种原因，会产生数以百计的特征。为了图像匹配的精确和快速，提出一套在细化后的指纹点线图上提取细节特征并对其剪枝的方法，并根据细节特征的拓扑特性，设计了验证其可靠性的算法。通过实验，证明了该后处理过程在去除指纹图像伪特征方法面具有良好的效果。     

多特征自适应融合的粒子滤波跟踪算法

针对跟踪过程中目标形态不断变化或部分遮挡导致鲁棒性差的问题,提出一种基于多特征自适应融合的粒子滤波跟踪算法.该算法从视觉特征集中选取了描述能力强的2种特征,并将其按照与目标模型的多尺度相似度进行线性融合;为了减小跟踪漂移,通过计算当前目标模型与初始目标模型的多尺度相似度自适应地更新目标模型.大量仿真实验结果表明,文中算法可以鲁棒地跟踪到部分遮挡和形态变化的运动目标.     

基于ARM与DSP的指纹识别系统通信设计

在双核的嵌入式处理系统中,主处理器与从处理器之间如何进行有效的通信显得极为重要。该方案以嵌入式指纹识别系统为载体,介绍了ARM与DSP的通信设计,给出了硬件连接图和其驱动程序的部分关键代码。该方案充分利用DSP的HPI接口功能实现了主机ARM实时读/写DSP片内任意存储单元的内容,完全满足嵌入式系统对实时性的要求。     

I2C总线在指纹识别系统键盘显示中的应用

针对大多数嵌入式系统键盘显示电路复杂、不灵活、维护困难等问题,结合指纹识别系统在汽车安全领域的应用,介绍了基于I2C总线的数码管显示驱动和键盘扫描控制芯片CH452S以及扩展口器件PCF8574AP在指纹识别系统键盘显示接口中的应用,包括硬件电路连接和软件程序设计.采用I2C总线,不仅占用端口资源少,电路结构简单,而且易于电路扩展与系统升级.     

基于半监督流形学习的人脸识别方法

如何有效地将流形学习(Manifold learning,ML)和半监督学习(Semi-supervised learning,SSL)方法进行结合是近年来模式识别和机器学习领域研究的热点问题.提出一种基于半监督流形学习(Semi-supervised manifold learning,SSML)的人脸识别方法,它在部分有标签信息的人脸数据的情况下,通过利用人脸数据本身的非线性流形结构信息和部分标签信息来调整点与点之间的距离形成距离矩阵,而后基于被调整的距离矩阵进行线性近邻重建来实现维数约简,提取低维鉴别特征用于人脸识别.基于公开的人脸数据库上的实验结果表明,该方法能有效地提高人脸识别的性能.     

基于单片机和GM8125的多路串口收发器设计

介绍了串口扩展芯片GM8125的特性,设计了基于该芯片和8051单片机的多路串口收发器,程序算法及硬件电路实现了多达4台子设备(电子天平)到主设备(打印机)数据标号传输,并有效地解决了GM8125芯片多路并行工作时的出现的乱码和数据混乱的问题。系统使用方便,实时性好,扩展方便,取得了良好的实际应用效果。     

基于特征尺度及多尺度分解的纹理分割

在计算机视觉领域，纹理识别及分割是图像低层次处理中一个重要的问题。文章依据视觉信息处理的生理学理论，提出了一种新的纹理分析算法。该算法通过搜寻纹理图像的特征尺度并配合连续整数尺度滤波上的特征尺度统计对纹理进行分层分析。并基于特征尺度上的分层分析提出一种纹理分割算法。实验结果证明了该算法的有效性。     

基于DOG模型的线条检测算法

在计算机视觉领域，线条检测是图像低层次处理中一个重要的问题．文中提出一种基于双高斯差(DOG)模型的线条检测算法．分析比较了DOG检测器和高斯及高斯-拉普拉斯二阶微分检测器在线条检测方面的性能，解释了DOG函数和高斯及高斯-拉普拉斯二阶微分函数之间的关系，还给出了DOG检测器的线条检测范围并在二维空间中分析了其线条检测机理．实验中选用了指纹图像，实验结果表明DOG线条检测器能够对宽度在一定范围内的线条进行骨架提取。     

融合局部和全局结构的流形学习

提出了一种融合局部与全局结构的保持嵌入(LGPE)算法.该方法首先假定目标空间的整体映射函数,然后结合数据的全局几何结构分布信息进行数据重构,最后通过最小化准则函数来得到嵌入高维空间的低维子流形.LGPE方法在保持数据局部结构的同时保留了全局结构信息,在信噪比为10 dB的稀疏Swiss-roll(N=400)和COIL-20多姿态数据集上都取得了较好的维数约简效果.与其他局部流形学习方法相比,该方法在AT&T人脸图像库中,当嵌入特征矢量维数d<40时,其识别率提高了约15%.在人工与真实数据库的实验结果表明,本文方法对噪声和稀疏数据具有较好的鲁棒性.     

指纹取像与指纹识别

主要介绍了现有提取指纹图像的几种设备和方法，并提出了一套完整的指纹识别算法。该算法包括预处理、特征抽取、样本数据库建立和指纹比对，经实验证明，本算法具有很强的可靠性和安全性。