非接触式虹膜图像获取及特征提取方法的研究

报道了一种由使用者自行瞄准来实现虹膜图像非接触式获取的新方法,对获得的图像数据进行了虹膜纹理特征提取试验,验证了方法的可行性和有效性。通过设计几何光照明来辅助使用者定位瞄准,使眼睛处于前后合适的位置;并在摄像机镜头前面放置一片半透半反镜,帮助使用者观察自己眼睛的像来判断眼睛是否偏出摄像机的视场范围。通过该方法可以得到虹膜特征识别的图像数据。采用二维伽博小波对虹膜纹理进行特征提取,并计算两个虹膜特征码值中数值相等的特征位个数,对采集到的虹膜图像进行了特征匹配实验,得到的实验数据证实了该系统完全满足虹膜特征识别的要求。     

基于人眼灰度分布特征的虹膜定位算法

虹膜定位是虹膜识别过程中的重要环节,定位速度和精度决定了整个虹膜识别系统的性能。提出了一种基于人眼灰度分布特征的虹膜定位算法,该算法利用形态学运算实现瞳孔圆心粗定位,采用划分区域求灰度均值隔项差值最大值的方法实现外圆半径的粗定位,并通过分层聚类的方法实现内外边界的精确定位。实验结果表明．与经典的虹膜定位算法如Wildes算法、Daugman算法相比,该算法定位结果更加准确,定位速度大幅度提高。     

移动机器人目标识别算法

针对移动机器人在目标识别过程中对视觉图像特征点提取慢,匹配不准确等特点,提出了一种基于SIFT算法的改进目标识别算法。通过采用组合匹配策略,将特征关键点间的距离和内积同时进行考察,根据其自身值的大小,决定对匹配相似度的贡献。组合策略的引入有效地解决了机器人在目标识别中对相同特征图像不能匹配和不同特征图像能够匹配的问题。为克服目标匹配时实性差的弱点,以关键点为根据构建K维树结构,采用最近邻点搜索,快速找出正确匹配的特征点。为实现移动机器人目标识别过程中的自主性,在特征点匹配过程中引入自适应阈值进行判断。实验表明,该方法对移动机器人目标识别准确率有较大提升,能够满足移动机器人在目标识别和跟踪过程中对视频图像处理的实时性和准确性的要求。     

虹膜识别技术及应用

虹膜识别技术由于具有稳定性好、错误接受率 (FAR)和错误拒绝率 (FRR)相等的指标最优、识别速度快等优点正逐步受到人们的重视。对虹膜纹理的特征、虹膜识别技术的发展和应用进行了较详细的介绍 ;通过将虹膜识别技术与其它生物识别技术相比较 ,对虹膜识别技术的优点进行了讨论。讨论了虹膜识别系统的构成 ,以及用二维Gabor小波和其它小波变换实现特征编码的方法和叙述了虹膜识别中所采用的一些算法     

基于灰度信息的动场景视频序列中运动对象的提取

提出了一种基于视频序列灰度信息的运动对象提取方法。该方法采用改进的Sobel算子提取边缘图像,依据边缘信息将视频图像分割为不同的灰度连续区域。在各灰度连续区域中,选取特征点进行匹配获得特征点对。根据特征点对合并灰度连续区域,获得全局运动参数。采用具有自适应帧间隔的帧差交集法,获得图像中运动对象区域。结合灰度信息和运动信息,分割出运动对象。实验结果表明,该算法可以有效地将运动对象从视频序列中提取出来。     

一种基于局部信息统计的虹膜分块编码方法

由于虹膜自身的稳定性、非侵犯性、不可更改性等优点,虹膜识别已经成为生物特征身份鉴别领域中的研究热点。但虹膜丰富的纹理和复杂的结构给特征提取和编码带来了很大困难。为尽可能地简化特征提取和编码方法,提高虹膜识别效率,提出了一种基于局部信息统计的虹膜分块编码方法。对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;分别根据虹膜局部信息与全局信息、局部信息与局部信息之间的比较关系进行分块编码;计算了不同虹膜代码之间的汉明(Hamming)距离。根据汉明距离给出识别结果。实验证明该方法有效、可行,具有较高的识别率和识别速度。     

2f光电混合匹配滤波相关识别研究

提出一种光电混合匹配滤波相关识别方法,只用一个空间光调制器实现了匹配滤波相关识别。利用计算机完成匹配滤波器的设计以及匹配滤波器与输入目标频谱的卷积运算,根据最小欧氏投影编码原理将卷积结果转化为空间光调制器可以显示的灰度信号,再通过2f光学傅里叶变换系统,得到相关识别结果。实验结果表明,该方法可以得到明显的相关点,同时可以避免传统VLC中匹配滤波器的精确复位问题,而且该系统还可以应用于联合变换相关识别。     

移动视觉测量中基于空间交会的匹配方法

移动视觉测量中大量非编码点粘贴在被测物表面。由于图像点在不同站位图像中形状相似,因此无法提供足够多的信息来对其进行分类识别,匹配不同图像间的非编码点是移动视觉测量中的一项重要任务。大量研究证明,极线匹配方法是实现图像点匹配的有效方法。然而移动视觉测量的相机是未经过标定的,在利用极线匹配方法时,图像畸变会使基本矩阵求解精度较低,从而导致大量误匹配情况出现。为了解决该问题,提出一种基于空间交会的非编码点匹配方法。该方法通过不同图像间编码点的自动匹配,结合平差优化算法初步获取各站位的内外参数。然后利用这些参数将二维图像点重投影成对应的三维空间直线,在空间中利用直线间的交会关系确定图像匹配点。大量实验证明,该方法可以比极线匹配方法寻找更多的匹配点,更适合用于移动视觉测量。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于K-L变换的虹膜识别方法

提出了一种基于K-L变换和最近邻分类器的虹膜识别方法。该方法采用K-L变换得到一组虹膜图像基,并利用这组基图像构造一子空间,将待识别图像在这个空间上的投影系数作为待识别图像的特征向量。采用最近邻分类器进行了分类。基于CASIA虹膜数据库的试验表明,将K-L变换应用在虹膜特征提取上可以取得较高的识别率。     

Localization of iris in gray scale images using intensity gradient

A new method of iris localization based on intensity value analysis is proposed in this paper. Iris recognition systems are mainly dependent on the performance of iris localization processing. Steps after localization involve normalization, feature extraction and matching. These steps are based on the accuracy and efficiency of localization of iris in human eye images. In the proposed scheme, the inner boundary of iris is calculated by finding the pupil center and radius using two methods. In the first method, selected region is adaptively binarized and centroid of the region utilized for obtaining pupil parameters. Edges are processed to detect radius and center of pupil during the second method. For outer iris boundary, a band is calculated within which iris outer boundary lies. Signals in one dimension are picked up along radial direction within determined band at different angles. Three points with maximum gradient are selected from each signal. Redundant points are deleted using Mahalanobis distance and remaining points are used to obtain the outer circle of the iris. Points for upper and lower eyelids are found in the same way as the iris outer boundary. Selected points are then statistically fitted to make parabolas and lastly eyelashes are removed from the image to completely localize the iris. Experimental results show that proposed method is very efficient and accurate.     

一种改进的块匹配运动目标识别算法

鉴于传统的块匹配法在图像特征提取、匹配以及搜索等方面有诸多不足,复杂的边缘提取处理与基于灰度的匹配准则都使得系统的处理速度与精度降低,为了使识别处理更加快速精确,提出了一种改进的块匹配识别算法。通过拉普拉斯算子对图像特征进行增强,提高图像的特征信息;实验表明,针对320像素240像素大小的图像,改进算法的特征增强计算时间在Matlab中平均约为0005 4 s。     

一种基于仿射不变区域约束的立体匹配算法

针对现有立体匹配算法匹配速度的不足,提出一种基于区域约束的快速立体匹配算法。选取4对稳定的特征点作为初始匹配点对,在左右图像中分别构建四边形,然后将四边形划分成4个三角形,以每个三角形对为待匹配区域,利用仿射不变性进行区域内特征点匹配。获得特征点匹配对后,再以每个特征点为中心进行开窗,利用传统的基于灰度信息的方法进行精度验证。实验表明,该算法在保证一定精度的情况下能获得较高的匹配速度,可满足实时性要求。     

基于机器视觉的三维灰度重构技术

基于双目立体视觉三维重构原理，采用主动扫描实现特征匹配的三维灰度重构技术，通过特征结构光扫描物体表面，由经过预标定的两套成像传感器拍摄其图像，经过图像处理程序提取出特征点，完成特征匹配，再计算出物体表面三维轮廓，同时将成像传感器中的灰度信息映射到相应的特征点，从而实现特征点的三维信息和颜色信息的重构和匹配。该技术为三维彩色逼真场景的重构奠定了基础。     

基于网格点投影灰度相似性的三维重建新方法

基于双目立体视觉的三维重构是计算机视觉技术的主要内容之一,在机器人视觉导航、航空测绘、医学成像和工业检测等很多领域都有广泛的应用.提出一种基于网格点投影灰度相似性的双日立体视觉的三维重建新方法.首先将被测物体所在的世界坐标系划分成问距卡日等的矩形网格,将网格节点作为潜在的物点投影到左右图像坐标系上,然后根据不同深度的空间点在两幅图像上相应的灰度相似性来判断被测物体在三维空间中的深度信息.通过Matlab平台下的仿真实验证明了本方法的三维重建效果和计箅效率都要优于传统方法.与传统的图像匹配方法相比,具有算法简单、速度快、精度高、且不受摄像装置非线性畸变影响的优点.     

一种新的基于子线段的立体匹配算法

立体匹配是计算机视觉领域中最活跃的研究主题之一。为了精确并更快速的进行同名点匹配,提出了一种基于小波变换的子线段匹配方法。该方法利用样条二进小波变换系数在不同尺度下的模极大点,能提供在不同尺度下信号急速变化点的位置信息,采用由粗到细的匹配策略匹配这些特征点,并由这些特征点两两相邻的点构建子线段。采用加速方法,快速匹配子线段两端点之间的点。这种方法较好地解决了匹配精度和匹配速度之间的平衡问题。采用该方法对篦冷机内水泥熟料高度进行测量,实验表明,该方法能较精确地得出水泥熟料料层的分布状况。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

基于人眼视觉非均匀特性的实时Mean Shift跟踪方法

由于在成像制导过程中需要实时处理大量的信息,为了在尽可能保留有效信息情况下降低计算量,采用了一种人眼视觉非均匀采样模型——对数极坐标模型,来压缩信息量以提高计算速度;另外,由于对数极坐标变换对目标形状具有旋转和缩放不变性,在跟踪非刚性变形目标时该模型能表现出很好的稳健性;考虑到在成像跟踪末段,质心、角点之类的跟踪方法会产生匹配点漂移,为了抑制匹配点漂移,采用基于目标强度特征的Mean Shift跟踪方法,并对采用Gauss核函数的Mean Shift方法进行了优化来加快计算速度;实验结果表明,该方法能够有效抑制匹配点漂移,是一个稳健的目标跟踪方法.