指纹信息识别技术与应用

综合叙述了指纹信息识别技术的发展与应用,包括一般指纹识别系统的原理,指纹数据的产生办法,指纹图像的预处理,以及提取特征、分类鉴定的各种方法,例如：结构方法,统计方法,人工神经网络方法,光电混合方法等,并进行了比较和分析。     

图像的全息描述与编码

图像在不可靠信道中传输时由于信道误码和数据丢包等因素的干扰,解码图像的质量会受到很大的影响。图像的全息描述和编码能够很好地用于图像的鲁棒传输。对一维和二维全息描述进行了分析,给出了全息描述的数学表达,把基于小波变换域的图像编码方法用于图像的全息描述。对该方法进行了测试,结果表明该方法具有较好的抗误码特性。     

指纹及手指静脉图像复合采集光学系统设计

针对生物特征的多模识别技术,设计了一款用于指纹及手指静脉图像复合采集的光学系统。用于采集指纹和手指静脉图像的光学镜头分别由3片和12片球面透镜构成,工作波长分别为650 nm和850 nm,成像器件分别采用640 pixel×480 pixel CCD和640 pixel×512 pixel非制冷红外探测器。使用Zemax软件对该系统的光学结构进行了设计和优化。像质评价结果表明:指纹图像采集镜头在空间截止频率67 lp/mm处,调制传递函数MTF值大于0.6;手指静脉图像采集镜头在空间截止频率30 lp/mm处,调制传递函数MTF值大于0.8;两镜头各视场弥散斑均方根半径远小于成像器件像元尺寸,接近衍射极限,且成像畸变均小于0.5%。实验证明该系统采集到的图像质量优良,分辨率高。     

干涉多光谱卫星图像序列编码

星载干涉多光谱图像序列通过图像匹配实行定位形成光谱序列,相邻图像之间具有很强的相关性,与一般图像序列不同的是,相邻图像之间具有明显的平移特点。为了充分利用这一特点实现有效的图像压缩,同时减少编码系统复杂度,提出了一种新的图像序列编码方法,通过小波域系数匹配算法检测出相邻图像之间的相对位移量,然后对差值图像进行类似于单幅图像的编码,从而提高了总体编码效率。本算法具有与相同单幅图像编码算法相当的低复杂度特点,只需要对单幅图像与模板的差值进行基于小波变换的编码,从而避免了基于三维小波变换的编码算法对系统存储量要求大以及编码延时大的缺陷。仿真结果表明,本算法比基于三维小波变换的编码算法效果更好。     

基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

基于VxWorks的实时图像采集技术

工业控制领域对实时图像采集的需求越来越大，对图像采集的系统结构、硬件结构、嵌入式实时操作系统和图像采集处理应用软件进行研究具有实际的意义。在实时图像采集系统设计中，采用模块化设计方式，把处理器模块和图像采集模块分开设计，通过ETX总线的方式连接，ETX包括PCUISA总线。这种设计模式具有明显的优势，处理器模块采用标准化设计，提供标准化生产：图像采集模块采用灵活的专业化设计，提供各种特定的功能，可满足不同的实际需要。     

视频内窥镜图像采集与处理

提出一种用ＣＣＤ接收图像的视频内窥镜系统，其图像用微机进行处理，实验结果表明由该系统获得的人耳图像经微机处理后，图像的清晰度有明显改善。     

用于图像高压缩比编码的方向滤波器的光学实现

本文针对光学与数字技术结合的实现图像高压缩比编码的一种方案——方向滤波方法提出利用补偿滤波技术来保持图像边缘信息,从而利用光学滤波技术实现数字滤波运算,给出高达30:1的高压缩比编码结果.     

基于遗传算法的指纹图像分割算法

在指纹技术中,指纹图像分割是图像处理中关键的一步。将遗传算法用于计算指纹图像分割阈值,采用染色体编码的方法并利用赌轮法产生初始化种群,通过选择算子、交叉算子和变异算子的方法实现分割。该方法表明利用遗传算法所得到的阈值进行分割处理能取得较好的效果。     

易于硬件实现的遥感图像JPEG2000压缩编码

讨论了易于硬件实现的JPEG2000内嵌码块编码压缩系统方案，提出了一种针对遥感图像特点的基于比特平面加权的EBCOT算法。本文算法采用比特平面提升减少遥感图像压缩中小目标的丢失问题，比JPEG2000建议的视觉加权率失真斜率提升方法相比有更好的效果。实验证明算法完全继承了JPEG2000高客观质量、分辨率渐进性、好的抗误码性能等优良特性，同时降低了T1编码器的编码时间，有利于硬件的实现，在遥感图像压缩领域具有实用价值。     

Textual and shape-based feature extraction and neuro-fuzzy classifier for nuclear track recognition

Track counting algorithms as one of the fundamental principles of nuclear science have been emphasized in the recent years. Accurate measurement of nuclear tracks on solid-state nuclear track detectors is the aim of track counting systems. Commonly track counting systems comprise a hardware system for the task of imaging and software for analysing the track images. In this paper, a track recognition algorithm based on 12 defined textual and shape-based features and a neuro-fuzzy classifier is proposed. Features are defined so as to discern the tracks from the background and small objects. Then, according to the defined features, tracks are detected using a trained neuro-fuzzy system. Features and the classifier are finally validated via 100 Alpha track images and 40 training samples. It is shown that principle textual and shape-based features concomitantly yield a high rate of track detection compared with the single-feature based methods.     

基于流形学习的声目标特征提取方法研究

为解决目前声目标识别面临的鲁棒性不足问题,提出将流形学习应用到声目标的特征提取中,在经典流形学习算法的基础上,研究讨论了目标声信号频域中存在的低维流形,通过两种实际的地面和低空飞行声目标数据集进行对比识别实验,分析了基于流形学习的声目标特征提取方法的性能,结果表明基于流形学习的特征提取方法可以发现声信号的本质特征,提高了声目标识别系统的准确性和鲁棒性. 关键词： 声目标识别 特征提取 流形学习     

语音情感识别中的特征选择方法

为了解决传统卷积神经网络在识别中文语音时预测错误率较高、泛化性能弱的问题,首先以深度卷积神经网络(DCNN)-连接时序分类(CTC)为研究对象,深入分析了不同卷积层、池化层以及全连接层的组合对其性能的影响;其次,在上述模型的基础上,提出了多路卷积神经网络(MCNN)-连接时序分类(CTC),并联合SENet提出了深度SE-MCNN-CTC声学模型,该模型融合了MCNN与SENet的优势,既能加强卷积神经网络的深层信息的传递、避免梯度问题,又可以对提取的特征图进行自适应重标定。最终实验结果表明:SE-MCNN-CTC相较于DCNN-CTC错误率相对降低13.51%,模型最终的错误率达22.21%;算法改进后的声学模型可以有效地提升泛化性能。     

指纹识别技术的发展

指纹识别技术由于具有独特的防伪性、可靠性、方便性、实时性、灵活性、可接受性、安全性和兼容性，因而可广泛应用于公安、保安、机要军事、商业等领域。本文首先对指纹识别技术的技术背景做了较为详细的介绍，包括个人识别和特征识别、指纹识别及其优点、指纹识别的发展历史、其它识别办法的限制、指纹自动识别系统的发展现状等，然后对指纹识别技术的市场前景做了综述，包括指纹锁和指纹卡的潜在应用。总之，随着市场的推动和技术的提高，指纹识别应用领域将会越来越广泛，在人们生活中的作用也会越来越重要。     

基于稀疏表示的核素能谱特征提取及核素识别

提出了一种基于稀疏表示的核素能谱特征提取方法,其实质是将核素能谱在区分性最好的稀疏原子上进行投影。利用稀疏分解方法对核素能谱进行稀疏分解,提取分解系数向量作为表征核素的特征向量,通过模式识别分类方法建立分类模型实现核素识别。与传统稀疏分解方法的区别在于：在能谱稀疏分解过程中按照稀疏字典中的原子排列顺序顺次进行分解;其次,分解目的在于特征提取,即最终提取到的特征对不同核素具有可区分性,并不要求核素能谱的重构精度。在²⁴¹Am, ¹³³Ba, ⁶⁰Co, ¹³⁷Cs, ¹³¹I和¹⁵²Eu共6种核素1200个能谱数据上进行了核素识别实验,7种不同分类算法的平均识别率达到91.71%,实验结果的统计分析表明,本文提出的特征提取方法识别准确率显著地高于两种传统核素能谱特征提取方法准确率。     

基于支持向量机的~(252)Cf中子裂变信号时频特征分析及识别

基于裂变中子(252Cf)对裂变链(235U系统)依存关系,在对252Cf中子裂变信号的测量原理及信号特点分析基础上,开展了基于支持向量机的中子裂变信号时频特征分析及识别研究工作。采用小波分解和去噪小波包分解方法,提取不同状态下随机核信号的时频能量特征,借助于统计学习理论的支持向量机(SVM)分类器原理进行训练和分类。研究结果表明:通过直接小波分解或去噪小波包分解,以获取核信号特征的方法是有效的;去噪小波包分解特征提取方式,较之直接小波分解特征提取方式更能反映中子裂变核系统的内部特征和规律;基于SVM核信号样本的分类,训练后的SVM分类器有着大于70%以上的正确率,且较好地克服了训练样本数较少的问题,验证了方法的可行性和有效性。     

图像配准中几种特征点提取方法的分析与实验

研究了图像配准中常用的几种特征点提取方法。基于图像配准对特征提取方法的特殊要求,提出了一组量化的特征提取方法评价因子,能用于合理评价各种方法的性能、优点与缺点,为这些方法的改进提供指导性意见和比较依据。通过大量的实验,利用评价因子比较和分析了上述的几种常用特征提取方法的优缺点、适用环境,并提出改进建议。     

一种用于光纤链路振动信号模式识别的规整化复合特征提取方法

相位光时域反射链路监测系统是一种利用光纤作为传感介质的传感系统, 能够监测、定位、识别入侵信号.模式识别模块是其重要组成部分, 实时智能区分安全扰动和危险入侵.本文提出一种用于光纤链路振动信号模式识别的复合特征提取方法.利用改进的双门限方法确定有效信号段的起止位置, 结合最大能量与最高信噪比挑选出采样周期内主要入侵扰动的特征段.综合利用特征段时域持续时间和小波包能量谱提取复合特征向量, 使用支持向量机进行模式识别.实验表明, 基于本文提出的规整化特征提取方法的模式识别准确率有了显著提高.     

一种利用Gabor小波特征的目标跟踪方法

小波特征跟踪是一种新的目标跟踪方法。这种方法利用Gabor小波提取目标的边界特征来组成特征模板,并由小波滤波器系数组成特征向量。在跟踪过程中不断优化特征模板的旋转、尺度及平移等几何变形参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,从而实现目标旋转、尺度及平移等几何变形时的自动跟踪。实验表明,该方法能够有效地跟踪飞机、车辆等目标,并且能够抵抗全局亮度的变化和局部遮挡的干扰。