基于特征融合的手背静脉识别

图像平移和旋转会降低手背静脉识别的准确性,针对该问题,本文提出了一种特征融合的手背静脉识别法.该方法充分考虑图像的细节特征和全局特征,首先选取图像中的交叉点和端点作为特征点,再从特征点中提取出图像匹配的基准点,计算基准点至特征点间的相对距离及基准点与特征点连线间相邻连线产生的夹角作为细节特征;然后利用不变矩方法提取图像特征作为全局特征;最后将两种图像特征融合,进行手背静脉识别.实验模拟结果表明,该方法可快速有效地实现手背静脉识别.     

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。     

虹膜身份识别技术

介绍了现在最有发展前景的生物特征识别技术——虹膜身份识别技术。在整体介绍了其技术的基础上,详细介绍了当今具有代表性的虹膜识别算法,最后针对虹膜识别技术存在的主要问题分析了虹膜识别的发展方向：精度高、速度快、鲁棒性好的定位算法,高效的特征提取方法,机器学习的分类方法,虹膜图像的质量评价,不完整、不合作情况下的虹膜识别以及活体虹膜检测。     

基于分形脊波神经网络的遥感图像分类研究

在分形理论和脊波神经网络的基础上，综合利用彩色遥感图像的光谱、纹理和形状特征，提出了一种彩色遥感图像的分类新方法．该方法把彩色图像的蓝、绿、红波段作为3个光谱特征，由分形理论计算的DBC维和多重分形维数作为2个纹理特征，平均不变矩作为1个形状特征，并利用对曲线具有极强方向识别能力的脊波神经网络作为分类器．实验结果表明，提出的彩色遥感图像分类方法具有较高的分类准确率和较强的抗噪音能力．     

手背静脉图像预处理算法研究

静脉识别是一种新兴的生物特征识别技术。介绍了静脉图像的采集原理,根据静脉血管的特点,重点对静脉图像预处理进行了研究。静脉图像预处理可分为静脉图像的标准化和静脉图像的二值化两个部分。针对二值化问题,提出了彩动态阈值法对静脉图像进行处理和增强,得到了较好的结果。     

从颈部多帧图像序列获取脉搏波信号

脉搏波是表征人体生理状况的重要指标,基于成像式的非接触式脉搏波检测技术在医疗健康领域具有重要的研究意义。鉴于目前非接触式获取脉搏波的方法存在波形细节丢失的缺点,提出一种利用近红外光源照明,多帧连续照相颈动脉搏动来获取脉搏波信号的方法。实验中,在波长为850nm的光源照明环境下,由工业级近红外相机远距离拍摄颈动脉搏动引起的表皮振动。选取感兴趣区域后提取到原始脉搏波信号,进而利用极大重叠离散小波变化对信号进行滤波处理,最终得到保留细节特征的脉搏波。对不同受试者的测量结果显示,方法获得的波形可以观察到主波、潮波及重搏波等特征,对于非接触式获取脉搏波具有重要的参考价值。     

基于局部尺度不变特征的快速目标识别

介绍了图像局部尺度不变特征的提取方法,将局部尺度不变特征用于目标识别,为提高识别实时性,提出利用金字塔和尺度空间的混合多尺度表示方法,按照从大尺度到小尺度的顺序对待识别图像的特征点进行检测与匹配,直到完成识别为止,有效地提高了识别速度。     

弱小目标空间坐标测量中的目标检测识别方法

针对弱小目标空间坐标测量系统中的目标检测与识别,提出了一系列提高系统捕获率的方法.该方法根据图像与目标特性,采用改善背景图像质量、判别目标成像特性和设置成像时间窗口来获得目标识别和交汇数据,最后对识别交汇结果进行反演来提高系统弱小目标检测识别能力从而最终获得较高捕获率.试验表明这些方法对于提高系统捕获率是有效的.     

支持向量机方法在热波检测图像分割中的应用

作为热波无损检测技术中的关键环节,热波图像分割对结构损伤的有效识别与准确评估具有重要影响。为克服红外热波图像背景噪声大,对比度低等因素对损伤识别的影响,提出了一种基于支持向量机的热波图像分割方法。该方法首先采用Wiener滤波对热波图像进行预处理,然后随机选取目标区域和背景区域内多个像素点的像素值组成目标向量与背景向量,对基于多项式核函数的支持向量机进行训练,最后将训练好的分类器应用于不同的热波图像,实现热波图像的分割。试验结果表明:该方法可有效克服热波图像背景噪声大的问题,较好地保留了缺陷区域分割的完整性;与基于硬阈值的图像分割方法相比,该方法能更好地抑制背景区域的噪声干扰,更有利于损伤的识别与评估。     

图像的自动采集分析和实现

文章针对焊件检测过程中需大量采集和分析实时图像的要求 ,利用小波分析的特点 ,相关跟踪识别视频图像运动状态 ,实现自动采集、分析处理和储存一并完成 ,解决了视频图像连续捕获不能得到高像质的问题。     

基于链码表示的手臂静脉特征提取与匹配EI北大核心CSCD

针对手臂静脉这一生物特征,提出一种基于链码表示的静脉特征提取及匹配算法.由近红外手臂图像中提取出静脉的骨架结构,并将其分割为若干条曲线段,通过曲线的相对方向、相对位置及形状特征计算匹配曲线对,利用粒子群算法计算匹配曲线间的最优空间变换关系,根据静脉全局变换后点集的重叠情况判断匹配程度.针对来自9个国家的110位实验者组成的手臂图像库进行实验,Rank-1和Rank-10%识别率分别为74.5%和93.6%,优于改进Hausdorff距离及模板匹配方法,表明手臂静脉可作为一种新的生物特征来进行身份认证.     

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。     

基于红外反射光容积脉搏波的血管阻力研究

近红外光谱技术在血氧饱和度和血糖浓度的无损伤在体测量中得到了应用。本文利用基于反射式原理的红外光容积脉搏波对指尖和桡动脉进行了血管阻力等血流参数检测的研究。通过将提取到的光电容积脉搏波中峰峰值和特征K值参数与超声多普勒所测收缩期峰值血流速度和血管阻力参数进行相关性分析, 发现两者存在很强的相关性, 研究结果将扩展光电容积脉搏波在血流检测中的应用。     

基于链码表示的手臂静脉特征提取与匹配

针对手臂静脉这一生物特征,提出一种基于链码表示的静脉特征提取及匹配算法.由近红外手臂图像中提取出静脉的骨架结构,并将其分割为若干条曲线段,通过曲线的相对方向、相对位置及形状特征计算匹配曲线对,利用粒子群算法计算匹配曲线间的最优空间变换关系,根据静脉全局变换后点集的重叠情况判断匹配程度.针对来自9个国家的110位实验者组成的手臂图像库进行实验,Rank-1和Rank-10%识别率分别为74.5%和93.6%,优于改进Hausdorff距离及模板匹配方法,表明手臂静脉可作为一种新的生物特征来进行身份认证.     

一种光电容积脉搏信号的峰值点自动识别方法

光电容积脉搏信号的峰值点自动识别直接关系到无创血氧饱和度测量与脉搏波峰-峰间期提取的准确率。提出一种小波联合识别方法：基于小波多分辨率分析原理校正影响脉搏波峰值点幅值的基线干扰,再利用二次样条小波模极大算法自动识别峰值点。将该方法应用到自行研制的光电容积脉搏波测量系统中,对采集的信号进行了校正与峰值点识别,通过在信号中增加随机噪声以评价方法的稳定性与可靠性,然后利用10组实测数据,对比本方法与传统差分阈值法的峰值点识别准确率,进一步评价方法的有效性。结果表明：本方法在较好地消除了基线干扰的基础上,在染噪的信号中仍然会较精确地检测出脉搏波主波峰,具有较好的抗干扰能力,有利于提高血氧饱和度检测及峰-峰间期提取的准确性,从而有助于后期人体呼吸功能评价与心率变异性分析。     

货车枕簧丢失故障动态图像识别方法

针对货车运行故障动态图像检测,提出无故障目标识别工作模式,解决货车枕簧丢失故障的自动识别问题。利用Haar特征提取枕簧特征信息,基于AdaBoost算法选取特征并构建层叠分类器,等比缩放搜索窗口检测货车图像,最终分选出无故障的枕簧图像,从而大大地减少了待识别图像的数量,显著地提高了人工识别效率。实验表明,该算法使用的特征简单,搜索策略高效,不受枕簧位置、缩放和旋转的影响,抗噪能力强,对分辨率低、局部遮挡、光照不足或过度曝光等质量较差的图像仍具有很强的适应性,所提出的方案能够满足全天候条件下的货车枕簧目标识别,为货车故障动态图像检测的工程化应用奠定了基础。     

人体血氧饱和度检测中消除脉搏波信号高频噪声的方法

基于光电容积脉搏波的方法可以用于人体血氧饱和度的无创检测,基于光电容积脉搏波测量时,由于信号采集过程中随机噪声等干扰,脉搏波信号中存在高频噪声,影响最终的血氧饱和度测量精度。提出采用基于连续均方误差(CMSE)准则的经验模态分解(EMD)法消除脉搏波信号中的高频噪声。利用自行研制的光电容积脉搏波采集装置采集脉搏波信号,应用该方法消除信号中高频噪声,并采用信号的频谱进行效果评价。结果表明：该方法有效消除了高频噪声,这将有利于人体血氧饱和度无创检测精度的提高。     

基于蚁群优化与神经网络的坦克目标识别算法

为了对成像引信探测得到的变形严重的图像进行识别,提出了基于蚁群优化与人工神经网络相结合的坦克目标识别算法.采用SUSAN特征检测原则提取目标图像的角点特征,作为神经网络模式分类器的输入.针对BP网络收敛速度慢,易于陷入局部极小点等问题,利用蚁群优化算法训练网络权值,可兼有ANN的广泛映射能力和蚁群算法的全局收敛以及启发式学习等特点.仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度.     

变光照环境下皮带撕裂视觉检测方法研究

针对变光照环境下给皮带撕裂视觉检测过程造成的识别干扰,提出了一种基于洛伦兹信息测度(Lorentz Information Measure,LIM)分块的改进Ostu分割算法的结构光视觉检测方法。首先将红色线性激光投射到皮带表面,通过CCD相机捕获高对比度图像;然后利用LIM方法将ROI(Region of Interesting)区域根据其水平方向光照强度分块,并逐块通过线性加权Ostu算法进行图像分割,进而合并出整幅图像的激光条纹;最后提取激光条纹中心线,并对其信息特征进行分析比较,判断皮带是否发生撕裂。通过现场在皮带机上进行试验,在轻度和重度污染环境下,892张样本的正确检测率为95.72%,平均单张样本检测时间为89ms,检测精度和速度满足实用要求。     

基于高光谱图谱融合技术的黄桃损伤程度判别研究

黄桃含有丰富的营养物质,深受消费者的喜爱。但在加工运输的过程中极易受到碰伤,给果农和销售商带来极大地经济损失。以往利用高光谱技术检测水果碰伤,通常是仅仅利用光谱信息或者图像特征建立水果碰伤检测模型,很少将图谱融合用于水果碰伤的检测。光谱反射率容易受到外界杂散光的影响,会丢失一部分真实信息,图像包含的信息量较少,仅仅只靠几个特定波段的图像很难精准识别。因此,为了实现对黄桃碰伤程度的精准分类,从而可根据不同碰伤程度的黄桃制定不同的处理方式,减小经济损伤。提出一种利用高光谱的光谱信息结合图像特征建立模型来检测不同碰伤程度的黄桃。以180个黄桃作为实验样品,首先分别采集轻度、中度和重度碰伤黄桃的高光谱图像,在每个黄桃的碰伤位置选取100×100像素的区域作为感兴趣区域,利用ENVI4.5软件提取碰伤区域的光谱信息。然后采用主成分分析(PCA)算法对采集的高光谱图像进行降维处理,在前5个PC图像中最终选择PC1图像作为黄桃碰伤的主成分图像,根据PC1图像的权重系数曲线挑选出6个特征波长对应的图像作为特征图像,将平均灰度值作为黄桃碰伤的图像特征。最后,分别利用光谱信息、图像特征、光谱信息结合图像特...