大鱼际掌纹图像滤波方法

大鱼际掌纹图像在采集的过程中会引入噪声.要求寻找一种既能很好地去噪,又能增强纹线信息的滤波方法.文中给出了脉冲耦合神经网络（PCNN）滤波和中介滤波的算法原理和具体实现方法,并根据其原理分析,指出2 种滤波方法可满足以上要求.从仿真实验结果看到：中介滤波方法处理的图像比其他方法更为清晰,并且能更好地保护图像细节;另外,峰值信噪比客观的度量数据也证明了2 种方法的有效性.     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于代数特征的多光谱图像特征提取方法

多光谱图像特征提取的好坏直接关系着目标识别算法的复杂程度,也影响着最终目标识别的性能。研究了一维主成分分析（1DPCA）、二维主成分分析（2DPCA）、一维奇异值分解(1DSVD)和二维奇异值分解(2DSVD)等代数特征提取方法,并用这些方法构成图像识别框架的特征提取部分,通过识别率的大小来验证是否适合于多光谱图像特征提取。实验结果表明：①与可见光图像目标识别相比,PCA和SVD特征更适合于红外图像目标识别;②训练样本分类时,PCA和SVD特征的识别性能改善不明显;③训练样本少时,SVD重构图像、2DSVD和1DPCA特征的识别性能较好。     

基于图像协方差无关的增量特征提取方法研究

针对2维主成分分析(2DPCA)算法无法实现在线特征提取及无法体现完整数据结构信息等问题,该文提出一种基于图像协方差无关的增量式2DPCA(I2DPCA)算法。该算法无需对图像协方差矩阵进行特征值分解奇异值分解,复杂度将大为降低,提高了特征提取速度。针对I2DPCA仅提取了横向特征的问题,又提出一种增量式行列顺序2DPCA(IRC2DPCA)算法,该算法对I2DPCA的特征矩阵再次进行纵向特征提取,保留了图像的横向与纵向结构信息,实现了行列两个方向上的特征提取与数据降维。最后,以自建的物块数据集、通用的ORL和Yale人脸数据集分别进行对比实验,结果表明,该文算法在收敛率、分类率及复杂度等性能方面均得到了显著提高,其收敛率达到99%以上,分类率可达97.6%,平均处理速度为29 帧/s,能够满足增量特征提取的实时处理需求。     

基于改进二维主成分分析的在线掌纹识别

掌纹识别是生物特征识别技术的新热点,论文提出使用二维主成分分析算法(2D PCA)提取掌纹图像的统计特征,实验表明其泛化能力优于传统主成分分析算法(PCA).在此基础上,论文提出且定义了改进的二维主成分分析,并证明它在保持训练样本图像总体散度的同时更有效的提取样本特征.改进的算法在得到99.72%高识别率的同时,大幅降低了原算法的特征维数、识别计算的复杂度,使系统的实用性进一步提高.     

基于Gabor和PCA的面部图像识别方法

文中利用Gabor变换和PCA降维的优点,提出了Gabor+PCA的面部图像识别方法.该方法先提取图像的Gabor特征,然后将Gabor特征与原图像特征结合构成新的融合特征并用PCA降维,最后用KNN分类器分类.所提Gabor+PCA方法不仅能挖掘出图像的细节信息,而且拓宽了特征空间的维数.另外,Gabor+PCA方法...     

一种掌纹采集与识别系统

由于掌纹数据易于采集、分类特征明显且稳定等特点,以及掌纹自动识别系统具有直接、友好、方便、良好的唯一性和应用范围广等优点,因此掌纹识别是一种很有发展潜力的身份识别方法。掌纹识别系统的微型化已经成为一种趋势。介绍了一种掌纹识别系统框图和一种基于Cy7c68013和AES2510掌纹传感器的掌纹采集系统,简单介绍了该系统的软硬件设计。     

基于多线性核主成分分析的掌纹识别

提出运用多线性核主成分分析(MKPCA)的一种新方法进行掌纹识别.首先MKPCA通过非线性变换,将输入样本图像向高维特征空间F上投影,运用多线性主成分分析(MPCA)直接对掌纹张量进行降维,得到低维的投影张量;然后掌纹图像向张量子空间上投影提取特征向量;最后计算特征向量间的余弦距离进行掌纹匹配.运用PolyU掌纹图像库...     

一种新的掌纹ROI图像定位方法

在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法。该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(ROI)。实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率。     

基于Gabor变换的中文字符特征提取方法研究

针对传统汉字字符特征提取方法的不足,提出了一种基于Gabor变换,对图像纹理特征的方向性敏感的字符特征提取方法。先将灰度字体图像进行二值化、归一化处理,再利用Gabor滤波器进行滤波,获取图像的内部纹理特征和边缘信息,进而从不同方向进行特征提取。实验证明利用gabor变换计算中文字符图像的笔画方向特征,对中文字符具有较好的分类效果。     

基于PCA与Fisherface互补双特征提取的人耳图像识别

人耳识别目前是一种新的生物特征识别技术,特征提取是模式识别技术中的关键环节,决定着分类结果正确率的高低,单特征提取方法需要在一定的条件下才能取得较高的识别率,但是采用双特征提取却可以克服单特征提取的这一局限性.为了提高分类结果的正确率,提出了一个全新的方法,即基于主成分分析(PCA)与fisherface的互补双特征提取方法,并将其运用于人耳图像识别中,在北京科技大学提供的人耳图像库上的实验结果表明,该方法的人耳识别率明显高于PCA、fisherface、ICA单特征提取的人耳识别率.     

基于核主元分析和Fisher线性判别的掌纹识别

提出了基于核主元分析(KPCA)和FLD相结合的掌纹识别方法.对每幅掌纹图像应用KPCA进行降维,然后将二维图像矩阵转换成一维图像矢量.PolyU掌纹图像库中所有图像矢量组成的数据矩阵作为FLD的输入,进行特征提取,计算特征矢量间的余弦距离进行掌纹匹配.实验结果说明,与传统的PCA+FLD相比,在不同的特征个数下,本文方法均取得了较小的等错率(EER),而且特征提取时间较短,运行速度较快.在三种不同的核函数中,RBF核函数的识别效果最佳,等错率最小为0.     

基于随机非负独立元分析的掌纹识别

提出运用随机非负独立元分析（SN—ICA）的新方法进行掌纹识别。为了减少计算量,运用SN-ICA算法前,先采用主元分析（PCA）算法去除掌纹图像的二阶统计特征相关性,其余的高阶非负统计特征由SN-ICA分离。首先用PCA和SN-ICA提取投影向量,然后将训练图像和待识别图像向投影向量上投影得到低维特征向量,最后计算特征...     

基于SEEMD的高分辨率SAR图像目标特征提取方法

针对高分辨率合成孔径雷达(SAR)图像,本文提出了一种基于分离集合平均经验模态分解(SEEMD)的目标散射特征提取方法.首先在图像二维波数域进行SEEMD分解获得每个目标的散射函数,然后估计目标散射特征参数,通过该参数可以区分目标所属的散射类型.最后,仿真实验和实测数据的处理验证了方法的有效性.     

基于不变矩的掌纹识别方法

特征提取是掌纹识别研究中最基本的问题之一,对于掌纹图像识别而言,提取有效的分类特征是完成掌纹识别任务的一个关键问题。掌纹特征提取的本质就是把原始的高维掌纹图像样本数据投影到一个更有利于掌纹分类的低维特征子空间中。利用不变矩,对掌纹图像进行特征提取,采用最近邻分类器进行掌纹识别,在公共掌纹数据库上的实验结果表明,该方法是可行的。     

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息.为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法.在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别.应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性.     

入侵检测系统中基于主成份分析特征提取研究

数据降维是基于模式识别方法的入侵检测系统需要解决的一个问题。由于主成份分析方法具有两个我们期望的特性，一是不同的主成份之间互不相关，二是每个主成份都是所有原始特征的线性组合．所以将主成份分析应用到入侵检测系统的特征提取中。首先我们使用ReliefF算法去除原始特征中与分类无关的特征．然后再进行主成份分析。在实际的数据集KDDCUP’99上进行的实验结果表明提出的方法是有效及实用的。     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.