基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形。传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳。针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征。通过基于实际环境所建立的掌纹库———SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比。结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6%,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性。

基于形态学与支持向量机的虹膜坑洞纹理检测

坑洞纹理是虹膜表面上一种重要的特征纹理。对可见光虹膜图像而言,如何能不受睫毛、眼睑、光斑及光照不均匀等干扰因素的影响,并能快速、准确地提取出该特征纹理仍然是目前一个亟待解决的难题。提出一种基于形态学和支持向量机(SVM)的可见光虹膜坑洞纹理检测方法。首先使用灰度形态学和二值形态学相结合的方法提取出所有目标纹理;然后使用区域生长方法定位所有目标纹理并计算各个目标纹理的特征向量;最后再使用SVM和定义约束条件的方法提取出最终的坑洞纹理。通过实验证明:该方法能较好地克服光斑等干扰的影响,对坑洞状纹理的检出率高于其他同类方法。

一种基于人眼结构特征的新颖虹膜定位算法

虹膜定位是虹膜识别系统的重要组成部分,定位的速度以及定位算法的健壮性是需要特别注意的因素。根据对人眼的结构特征进行分析,提出一种新颖虹膜定位算法。利用一种灰度累加算子找到瞳孔内一点,通过边缘检测模板找到虹膜内圆上三个不共线的点,从而快速而准确地定位出虹膜内圆,通过边缘检测模板找到虹膜外圆上四个不共线的点,从而快速定位出虹膜外圆。对已有的756幅虹膜图像组成的虹膜数据库进行定位,本算法只需要1.59min,平均定位时间达到0.126s,准确率达到99.07%。比Hough变换以及Daugman的圆检测算子等经典方法速度上有了很大的提高。而且保证了定位的准确率和算法的鲁棒性。

基于子区域变尺度高斯拟合的木材表面缺陷识别

为了提高木材的使用效率、避免由于木材缺陷造成生产故障,根据木材缺陷类型对其分类处理是一种有效的手段,但木材缺陷复杂多样且具有诸多相似性使得类别区分成为难点。针对以上问题本文提出了一种基于子区域变尺度高斯拟合模型的缺陷识别方法。首先建立变尺度高斯拟合基本模型,然后将缺陷纹理分成若干子区域,提取各分区的高斯拟合特征并进行融合;将高斯融合特征及圆度和边缘直线度这两个几何特征输入到建立好的BP神经网络模型中进行训练,根据优化训练的网络模型识别缺陷。该方法对自建的SUT-W图库中雪糕棒图像上人工标定的裂缝、矿物线、矿物块和黑节子的准确识别率分别为91.72%、92.77%、92.67%和92.80%,与其他典型纹理检测方法相比,4种缺陷准确识别率最高分别提高9.38%、6.69%、13.55%和10.22%,说明本文方法能够有效地将以上4种缺陷分辨开,具有一定的实际应用价值。

一种基于汉字结构特征的车牌照字符分割方法

提出了一种基于汉字结构特征的车牌照字符分割方法。该方法首先找到汉字的主体部件,然后根据汉字上下、左右、包围结构找到组成汉字的其它部件,并结合汉字识别结果对分割得到的汉字进行确定。最后,根据车牌字符串的结构特征找到其它字符。特殊车牌图像,要对字符和字符、字符和边界粘连的情况进行分裂,对部分字符进行合并。而且本方法还可以对定位出现车牌字符丢失情况进行重新定位,找到丢掉的字符。对大量车牌图像字符的分割,试验结果证明,该方法能够达到准确分割出车牌图像中字符的目的。

一种基于梯度极值的边缘检测算法

分析了经典微分边缘检测算法存在的问题，提出了一种基于局部区域微分极值的边界检测算法，该算法的特点是在局部区域边界检测窗口内直接提取边界象素，分割的边界为真实边界，边界连续性好，适合于照度不均匀图象的分割．

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理。基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法。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;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类。在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率。实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快。

基于纹理主、旁瓣特征的雪糕棒裂缝缺陷检测

裂缝是雪糕棒表面一种严重缺陷,对雪糕棒的加工和使用影响极大,然而部分又细又浅的裂缝与雪糕棒表面的木纤维纹络具有诸多相似之处,使得当前检测算法提取效果不佳。针对该问题,在对裂缝纹理及木纤维纹络的特征进行详细分析的基础之上,提出了一种基于纹理主瓣和旁瓣灰度特征相结合的检测方案。首先建立纹理主瓣和旁瓣灰度特征提取基本模型;然后提取雪糕棒表面头部全部纹理的边缘;接着,根据建立的模型提取上一步骤所得各边缘相应纹理的主瓣和旁瓣灰度特征量,并根据主瓣特征量的数值大小初步锁定其中属于裂缝纹理的候选边缘(其中包括全部的裂缝边缘和部分木纤维纹络边缘);最后,通过旁瓣特征量与预设阈值的数值关系识别出上一步骤候选边缘中的裂缝纹理边缘,从而实现裂缝缺陷的检测。在自建图库SUT-I3上进行了测试,结果显示所提方法在裂缝缺陷漏检率为0的前提下,其误检率低至6.07%,相对于其他雪糕棒或木材表面裂缝检测方法其误检率最少降低了9.29%,表明了所提方法的高效性,具有实际应用价值。

基于分块和偏最小二乘的非接触式手掌静脉生物特征识别

研究了一种适用于非接触式图像采集的手掌静脉识别的子空间方法,解决了传统接触式采集容易传染疾病,非接触采集使同类图像差别增大导致识别性能不佳的问题。先采用分块算法对图像进行快速降维,再用偏最小二乘算法提取掌脉图像中灰度值变异大,且类别信息相关性最大的若干方向组成分类子空间,然后依据图像在此空间中的位置进行分类识别。应用自建掌脉图库和中科院自动化研究所图库进行实验分析,实验结果表明:与传统掌脉识别方法相比,该方法能有效地提高正确识别率,降低误拒率。两个图库中,该算法选择分块大小为4×4时的正确识别率分别达到99.98%,99.34%;误识率分别达到0.02%,0.66%;误拒率分别达到0.13%,0.60%;识别时间分别在0.03 s,0.04 s之内。适用于安防、考勤等场合,具有实用价值。

小波分解与PCA方法的掌纹特征提取方法

提出了一种新的掌纹特征提取方法,其目的在于在不降低识别率的情况下,提高掌纹特征提取速度。首先将原始掌纹图像进行小波分解,获得低分辨率的掌纹图像;其次通过主成分分析(PCA)方法获得一个低维子空间,即"特征掌";最后通过将训练、测试样本在该"特征掌"上投影来提取掌纹特征。实验结果表明,所提出方法与单一PCA方法比较,在同样识别率情况下,特征提取速度明显提高。

基于方向梯度极值的手形轮廓跟踪算法

针对受自然光照影响的手形图像难以准确提取手形轮廓的问题,本文基于手形边界像素在垂直于边界方向上存在灰度突变的特性,提出了一种基于方向梯度极值的手形轮廓跟踪算法。该算法首先找到手形轮廓的起始点,然后按照一定的搜索方向和规则,在局部区域内计算候选点集中梯度极大值所在的点,并逐点跟踪极大值点,得到手形轮廓。将该方法在实验室自采图库及香港科技大学(HKUST)的手形图像库两个数据库中进行轮廓跟踪实验,结果显示,自采图库的跟踪准确率为100%,香港科技大学手形图像库的跟踪准确率为85.8%,该库中符合本文算法限制条件的图像的跟踪准确率为99.4%。实验结果表明,该方法能在灰度图像上直接跟踪出准确、连续、完整的手形轮廓,尤其适合于受光照不均影响的手形图像的边缘提取。

基于纹理脊线特征融合的木材表面裂缝检测

裂缝是木材表面一种严重缺陷,对木材的加工和使用影响极大,然而,由于裂缝与木材表面的矿物线具有诸多相似之处,因此如何准确地将裂缝纹理识别出来是一个亟待解决的问题。提出了一种基于纹理脊线特征融合的检测方法,首先建立纹理脊线灰度和形态特征提取基本模型;然后分割出木材表面全部纹理区域,并根据模糊规则提取出条状纹理,包括裂缝和矿物线;最后根据建立的模型提取条状纹理的两种脊线特征,并进行特征信息融合得到复合判别因子,最终通过融合结果与预设阈值的数值关系识别裂缝纹理。在自建图库上进行了测试,结果显示所用方法对裂缝缺陷识别的等误率仅为4.64%,相对于其他经典特征提取和纹理识别方法其等误率最少降低了10.06%,表明了本方法的高效性,具有实际应用价值。

一种虹膜图像块状纹理检测算法

为了有针对性地检测虹膜中特定类型的虹膜纹理,解决现有纹理特征提取方法中纹理类型信息被忽略的问题,提出一种虹膜块状纹理检测方法。首先,利用区域纹理能量参数作为虹膜纹理特征描述子,利用支持向量机方法从虹膜图像中检测包括块状、线状和环状在内的纹理信息;然后定义一种形状因子,从前一步骤得到的纹理信息中检测出块状纹理信息。对1 476幅可见光拍摄的人眼图像进行测试,通过人眼观测到237个块状信息,正确检测210个,正确率88.6%。实验结果表明,所提出的虹膜图像块状纹理检测算法具有较高的检测正确率,与目前常用的基于多分辨率的虹膜纹理特征融合,将有效提高虹膜识别的正确率。

基于分类区分度和相关性的手形特征选择方法

针对手形特征识别中,由于特征间高相关性产生冗余而降低识别性能的问题,提出利用信息增益和相关系数分别对特征的分类区分度和相关性进行评价,并经过综合分析对手形特征进行优化选择。该方法能够保留分类中起关键作用的特征,并同时去除高相关性的冗余特征量。为了证明该方法的有效性和准确性,采用浮动搜索的方法,以识别率为评价函数确定特征优化组合。实验结果表明,优化后6个特征组成向量的识别率达到96.24%,比全部9个特征组成的特征向量提高了0.43%,同时由于特征数目的减少也降低了运算时间。该方法可以避免常用的搜索性选择方法的复杂性,并有效去除手形识别中低区分度和高冗余的特征,有利于简化算法并与其他特征进行融合使用。

基于主动轮廓线的虹膜内边界的定位方法

在图像中虹膜位置的有效定位是虹膜识别的关键问题。用一种基于主动轮廓线的方法定位虹膜内边界,先用灰度投影法检测出瞳孔内的一点作为瞳孔的伪圆心,不要求该点一定在瞳孔中心附近,只要能落在瞳孔内部即可;然后以该点为中心,在其周围等间隔地取几个点作为初始的snake,按照snake的运行机制不断进化,直到虹膜的内边界为止;最后,计算进化后的snake形心和snake上的控制点与该形心的距离,取其平均值作为瞳孔的半径,形心作为瞳孔的圆心,即可准确定位出虹膜内边界的位置。实验表明,与常见的定位方法———Hough变换和Daugman的圆形检测算子相比,文中的方法速度快、精度高,而且,对瞳孔初始的伪圆心要求不高,鲁棒性更强。

掌纹图像采集装置的研制

掌纹采集装置多采用计算机控制扫描仪或者图像采集卡来采集掌纹图像。为解决现有掌纹图像采集装置速度慢,易受噪声干扰等问题,提出了一种新型的基于数字信号处理(DSP)的掌纹采集装置,设计了掌纹取样机械结构、光学单元和硬件电路。利用TI公司的TMS320VC5509A DSP为控制芯片,扩展了数据存储空间,并控制视频解码器SAA7113H将掌纹图像转换成数字图像,实现了脱机模式下掌纹图像的采集。进行了掌纹图像采集实验并完成了掌纹图像识别,结果表明,采集一幅掌纹图像用时为0.6 s,正确识别率为99.47%。该系统具有很高的识别率并具有速度快、成本低等特点。

基于机器视觉的隧道衬砌裂缝检测算法综述

《公路隧道养护技术规范》中明确指出隧道裂缝的调查是专项检查项目之一。目前常采用人工检测,漏检不可避免,为克服此缺点,用机器视觉的方法实现自动化检测已成为近年来该领域里国内外主要研究手段。在机器视觉研究方法的背景下,对目前国内外关于隧道混凝土衬砌裂缝检测算法的研究进行了较全面的综述,包括衬砌图像预处理、裂缝的检测、干扰的剔除、裂缝宽度的测量及误差分析4个部分,并对所采用的算法进行了优势及不足的比较,最后给出结论和未来设想。

雪糕棒轮廓质量视觉在线检测方法

雪糕棒加工过程中会产生长度和宽度超差、侧弯、偏头、平头、头部多肉、劈裂等轮廓问题。针对上述轮廓质量问题,提出了一套基于机器视觉的雪糕棒轮廓质量在线检测方法,使用了Canny算子提取轮廓候选像素,通过去噪和间隙连接形成的完整闭合轮廓用于各项缺陷检测。其中运用零阶矩和一阶矩获得雪糕棒质心,并通过一阶矩和二阶矩获得最小外接矩形,由最小外接矩形的长宽表示雪糕棒的长宽;通过建立的圆模型与雪糕棒圆弧区的最大偏离距离判断多肉和平头缺陷;通过投影与局部阈值分割相结合的方法检测劈裂缺陷。根据提出的方案研制了样机,现场测试结果表明,该检测方案能够有效地实现上述参数的在线检测,并具有较高的检测准确率和精度。

基于多子区域联合的高适应性虹膜识别算法

由于在采集虹膜图像前,无法预知眼睑、睫毛等噪声对虹膜纹理的干扰程度和不受干扰的可用虹膜区域的位置和大小,这可能会使提取到的特征模板中包含了由噪声引起的不可靠和不稳定特征,使识别的错误率增加.本文提出了多子区域联合的识别方法,将相对不易受干扰的图像区域划分为4个子区域,分别计算两幅图像对应子区域的相似度,动态选择最相似的子区域,将其特征作为判定依据进行分类.克服了之前算法只选择一个固定位置的区域用于特征提取的局限性.采用CASIA虹膜图库进行测试,结果表明:本方法能提高识别准确率、增强算法对采集图像质量要求的适应性,改善了虹膜识别系统的性能.

一种基于纹理特征点匹配的自适应虹膜识别方法

传统的虹膜识别方法原理复杂,实现困难。为了在保证识别率的同时简化虹膜识别算法,提高虹膜识别效率,提出了一种基于纹理特征点匹配的自适应虹膜识别方法。首先,通过图像预处理得到512列×64行的矩形虹膜图像;其次,在有效的虹膜区域内,通过自行设计的边缘检测方法找到虹膜特征点;再次,对特征点进行编码,用虹膜代码表示虹膜模式;最后,采用自适应的模式匹配方法对不同的虹膜模式进行分类,给出识别结果。在给定距离阈值为0.37的前提下,可以达到99.2428%的正确识别率。实验结果证明,该方法能够满足虹膜识别高准确性的要求。