基于卷积神经网络的光学遥感影像分析综述

光学遥感影像包含大量的地物信息,图像复杂性高,如何充分利用影像中的特征信息准确进行识别一直是该领域应用的一个难题。卷积神经网络具有对复杂特征进行选择和提取的优势,在遥感影像识别中有着优异的表现。介绍光学遥感影像的特点和经典的卷积神经网络及其在光学遥感影像中的研究实例,并基于遥感影像数据集进行了网络性能分析。从场景分类、目标检测和图像检索三大领域,详细综述常用的遥感影像数据集和研究进展,并作算法性能分析。最后给出基于卷积神经网络的光学遥感影像识别在未来的研究方向。

基于神经网络的图像风格迁移研究进展

图像风格迁移是用风格图像对指定图像的内容进行重映射的过程,是人工智能计算机视觉领域中的一个研究热点。传统的图像风格迁移方法主要基于物理、纹理技术的合成,风格迁移效果较为粗糙并且鲁棒性较差,随着图像数据集的出现和各种深度学习模型网络的提出,涌现了许多图像风格迁移的模型和算法。通过对图像风格迁移研究现状的分析,梳理了图像风格迁移的发展脉络和最新的研究进展,并通过对比分析给出了图像风格迁移未来的研究方向。

瞳孔中心指导的虹膜边界快速定位算法

虹膜边界定位精度和定位速度影响识别系统性能。Hough变换是计算机视觉中检测几何目标的常用算法,在人眼图像中可以通过对圆参数的投票进行虹膜边界定位。虹膜在图像中的位置和大小不固定,这使得虹膜边界定位计算量大,定位速度慢。针对虹膜边界定位实时性差的问题,提出了基于瞳孔中心指导的虹膜边界快速定位算法,通过选择小图像块和减少图像边界点数提高边界定位的快速性。仿真结果表明该算法对于在人眼图像中快速、精确定位虹膜是有效的。

基于过零检测的虹膜特征提取算法

该文针对虹膜图像不理想、噪声影响较大情况下,虹膜识别率下降的问题,提出了一种基于过零检测的虹膜特征提取算法,利用过零检测算子与信号局部的相关性提取虹膜纹理特征,并根据所得的系数进行符号编码形成二值特征模板,最后采用相似度进行模式分类。仿真结果表明,该算法能够提取不理想虹膜图像的稳定特征,提高识别率。

生物特征识别综述

对传统的身份鉴别手段和现代生物特征识别技术产生背景进行了综述,介绍目前典型的生物特征识别技术的原理和发展趋势,分析了实际应用中存在的优缺点,并探讨了基于个人生物特征融合的多生物特征识别技术和生物特征信息保护问题,强调了生物识别技术在身份认证领域的重要性。

Hough变换在虹膜区域分割中的应用

Hough变换是计算机视觉中用来检测物体几何形状的常用算法,它可以容易地检测出图像中出现的直线、圆以及其他形状。在虹膜识别系统中,确定虹膜区域正是需要从图像中提取出圆形的虹膜边界和眼皮部分。对Hough变换做一介绍,并对虹膜图像分割中的应用进行研究。仿真结果表明,Hough变换对于已知形状的图像分割是有效的,在虹膜区域分割精度是很高的。

虹膜识别中噪声的检测和处理方法

针对虹膜识别中存在的问题,在识别时应该尽可能将虹膜有效信息提取出来,而将眼皮、睫毛、光点的反射等去除,同时在特征提取中,提出了通过噪声扩展方法消除噪声信号在编码过程中带来的影响。实验结果表明该文提出的方法有助于提高识别的可靠性和模式分类能力。

虹膜识别综述

回顾了虹膜识别的研究背景及发展,对近年来虹膜识别方法的研究进展进行综述,并对各种方法加以介绍和评价,总结了存在的研究难点并提出了解决方法及今后的发展方向。

基于局部边缘检测的虹膜编码算法研究

虹膜特征在于其纹理的细节性,目前虹膜的编码主要采用小波方法。对虹膜区域进行二值化编码,获得虹膜特征模板。在识别匹配阶段,采用汉明距离进行模板匹配,根据匹配准则,进行身份识别。

基于稳定特征的虹膜分类算法

虹膜分类中,由于虹膜的相似度计算会受到特征模板中不可靠和不固定特征的影响,使得虹膜分类的错误率(错误识别率+错误拒绝率)增加.为了解决这个问题,本文提出了一种稳定特征提取的方法,从同一虹膜的多个图像中提取虹膜的稳定特征,并利用这些稳定特征建立该虹膜的特征模板,然后用于虹膜的分类.采用CASIA虹膜数据库进行测试,仿真结果表明,基于稳定特征的虹膜分类算法能提高虹膜分类精度和改善虹膜识别系统性能.

不完全虹膜模式唯一性实验研究

在虹膜识别中,常见的情况就是虹膜信息的不完整,许多文献已经表明在虹膜信息完全的情况下,虹膜的模式是唯一的,模式之间具有差异性,能够通过它的独立特征数来表示模式之间的可分性。但是实际中,虹膜模式受到的影响导致了虹膜模式的信息不完全,有的甚至只有很少的虹膜区域,究竟在小区域内虹膜是否还具有特征的唯一性,是虹膜识别能否实际应用需要考虑的问题。研究结果表明,部分虹膜区域仍具有相当多的独立特征,但随着虹膜区域的减小,错误拒绝率会增加。

基于MATLAB GUI的虹膜识别算法测试平台

虹膜识别是一种重要的利用生物学特征进行的身份识别技术,针对虹膜识别人们已经提出了许多算法,但如何比较、评价各种算法,还没有一个统一的标准和测试平台,为此该文建立了一个虹膜识别算法的MATLAB图形用户界面(GU I),给出了建立虹膜数据库应该考虑的问题。在该平台下,可以对虹膜识别的有关问题进行研究。对同一个虹膜数据库进行实验,可以获得不同算法的性能指标比较。该平台除了提供统一的操作界面进行各种算法比较研究外,还可以允许用户对新算法进行实验研究。结果表明,该平台能够实现各种算法的集中管理,并输出可视实验结果,很方便进行虹膜识别算法的研究和比较。

基于Metropolis准则的BP神经网络学习算法研究

本文针对BP神经网络训练学习过程中 ,连接权在调整时容易陷入局部极小使得进一步调整失去作用的问题 ,提出了一种有助于提高BP神经网络逼近精度的方法———基于Metropolis准则的神经网络学习算法。该算法整体采用传统的BP算法 ,但在一定条件下依据概率进行连接权的调整 ,使权值以一定的概率跳跃 ,跳出局部极小区 ,最终达到全局极小。

基于Chebyshev神经网络的图像复原算法

退化图像的点扩散函数难以准确确定,为此,提出一种基于Chebyshev正交基函数的前向神经网络图像复原算法。该算法以一组Chebyshev正交基为隐层神经元的激励函数,采用BP算法对权值进行修正,达到收敛目标。给出2类Chebyshev神经网络的实现步骤及其相应衍生算法的图像恢复实现步骤。实验结果表明,该算法能较好地实现图像复原。

采用CCD图像传感器的测温方法及实验研究

利用CCD进行温度测量是目前研究较多的测量方法,但是在实际应用中,其测量原理比较复杂,通过它的原理进行温度测量实现起来有一定困难。为此许多科技人员致力于这方面的研究。本文中提出了一种新的方法——基色相减测温,通过对彩色图像中的R、G、B值进行一种简单的减法运算,建立温度测量公式,采用该方法在实验室对黑体炉温度进行了实验研究,结果表明,基色相减测温方法简单、有效。

基于Radon变换的虹膜边界定位算法

针对虹膜边界定位中无法消除非真实边界点的问题,提出了一种基于Radon变换的虹膜边界定位算法,首先进行二值边缘提取,然后通过在每个可能的虹膜边界中心点将虹膜图像进行坐标变换,再通过水平边缘选择算法去掉非水平边缘点,最后采用Radon变换将图像垂直投影到一维空间,由投影最大的位置确定水平直线,进而由坐标变换时的极点坐标以及水平直线所在的行确定出虹膜边界参数。仿真结果表明本算法是有效的。

一种利用神经网络提取运动模糊区域的新方法

针对传统提取区域方法受背景区域影响的现象,本文提出了一种基于频谱的人工神经网络提取模糊区域的新方法.对于局部运动模糊图像,其完全模糊区域和局部模糊区域的频谱差异较大,以此作为依据,利用径向基(RBF)神经网络其进行训练,逐步检测并提取出局部运动模糊图像的模糊区域.实验证明,该方法能较好地实现局部运动模糊图像模糊区域的提取.

基于Fourier神经网络的图像复原算法

由于退化图像的点扩散函数难以准确确定,提出一种基于Fourier正交基函数的前向神经网络图像复原模型,该模型以一组Fourier正交基为隐层神经元的激励函数,根据误差传递算法进行权值修正,达到收敛目标。给出Fourier神经网络及其相应的衍生算法的图像恢复实现步骤。实验表明,该方法能较好地实现图像的复原。

基于AdaBoost改善虹膜分类性能

针对虹膜图像分辨率不同引起虹膜分类难的问题,提出了通过AdaBoost训练虹膜分类器的方法,利用训练集数据调整分类器参数使类内相似度达到最大,将虹膜分类器从弱分类器逐步提升为强分类器,最终为每类虹膜建立一个具有强分类能力的特征模板。仿真结果表明,在已有的特征提取算法和分类算法的基础上,利用训练数据通过自适应增强算法能进一步改善分类器分类性能,提高虹膜分类正确率,增大虹膜分类阈值的选择范围。

虹膜识别中标准化区域分辨率的研究

针对虹膜区域图像大小不同,难以实现虹膜的比较问题,提出了根据虹膜最小内边界周长确定角度分辨率和根据虹膜最小内、外边界半径差确定径向分辨率的方法,将不同分辨的虹膜图像转换为相同分辨率的矩形区域。结果表明,采用该方法得到的标准化维数对于虹膜的识别是有效的。