基于EMD和SVD的虹膜特征提取及识别

为克服小波变换和Gabor滤波器提取虹膜特征时小波基函数固定和Gabor滤波器参数需优化选择的问题,提出了一种基于经验模态分解(EMD)和奇异值分解(SVD)的虹膜特征提取方法.首先,对预处理后的虹膜图像进行EMD,将获得的一系列固有模态函数和残差分量构成初始矩阵;然后,对该矩阵进行SVD,以其奇异值作为虹膜特征向量;最后,利用ModestAdaBoost分类器进行识别.实验结果表明,该方法提取的特征向量维数少,识别率高,虹膜特征提取和匹配时间复杂度低.

基于小波分析的医学超声图像去噪与增强研究

去除超声斑点噪声,增强图像以提高图像质量是医学图像处理的重要课题。论文提出基于小波分析的超声图像去噪与增强方法。首先是结合自适应方向加权中值滤波和小波半_软阈值去噪法有效抑制了斑点噪声,保留必要的细节;然后采用基于小波变换高频增强法增强图像并用同态增晰法增强对比度,有效地改善图像的质量;最后从去噪图像和评价指标上与常用斑点去噪法进行了比较。实验表明,该方法优于其他方法,具有实际的应用价值。

小波图像去噪研究方法概述

阐述小波图像去噪方法的发展历程和小波去噪的机理 ,概括目前小波图像去噪的主要方法及其应用 ,对小波图像去噪方法的发展和应用进行展望 .

用于身份鉴别的虹膜图像预处理

针对虹膜图像的特点和现有虹膜识别算法运算速度慢及鲁棒性差的问题,为提高虹膜识别的性能,提出了一种新的虹膜图像预处理方法.首先采用最小二乘法定位虹膜内边缘和检测上下眼睑,利用改进的随机Hough变换定位外边缘;然后运用双阈值法检测睫毛,并对分割出的环状虹膜区域进行归一化和去噪与增强处理.预处理后的图像基本上不含眼睑和睫毛等干扰,从而有利于后续的虹膜特征提取和匹配.测试结果表明,该方法可有效地解决图像预处理中计算时间长和通用性差的问题,能提高虹膜识别系统的稳定性和识别率.

虹膜分割中的噪声检测

针对虹膜图像中的眼睑、眼睫毛和光斑等噪声影响虹膜识别性能,提出一种虹膜分割中的噪声检测方法,在数学形态学的基础上,该方法采用边缘检测与最小二乘法相结合的方法拟合确定眼睑遮挡部分,利用阈值法来检测上眼睫毛和光斑。实验结果表明,该方法可准确而有效地在虹膜分割中检测和剔除这些噪声,是一种有效和可行的虹膜图像噪声检测算法。

基于曲波变换的图像非线性对比度增强

考虑到人的视觉特性,提出一种新的基于曲波域的图像非线性对比度增强方法。该方法首先利用曲波变换对循环平移过的图像进行分解,然后根据非线性算子对各子带曲波系数进行调整,最后经逆变换和反平移后得到对比度增强图像。实验表明,本文算法是一种简单而有效的图像对比度增强方法,不仅图像视觉效果改善明显,层次感更强,而且避免了传统图像增强方法的噪声过增强。

基于数学形态学的虹膜定位算法

虹膜图像的边缘提取是采用Hough变换结合边缘检测进行虹膜定位的关键步骤.提出一种基于数学形态学算子的虹膜定位方法,内边界采用二值化的形态学边缘检测算子;运用多尺度边缘检测方法以获取虹膜灰度图像的外边界和眼睑轮廓图,利用连通区域的标记进一步去除随机噪声,得到较理想的图像边缘,大大减少了Hough变换搜索的时间,并与经典的定位方法进行比较.实验表明,该算法抗噪性能良好,具有一定的应用价值.

改进的虹膜图像分割算法

虹膜分割是虹膜识别的前提.为提高现有虹膜图像分割的性能,提出一种改进的虹膜图像分割算法.采用边缘检测结合Hough变换的方法定位虹膜内外边缘,对于上下眼睑采用最小二乘法结合边缘检测的方法来检测,阈值法检测睫毛.实验结果表明,该算法能有效地分割出虹膜区域,去除眼睑及睫毛,较大地提高虹膜分割的速度和准确度.

“数字信号处理”课程教学改革实践探索

数字信号处理课程具有理论性强、内容多、概念抽象和应用面广的特点。提高该课程教学效果,应结合应用型高校学生的特点和培养目标,从教学内容、教学方法和手段、工程应用能力培养和考核方式等方面进行改革。实践表明,课程教学改革对提高教学质量、提升学生工程实践能力具有较明显的效果。

地方性本科院校物联网工程人才培养的探讨

为适应战略性新兴产业发展对人才培养的需要,加快物联网人才培养,促进地方经济发展,提出以面向市场需求为导向、能力递进提升的地方性高校物联网专业人才培养策略.分析物联网工程专业设置背景,提出根据市场需求设计专业方向课模块的动态课程体系,改革课堂教学模式和考核方式,最后探讨了教学资源的建设.面向岗位需求,全面提升物联网工程专业建设水平与人才培养质量,培养合格的物联网应用型高技能人才,以供开设物联网工程专业的同类高校参考.

基于RFID的货物实时追踪系统

针对物流货物易丢失和运输事故发生的问题,文中采用基于RFID和GPRS的货物实时追踪系统监控货物。该系统以Linux系统为开发平台,借助无线网络通信技术,结合GPS模块,动态采集货物变化信息和地理位置信息,把获取的数据汇总到监控中心,实现对物流货物的实时追踪的目的。实验结果表明,该系统时延短、人力成本低、性能稳定,在预防物流中货物的丢失和被替换方面有明显优势。

地方性本科院校《数字信号处理》的教学改革

鉴于数字信号处理课程实用性强、理论内容丰富但概念抽象难懂等情况,从理论教学、实验教学和数字信号处理的应用等方面进行了探讨和尝试.实践表明教学改革对提高课堂教学效果、提升学生综合能力和素质起到良好的促进作用,能满足素质教育对电子信息专业人才培养的要求,对地方性本科院校的数字信号处理的教学有一定的借鉴意义.

基于改进SUSAN算子的图像边缘检测算法

首先介绍了SUSAN边缘检测算子的原理;然后对算法中灰度差阈值的选择方式进行了改进,采用一种自适应选取阈值的方法取代算法中人为的设定阈值,使其在各种不同对比度的图像中都能正确提取出图像边缘;最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较.实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点.

用于虹膜识别的轮廓波特征提取

为获得高品质的虹膜纹理特征,针对小波变换方向选择性差的局限和虹膜图像纹理丰富的特点,本文提出了一种基于轮廓波(Contourlet)变换的虹膜特征提取方法。首先对预处理后的虹膜图像进行Contourlet分解,然后根据高低频子带所表征的信息,采用不同特征提取策略,提取其低频分量的均值及标准差和不同尺度、不同方向上高频子带变换系数矩阵的能量作为特征值,最后利用支持向量机和汉明距离的方法对CASIAVer1.0和MMU两类虹膜库中的图像进行测试。实验结果表明,同基于Harr小波和离散余弦变换等特征提取方法相比,该方法可获得较好的识别性能。

基于小波和神经网络的图像压缩方法

针对图像压缩中压缩率与图像质量的折衷问题,综合利用小波变换和神经网络各自的优点,采用小波和神经网络的方法进行图像压缩.该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的,最后根据保留的低频系数和还原的高频系数重构图像.

一种基于模糊集的医学超声图像增强的新方法

鉴于灰阶医学超声图像对比度较差使得正常组织和病态组织难以区分,采取了基于小波和模糊集的图像增强方法.实验结果表明,此增强方法能够在增强图像微小细节的同时避免噪声过增大,提高了图像对比度,改善了图像的视觉效果,从而提高了诊断的准确性.

虹膜分割中眼睑和睫毛的检测

虹膜分割是虹膜识别的前提,针对分割出的环状区域含有眼睑、眼睫毛和光斑等干扰,本文提出一种虹膜分割中的眼睑和睫毛的检测方法。基于数学形态学知识,采用边缘检测结合最小二乘法定位眼睑,利用阈值法来检测上眼睫毛和光斑。结果表明,该算法可准确而有效地检测出这些干扰,并从虹膜区域中剔除,从而提高虹膜识别的性能,是一种可行的检测方法。

基于曲波变换的自适应图像去噪算法

曲波变换是一种新的多尺度变换理论,具有各向异性的特征,可以很好地逼近含线奇异的高维函数。利用曲波变换和经验贝叶斯估计的方法,提出一种新的自适应图像去噪方法,在曲波分解的基础上,由贝叶斯决策理论方法来导出估计法则,从而获得贝叶斯估计值。实验结果表明,与其他几种常用的去噪方法相比,本方法去噪后,图像获得较好的视觉效果,同时客观评价指标明显改进,在较大噪声的情况下更能显示出其优势。

改进的脊波变换图像半软阈值降噪方法

脊波变换是一种源于小波又高于小波的多尺度几何分析方法,应用于图像中。借鉴小波去噪的思想提出一种新的图像去噪方法,采用基于Bayesian估计的自适应阈值和半软阈值技术进行去噪,针对脊波变换所产生的轻微的"划痕",引入平移不变的方法消除这种条纹干扰。实验结果表明,该方法较好地处理了图像细节和边沿保留与噪声抑制的矛盾,是一种有效的去噪方法。

一种改进的虹膜图像质量评价算法

为确保识别的准确性,提出一种改进的虹膜图像质量评价算法。根据图像总体清晰度和可见度的粗评估,可以快速而有效地剔除质量较差的图像,并利用虹膜纹理清晰度和可见度精评估来量化评价指标。实验结果表明,该方法可准确地判断虹膜图像的质量,提高系统的工作效率,其评价结果和人眼主观评价相吻合,具有一定的应用价值。