分块Radon变换在低对比度掌纹特征提取中的应用

特征提取是低对比度掌纹识别的关键步骤。针对掌纹纹理特征明显的特点,本文提出了一种分块Radon变换的掌纹特征提取方法。该方法先对掌纹感兴趣区域进行一级小波分解去噪降维,接着对低频子图像进行分块以圈定局部主要纹理,最后把所有分块后的子图像进行70°～140°Radon变换,所获得的线积分组合在一起构成该图像的特征向量。运用UST掌纹图像库,对本文算法进行了测试。从识别率达到94%的实验结果看,此方法能够满足对采集图像无过多要求的认证系统的使用。

强噪声背景下图像标定符号定位算法研究

金属断口图像中标定符号信息是进一步计算图像对应实际物理空间距离的依据。标定符号通常为印刷体,所以准确定位是正确识别的前提和关键。对强噪声复杂背景下的金属断口图像标定符号的定位算法的研究,先对直线特征明显的标尺符号定位,其中对Radon变换进行分块改进,使快速性和准确性有了明显改善。字符定位利用符号的纹理特征进行数学形态学粗定位和图像边缘模板匹配精定位结合的方法,并根据标尺位置和长度等信息缩小搜索区域。实验结果表明,该算法的定位准确率达到94%。