一种基于移动平台的掌纹ROI定位算法

随着移动信息时代已经到来,对于适用于移动平台的掌纹ROI定位算法的需求日益迫切。针对以往大多数掌纹定位算法均针对固定采集设备提出,本文提出了一种基于移动平台的掌纹ROI快速定位算法,该算法综合考量指间谷点附近的形态学特征和纹理特征从而提高定位的准确度。实验结果表明,该算法具有较好的定位精度,并且在移动设备上仍具有较快的运行速度。

基于小波多分辨率分析的指横纹定位新算法

针对指横纹感兴趣区域(ROI)难以准确定位的问题,在明确提出指横纹ROI定义的前提下,提出利用小波多分辨率分析进行指横纹ROI自动检测定位的新算法.该方法利用纹理相似性原理,在高频子图采用基于特征向量和区域生长法产生指横纹的候选子区域集合,然后利用低频子图Radon投影得到的指横纹的区域特征对候选子区域进行验证,最后结合直线拟合手指轮廓得到指横纹在原图的有效位置,最终实现指横纹ROI的精准定位.实验证明该算法不仅能有效克服噪声以及手形姿态变化的影响,并且对多种情况有很强的鲁棒性.

一种内侧指横纹识别方法

提出了一种新的内侧指横纹识别方法.首先,对图像采集设备进行改进,在采集过程中固定了手指方向,使获得的指横纹感兴趣区域(ROI)之间只存在微小的平移变换,有利于提高图像匹配的精度.另外,在预处理阶段,利用Gabor滤波法检测手指线特征以分割手指,并从中提取出ROI.在特征匹配阶段,提出了一种利用投影比较进行定位的图像匹配方法,对ROI特征图像进行水平和垂直方向投影,通过比较所得的一维向量实现感兴趣区域的精准定位.评估系统建立在包含来自于77个人的820幅图像的数据库上,等错误率仅为0.61%,单次匹配时间为3.1ms,证明该算法可快速实现指横纹特征识别,准确率较高.

掌纹图像预处理算法的研究

重点研究实现掌纹方位无关性匹配的掌纹图像预处理算法.由掌纹采集设备获取掌纹图像作为输入数据.首先,对掌纹图像应用中值滤波器去除系统噪声,并应用阈值分割法分割背景区和目标区.然后,利用内部边界跟踪算法找到手掌边界,计算边界像素与手掌的底端中部Pm之间的欧氏距离.根据欧式距离曲线图中的两个局部最小值,自动确定两个指根部位置.最后,基于第1和第3个指根部建立参照坐标系,自动定位掌纹感兴趣(ROI)区域.对两个公用的掌纹图像库进行实验,实验结果验证了该方法的有效性.

手掌静脉识别中感兴趣区域的选择与定位研究

针对目前的手掌静脉识别以掌心区作为感兴趣区域(ROI)受到部分人群掌心区掌脉成像不清晰以致影响整个识别系统性能。这一问题,本文对手掌上的掌心区、大鱼际区和小鱼际区3个区域进行医学分析和3区域静脉吸光量对比实验,选择出大鱼际区作为ROI区域。进而,提出基于大鱼际区的ROI定位方法,以靠近手腕侧最大内切圆确定手掌上的两个稳定特征点,利用这两个稳定特征点确定ROI。在自建的100人的掌脉图库中,对本文方法提取的ROI和传统方法提取的掌心区ROI图像进行掌脉清晰度和掌脉丰富程度比较,实验结果表明,大鱼际区掌脉信息更清晰、丰富。最后,对大鱼际区和掌心区的ROI图像进行识别性能对比实验,结果表明,本文方法使多种识别性能指标都得到明显改善。

仪表监控识别系统中实时性和准确性的研究

针对仪表监控识别系统中仪表抖动、仪表外观特征不明显的情况,提出了一种快速而准确的识别方法:加入移动侦测,用于检查仪表抖动,确定是否需要在下次识别中进行字符重定位;使用marker检测法对仪表的感兴趣区域(Region of Interest,ROI)进行定位。通过与传统识别方法(没有移动侦测、使用仪表原始特征定位ROI)进行对比,新方法对仪表字符的识别速度和识别准确度有显著的提高。