基于改进均值标准差曲线描述子的反射对称轴检测

针对反射对称轴难以检测的问题,该文提出一种基于改进均值标准差曲线描述子(Mean-Standard deviation Curve Descriptor,MSCD)的反射对称轴检测算法.该算法首先对MSCD曲线描述子进行改进,使其具有镜像反射不变性并实现对称曲线对检测;然后采用距离约束并使用Hough变换获取图像的局部对称轴;最后通过局部对称轴合并得到最终对称轴.实验结果表明,该算法可实现图像的单对称轴和多对称轴检测,在亮度变化、对比度变化、噪声污染、模糊以及形变情况下,均能够准确定位图像对称轴并具有较强鲁棒性.

基于曲线描述子的手指静脉识别

手指静脉识别因为具有高防伪性、唯一性、稳定性和活体检测等优点,成为身份识别领域的研究热点。目前大多数基于指静脉结构特征的识别算法仅考虑到了细节点特征,却忽略了静脉网络结构的曲线特征,造成一部分结构信息的丢失,影响识别结果。针对上述问题,提出一种基于曲线描述子的手指静脉识别算法。首先,提取出指静脉的骨架结构,检测静脉交叉点和端点,并利用交叉点和端点将静脉骨架分割为若干条曲线段;其次,通过交叉点和曲线段的相对位置及形状特征提出曲线弧描述子和交叉弧描述子,并提取指静脉的结构特征矩阵;最后,根据提出的加权距离式计算匹配交叉弧对进行图像匹配。对实验室采集的来自56名志愿者的840张手指静脉图像进行算法实验,结果表明,传统的局部二值模式(LBP)、局部三值模式(LTP)和加速稳健特征(SURF)算法的等错误率分别为4.47%、3.99%和6.08%,而本方法的等错误率仅为1.63%。所提出方法在指静脉识别中具有一定的普适性和应用前景。

基于亮度序的均值标准差描述子

在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算法.

闭塞目标识别中的仿射不变曲线匹配

针对全局曲线匹配在闭塞目标识别中不再可行,提出了一种用于闭塞目标识别的部分对部分曲线匹配方法。首先,构造了一个目标轮廓局部形状特征描述子称之为仿射不变曲线描述子(AICD),它基于一个曲线仿射不变量及其无符号积分,具有仿射不变特性;其次,结合AICD和基于曲率零交叉点的仿射不变曲线分割方案,给出了一个仿射变换下的曲线匹配算法。实验表明该算法对于存在仿射变形和部分闭塞的目标识别有效且优于现有的曲线匹配方法。

Harris相关与特征匹配

基于图像梯度提出一种图像特征,称为Harris相关.应用Harris相关特征,构造图像特征描述子,包括特征点描述子、直线描述子和曲线描述子.这些描述子的构造较简单,对图像旋转与图像亮度的线性变化具有不变性.直线与曲线描述子的构造方法为直线和曲线的匹配提供一种思路.实验表明,应用Harris相关构造的特征点描述子对图像变化表现出较好性能,直线与曲线描述子在实际图像中取得较好的匹配结果.