【摘 要】
：
为了有效增强指纹,提出了一种改进的基于曲率的自适应非接触式指纹图像增强算法.首先,对局部平稳的指纹图像信号进行STFT(short time Fourier transform)分析,确定纹理模式频谱所在的主要区域,对频谱进行根滤波和形态学平滑后,用均值-门限法提取STFT主频谱成分;然后,提出一种角度和径向估计方法,计算指纹图像在频域的方向图和频率图;最后,根据指纹的曲率,构造相应的巴特沃斯陷波
论文部分内容阅读
为了有效增强指纹,提出了一种改进的基于曲率的自适应非接触式指纹图像增强算法.首先,对局部平稳的指纹图像信号进行STFT(short time Fourier transform)分析,确定纹理模式频谱所在的主要区域,对频谱进行根滤波和形态学平滑后,用均值-门限法提取STFT主频谱成分;然后,提出一种角度和径向估计方法,计算指纹图像在频域的方向图和频率图;最后,根据指纹的曲率,构造相应的巴特沃斯陷波带通滤波器和高斯带通滤波器分别对低曲率区域和高曲率区域进行滤波,有效地滤除奇异点区域和非奇异点区域的噪声
其他文献
1月22日至23日,世界物联网创新与应用高峰论坛于在北京隆重召开,本次论坛主题为"新时代、新经济、新应用"。中国工程院院士、国际专家学者、政府代表,以及法国、伊朗、贝宁、卢旺达、菲律宾等20多个国家使节、专家学者出席了本次高峰论坛。会议旨在推动中国和全球物联网发展、创新与应用,提供企业品牌全球展示,搭建物联网项目、资
针对现有主动轮廓模型分割准确性不高、分割效率较低的问题,提出了一种基于加权全局图像拟合能量的主动轮廓模型,以实现准确、高效的图像分割。首先,受局部拟合图像启发定义了全局拟合图像,然后通过最小化全局拟合图像和原始图像的差异性得到提出模型的能量泛函。此外,引入目标区域和背景区域像素灰度的类内方差作为目标区域和背景区域能量的权值,自适应地调节区域能量的比例,以提高模型的分割准确性。针对合成和实际图像进行
为了解决当前较多图像修复算法主要是通过全局搜索的方法来完成图像修复,导致其效率不高,以及修复图像中易出现块效应等不足,提出了基于边界特征耦合惩罚因子的图像修复算法。首先,利用待修复块的边界特征来建立边界因子,通过该因子构造优先权模型,以度量待修复区中的像素点的优先权,确定优先修复块。然后,利用像素点的R、G、B分量,通过C(p)均值聚类方法对图像进行分割聚类,以待修复块所覆盖的子块为依据,确定最优
运载火箭测发网络系统是维系运载火箭各系统远距离测试发射控制的重要国防信息基础设施,测发网络流量数据的精准分析是检测异常行为和保障信息安全的关键举措。该文综合利用端口映射识别、载荷特征识别、统计分析和支持向量机(SVM)学习算法,构建动态混合识别策略,通过端口映射和载荷特征识别获取机器学习训练样本,利用信息增益完成特征选择,构建SVM机器学习识别模型并进行样本训练,建立投票机制实现流量数据综合分析。
针对快速移动车辆阴影检测问题,提出了一种基于超像素分割的移动车辆阴影检测方法。首先基于简单线性迭代聚类方法对原始图像进行同类质超像素分割处理,并将分割单元作为检测集合,在HSV色度空间内完成移动阴影的初步检测;接着,基于局部二值模式(LBP)纹理不变性消除误检像素,并采用区域生长方法实现边缘像素的修正,保证移动阴影干扰车辆的检测正确性和完整性。实验结果表明,在高速公路快速移动车辆的阴影检测中,具有
针对红外与可见光图像配准的准确性与鲁棒性问题,提出一种基于R-MI-rényi测度的由粗到精红外与可见光图像配准方法。首先通过分析红外与可见光传感器的成像原理,确定红外与可见光传感器在相对位置固定时的配准变换参数;然后采用Hough变换检测模板图像的直线特征,并利用待配准图像对应直线段的长度和斜率确定粗配准参数;根据粗配准参数确定搜索区域与匹配窗口尺寸,利用rényi互信息与Harris角点函数相
交通智能化是未来交通系统的发展趋势,而车辆检测是智能交通的基本组成部分。在复杂环境下,例如雨、雪、雾霾天气,背景存在扰动等,车辆检测会出现误差。因此,研究的目的是寻求一种在背景扰动的情况下,仍能准确识别车辆的方法。提出结合双阈值法和K-means基准阈值法,从而获得动态更新阈值的能力,得到可以更加精准分割的阈值的方法。使得即使在复杂背景下也能准确提取移动车辆。根据实验数据和结果分析,该方法可以达到
为了提高图像行为的识别精度,使其能够准确判别行为识别中的微小变化以及遮挡问题,提出了基于深度运动图(depth motion maps,DMM)与正则化协同表示的行为识别算法。首先,将深度图像序列投射到3个正交平面上,得到了3个方向的投射图。对于不同的投射图,通过测量两个连续映射之间的绝对差值来表示运动能量,并将所有深度图像序列中运动能量进行叠加,获得了3个方向的深度运动图。随后,根据这些投射图,
针对传统超分辨率重建算法中存在的不足,提出一种基于非下采样轮廓波变换(NSCT)和插值的单幅图像超分辨率重建算法。首先对低分辨率图像进行NSCT变换处理,将得到的低频子带及高频子带系数分别进行软判决自适应插值和三次样条插值,再对三次样条插值后的高频系数进行形态学增强。对插值后的低频子带进行稀疏表示,通过香农熵取大的融合规则进行融合;对于高频子带,采用一种运用子带系数的空间频率、梯度指标信息,并与高
为了解决当目标不在图像中心或者出现在图像周边时,基于中心先验或者背景先验的显著性检测算法往往会产生错误检测的问题,提出使用目标性作为先验信息得到前景显著图,并且利用乘法运算将其与基于背景先验信息计算的显著图相融合,然后进行空间优化得到单尺度下的显著图,最终显著图为多尺度显著图的加权融合.基于公开数据库的实验结果表明:与目前多种前沿算法相比,本文算法具有更优的检测性能,能够凸显整个显著性目标.