Automatic quality assessment of fingerprint image

Based on multiple influencing factors, a new method of automatic fingerprint image quality evaluation is proposed for improving the success rate of automation fingerprint identification system (AFIS). At first, the original image’s local texture, global texture, available size and dry or wet condition are regarded as quality impact factors, local texture quality score is calculated by local gradient correlation, and then the last three factors’ quality scores are obtained by block computation thought. Then, with different influence weights, the above four impact factors are linked together to assess image quality synthetically. Finally, effect of partial impact factor is adjusted to correct the final quality score. FVC2004DB2_B is used for algorithm testing. The results suggest that this method can reasonably classify fingerprint image into 5 grades and the precision can achieve 97.5%, and that shows the method is helpful to success rate of AFIS.     

Image denoising based on adaptive graph regularization

Adaptive regularization can select different parameters based on the features of local areas in an image, which can differentiate the edges and noise in an image flexibly. An adaptive graph regularization is proposed based on graph spectral theory and adaptive regularization, which uses the Non local means to generate the weighting function of graph. The adaptive graph regularization equation is used to filter the noisy image. Simulation results show that the proposed method can effectively remove the noise and is superior to other graph theory based partial differential equation methods.     

遥感在陕西柞水县小岭镇森林资源二类调查中的应用研究

以SPOT5遥感数据为主要信息源,以陕西省柞水县小岭镇为对象开展森林资源遥感技术调查的试验研究。对遥感影像进行处理,通过调查,判读解译出小岭镇的森林、林地和林木资源的种类、数量、质量与分布情况。这些信息是建立或更新森林资源档案,制定森林采伐限额,进行林业工程规划设计和森林资源管理的基础,也是制定区域国民经济发展规划和林业发展规划,实行森林生态效益补偿和森林资源资产化管理,指导和规范森林科学经营的重要依据。     

基于对数熵最优小波包基树的图像编码压缩研究

图像的能量主要集中在高频部分,传统的小波变换图像编码压缩方法主要侧重低频信号,而把高频部分看为不重要的信息,这就导致图像的细节失真。考虑到图像能量分布情况,提出以对数熵为代价函数,选择最优小波包树的图像编码压缩方法,仿真结果表明这种方法不仅可以提高的压缩比,而且重构的图像效果比较好。     

基于图像处理技术的黄瓜叶片病害识别诊断系统研究

为了提高黄瓜叶部病害检测与染病程度的分级的准确率和效率,综合运用图像处理技术、人工神经网络技术,实现黄瓜叶部病害检测与染病程度分级,并主要对发病率高且危害严重的黄瓜霜霉病、白粉病和病毒病进行试验研究.首先,通过接种方法获得了纯正的黄瓜病害样本,并采集染病植株的样本图像.利用基本图像处理的方法对黄瓜叶部病害图像进行处理,综合运用二次分割、形态学滤波得到病斑区域.其次,提取三种特征包括22个特征参数,采用BP算法训练的多层前向人工神经网络对黄瓜病害进行分类.实验证明,检测系统的黄瓜叶部病害平均识别精度为95.31%,并能够快速准确地对黄瓜叶片病害的染病程度进行分级     

遥感图像真彩色融合问题中的彩色约束方程

根据遥感真彩色融合的物理机制,推导出RGB彩色模型中的约束方程,引入YVC彩色模型,提出不同分辨率遥感图像彩色融合必须满足的独立彩色约束方程,应用一次和二次多项式展开导出相应的近似解。通过进行计算机模拟和遥感实际试验,结果表明,二次多项式近似解可明显改善对道路地物的融合效果。     

基于图像规则推理的玉米病虫草害诊断系统的设计

为解决因植保人员短缺而使玉米病虫草害不能及时得到诊断与防治,导致玉米生产减产乃至绝产的问题,本研究基于不同发病部位的病症及虫害、草害的图像知识和文本知识,采用二叉树检索算法,设计开发了玉米病虫害诊断专家系统。实际应用结果表明:系统可实现对病虫草害图像、文本和图像推理规则等知识的管理及病虫草害智能推理诊断等功能;可实现对虫害草害实现指认式诊断、解释推理过程和推理结论。通过该系统推出的玉米病虫害诊断结论,农户可针对病虫草害种类及危害程度及时防治病虫害,减少玉米生产损失。     

全景视频摄像机的非参数化几何校正与拼接

提出了一种新的多相机全景视频拼接几何校正拼接方法。先用全景视频摄像机组采集标准标定场的稀疏特征点阵,利用自适应网格细分技术把采集的图像和标定场坐标细分到像素级对应,则全景视频的几何校正和拼接可以通过直接映射得到。在摄像机阵列相对位置固定时,可以一次校正多次使用。本文方法避免了普通拼接方法的特征点检测、匹配优化等参数求解过程,尤其是采用具有较大畸变的广角镜头和相邻相机视场重叠较少时更能体现出其优越性,并可以很容易地迁移到类似的应用中。通过一个原型系统,验证了本文方法的有效性。     

基于图像处理的烘烤过程中烟叶含水量检测

【目的】量化烘烤过程中烟叶形态变化的数值特征指标,实现烘烤过程烟叶水分含量的无损检测。【方法】以密集烤房中不同烘烤阶段的烟叶为研究对象,先利用图像处理技术提取鲜烟叶及烘烤过程中烟叶图像的颜色特征（红分量（R）、绿分量（G）、蓝分量(B)）及纹理特征(纹理能量、纹理熵、纹理惯性、相关度),以其为输入指标,分别建立烘烤过程中烟叶含水量的BP神经网络模型和基于遗传算法的最小二乘支持向量机预测模型。用建立的2个模型对烘烤过程中烟叶含水量进行预测,并比较其预测精度。【结果】烟叶图像颜色特征R、G、B分量表现出变黄期剧烈上升,定色前期缓慢上升并达到最大值,定色后期至烘烤结束逐渐下降的变化趋势;纹理能量和相关度呈现出变黄前期减小,变黄后期增大,定色及干筋期逐渐减小的趋势;纹理熵、纹理惯性表现出变黄前期增大,变黄后期减小,定色及干筋期逐渐增大的趋势。以烟叶颜色和纹理特征值作为输入变量,建立了烘烤过程中烟叶含水量的BP神经网络预测模型和基于遗传算法的最小二乘支持向量机预测模型,其预测平均绝对误差分别为0.037 4和0.017 0,预测误差标准差分别为0.048 5和0.020 0,前者预测精度略低于后者,但2个模型均可以满足烘烤过程中烟叶水分含量实时检测的需要。【结论】图像处理技术可以精确量化烘烤过程中烟叶的形态特征变化;利用建立的BP神经网络模型和基于遗传算法的最小二乘支持向量机模型可以实现对烟叶含水量的精确估测。     

基于图像识别的边坡表面位移检测方法研究

针对边坡表面状态发生的变化检测,提出了一种新的智能检测方法。人工设置两类标识体,一类为定位标识,一类为观测标识。用图像识别方法对标识体的质心进行提取和计算,通过一定的判别准则来判断边坡的表面位移状况。具体处理方法为先将图像转换到HIS空间,根据设定的颜色提取感兴趣区域。进行图像边缘二值化处理,计算出感兴趣区域的中心坐标值。实验证明,该方法具有鲁棒性好、检测准确率高等特点。