1 天津市光电检测技术与系统重点实验室, 天津 300387
2 天津工业大学 电子与信息工程学院, 天津 300387
SMT封装物料盘的X射线透视图像发生局部粘连, 导致分割准确性降低影响物料的检测与计数统计。提出了基于位置信息约束的分割检测方法, 利用器件位置信息对分割区域进行约束提高分割与检测的准确率。首先依据元器件呈螺旋状排列规则, 拟合物料盘中心点并计算最内环排列中起点器件位置信息; 然后基于中心点与各元器件的位置约束模型, 进行法向位置信息与先验位置信息双重约束, 对目标器件所在区域进行限定; 最后划分分割界限, 完成对粘连目标的分割和对元器件的检测与统计。实验结果表明: 该方法能够提高物料盘X射线透视图像粘连区域分割与检测的准确率, 在有效像元素9 216 pixel, 细节解析度110 1p/cm成像环境之下, 对不同规格物料盘进行实测, 检测误差率控制在0.15%之内。
X射线透视图像 粘连 计数统计 分割检测 位置信息约束 X-Ray images adhesion counting statistics segmentation and detection constraints of position information 红外与激光工程
2017, 46(6): 0617004
1 天津工业大学电气工程与自动化学院, 天津 300387
2 天津大学精密仪器与光电子工程学院
3 光电信息技术科学教育部重点实验室, 天津 300072
针对识别模式下多生物特征融合识别系统的实现问题, 本文基于手背静脉、虹膜和指纹三种生物特征研究了高效的融合识别算法。分别对三种生物特征进行特征提取与匹配, 得到独立的匹配分数, 基于 k近邻(k Nearest Neighbor, kNN)分类器实现手背静脉特征识别, 将用户身份范围缩小到 k个, 实现个人身份的初步识别, 利用支持向量机(Support Vector Machine, SVM)算法实现 k个样本范围内虹膜和指纹的融合识别, 实现最终的个人身份识别。利用构建的三模态生物特征图像数据库进行了实验分析, 实验结果表明该系统具有较高的识别性能, 具有广阔的应用前景。
生物特征 融合 身份识别 k近邻 支持向量机 biometric fusion personal identity identification kNN SVM
天津大学 精密仪器与光电子工程学院 光电信息技术科学教育部重点实验室,天津 300072
针对单模态生物特征识别的局限性,提出融合手背静脉、虹膜和指纹三种生物特征实现身份识别。首先分别对手背静脉图像、虹膜图像和指纹图像进行独立的图像预处理、特征提取和特征匹配,输出各自的匹配分数。分析匹配分数归一化对识别性能的影响,采用Tanh 归一化方法对三种生物特征的匹配分数进行归一化处理,最后利用加权求和法则实现匹配分数的融合,利用最小距离分类器实现身份识别。实验结果表明,融合识别算法的等错率为0.009%,当错误接受率接近0 时,对应的错误拒绝率仅为0.2%。
生物特征识别 手背静脉 虹膜 指纹 匹配分数归一化 融合 biometric recognition hand vein iris fingerprint score normalization fusion
天津大学 精仪学院光电信息技术科学教育部重点实验室,天津 300072
针对单生物特征识别的不足,提出了利用手背静脉和虹膜融合来实现身份识别。在身份识别过程中,对手背静脉图像和虹膜图像进行预处理,然后对图像进行小波变换提取手背静脉纹理特征和虹膜特征。将手背静脉和虹膜的小波特征融合,形成联合特征向量,最后采用最小距离分类器实现身份认证。利用CASIA虹膜数据库和TJU手背静脉数据库对该算法进行了性能测试,实验结果表明该融合算法的识别性能比单个生物特征识别算法的性能有明显提高,为生物特征识别研究提供了新思路。
图像处理 生物特征识别 特征融合 手背静脉 虹膜
天津大学 精仪学院光电信息技术科学教育部重点实验室,天津 300072
手背静脉识别利用静脉血管分布的网络结构实现个人身份鉴定,是一种新兴的生物特征识别技术。分析了静脉成像原理,设计了静脉图像采集系统,并建立了具有较高质量的手背静脉图像数据库。在身份识别过程中,首先对手背静脉图像进行滤波和灰度归一化等预处理,然后对图像进行二级小波包分解,并利用得到的细节图像提取手背静脉的纹理特征,最后将k近邻分类器和支持向量机相结合实现了个人身份识别。在识别模式下利用建立的手背静脉图像数据库对本系统进行了性能测试,实验结果表明该系统具有较高的识别性能,其正确识别率达99.07%,应用前景十分广阔。
模式识别 图像数据库 小波包分解 支持向量机 手背静脉
天津大学 精密仪器与光电子工程学院;教育部光电信息技术科学重点实验室,天津 300072
利用圆形印鉴中心的五角星所在区域红色像素分布集中的特点,提出了一种基于平滑卷积定位的圆形印鉴提取算法。该算法首先将彩色票据图像转换为灰度图像,接着利用平滑卷积定位五角星区域中的一个像素点,以这个像素点邻域的平均灰度值作为阈值二值化票据图像,然后搜索圆形印鉴边框,计算圆心坐标和半径,从而实现印鉴的提取。同时,为了提高提取速度,通过适当减小卷积过程中图像的分辨率,优化了整个提取过程中时间复杂度最高的平滑卷积算法。实验结果表明,这种方法能够在复杂背景下有效地提取出圆形印鉴,在经过算法优化后,提取速度提高了近12 倍。
平滑卷积 区域定位 圆形印鉴 图像提取 smoothing convolution area location circular seal imprint image extraction