1 1.长沙理工大学 材料科学与工程学院, 长沙 410114
2 2.清华大学 材料学院, 精细陶瓷与先进工艺国家重点实验室, 北京 100083
在传统熔融沉积方法的基础上, 采用颗粒混合料和螺杆挤出机构3D打印制备了致密和多孔氧化锆陶瓷, 系统研究了颗粒原料的打印性能、坯体显微结构特征和陶瓷材料的力学性能。研究结果表明, 该方法可以实现倾角达165°和跨度为5.5 mm的无支撑结构的打印成型。研究了两种打印路径对致密氧化锆陶瓷抗弯强度及抗弯强度Weibull模数的影响, 结果表明与传统单线填充模式相比, “单线+矩形”复合填充模式可以得到更高致密度和更优力学性能的陶瓷(抗弯强度达到637.8 MPa, Weibull模数达到9.10)。研究了不同气孔率多孔氧化锆陶瓷的压缩力学行为, 结果表明陶瓷的抗压强度和气孔率之间存在复合指数规律, 低气孔率时异面压缩的应力-应变曲线只呈现弹性阶段, 高气孔率时出现弹性阶段和坍塌阶段, 均未出现密实阶段。
熔融沉积 3D打印 氧化锆陶瓷 多孔陶瓷 fused deposit modeling 3D printing zirconia ceramic porous ceramic
1 沈阳工业大学视觉检测技术研究所，沈阳 110870
2 沈阳化工大学信息工程学院，沈阳 110142
特征提取是低对比度掌纹识别的关键步骤。针对掌纹纹理特征明显的特点，本文提出了一种分块 Radon变换的掌纹特征提取方法。该方法先对掌纹感兴趣区域进行一级小波分解去噪降维，接着对低频子图像进行分块以圈定局部主要纹理，最后把所有分块后的子图像进行 70°～140° Radon变换，所获得的线积分组合在一起构成该图像的特征向量。运用 UST掌纹图像库，对本文算法进行了测试。从识别率达到 94%的实验结果看，此方法能够满足对采集图像无过多要求的认证系统的使用。
生物特征识别 掌纹识别 特征提取 小波变换 分块 Radon变换 biometrics recognition palmprint recognition feature extraction wavelet transform block Radon transform
1 沈阳工业大学视觉检测技术研究所, 辽宁 沈阳 110023
2 沈阳化工学院信息工程学院, 辽宁 沈阳 110142
非负矩阵分解(NMF)具有非负性和局部性的特点,是一种新型的特征提取方法。由于NMF是非监督学习算法,运用NMF提取掌纹特征时没有考虑训练样本的类别信息,因而分类效果不够理想。为了在提取掌纹特征的同时融入类别信息,提出运用非负矩阵分解和广义判别分析(GDA)相结合的方法进行掌纹识别。为了降低计算的复杂性,在特征提取之前,应用小波变换对掌纹图像进行三级分解,提取低频子图像。在低频子图像上应用NMF+GDA提取掌纹特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和NMF相比,算法的等误率(EER)最低为0.16%,特征提取和匹配总时间为0.812 s,满足实时系统的要求。
生物特征识别 特征提取 非负矩阵分解 广义判别分析
1 沈阳工业大学 视觉检测技术研究所,沈阳 110023
2 沈阳化工学院 信息工程学院,沈阳 110142
本文研究了独立成分分析(ICA)两种不同的结构ICAⅠ和ICAⅡ在掌纹识别中的应用。为了提高识别准确性和可靠性,该方法首先对掌纹图像进行预处理,提取掌纹感兴趣(ROI)区域进行特征提取和匹配。为了减少计算量,运用ICA算法之前,先采用主成分分析(PCA)算法去除掌纹图像的二阶统计特征相关性,其余的高阶统计特征由ICA分离。对于PolyU掌纹图像库,基于ICA模型的预测误差平方和(SPE)小于PCA,而且重构的原始图像优于PCA。为了比较两种算法识别性能,本文分别用PCA、ICAⅠ、ICAⅡ提取特征掌纹子空间,然后将待识别图像投影到低维子空间上,最后用余弦距离进行掌纹匹配。实验结果表明,ICA算法两种结构的识别率均高于PCA,ICAⅡ在性能上优于ICAⅠ。
图像预处理 主成分分析 独立成分分析 掌纹识别 余弦距离 image preprocessing principal component analysis (PCA) independent component analysis (ICA) palmprint recognition cosine distance
1 沈阳工业大学视觉检测技术研究所, 辽宁 沈阳 110023
2 沈阳化工学院信息工程学院, 辽宁 沈阳 110142
为了保持掌纹空间的局部结构,运用局部保持投影(LPP)方法进行掌纹识别。在小样本图像识别中,特征方程矩阵存在奇异性。传统的解决方法是运用主元分析(PCA)获得原样本的低维特征子空间,在该空间中运用LPP进行特征提取。由于PCA和LPP的投影标准本质上是不同的,PCA降维时丢失许多重要的判别信息。为了解决这个问题,提出运用三级小波变换、图像下抽样、图像分块求平均值三种方法降低掌纹空间的维数,在低维图像上应用LPP提取局部特征,计算特征矢量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,该算法的识别性能均优于PCA和PCA+LPP。特征提取和匹配总时间小于0.1 s,具有快速、有效、易于实现等优点。
掌纹识别 局部保持投影 小波变换 主元分析
