传统的生物特征识别方法直接将用户的生物特征模板存储于数据库中。由于生物特征具有唯一性和稳定性,一旦被窃取,用户的生物特征将终身不可再用。针对此问题提出了一种存储伪生物特征图像的手掌静脉识别算法,该算法不从外部输入密钥,不存储原始掌脉生物特征模板。在注册阶段,于近红外光下采集用户手掌静脉图像,对图像进行加密形成伪图像,将伪图像存储于数据库中;在认证阶段,将数据库中的伪图像解密后提取特征,与认证阶段采集图像提取的特征进行匹配,给出认证结果。在PolyU图库、CASIA图库和自建图库上进行测试,结果表明:在样本数量为300时,该算法在上述3种图库中的等误率分别为0.4135%、0.5576%、0.4744%,识别时间分别为325.0740,316.0800,322.6530 ms。在小范围样本内,所提算法适用于安防、考勤等场合,具有一定的实用价值。

为实现温室环境机器人采摘作业中果实的品质判别和空间定位， 研究了基于近红外图像的黄瓜果实识别及特征获取方法。 分析比较黄瓜果实、 茎、 叶在各光谱波段的分光反射特性， 确定采用850 nm干涉滤光片来获取图像， 解决近色系目标、 背景的区分问题； 利用果实的灰度特征， 将P参数阈值法用于图像分割， 实现目标的初步识别， 并对目标图像进行等间距区域化处理， 依据区域块重心、 面积差异滤除噪声、 标记果实； 根据黄瓜的形状纹理特征， 计算果实中心线长度和弯曲度作为黄瓜的质量判别标准， 利用果实与果柄交界处灰度的变化标记出可抓取区域。 通过对温室场景下随机拍摄的包含30幅黄瓜果实图像和10幅无果实图像分别进行算法验证， 结果表明识别准确率各为83.3%和100%， 对抓取区域提取的成功率为83.3%。