基于非采样Contourlet变换和Wiener滤波的图像去噪

提出了一种基于非采样Contourlet变换与Wiener滤波相结合的图像去噪算法。非抽样Contourlet变换可以实现多分辨、局部、尤其是多方向图像表示,且具有平移不变性,避免了去噪过程中出现的伪Gibbs现象 而Wiener滤波在最小均方误差意义上是对图像的最优估计。该算法结合Contourlet变换和Wiener滤波各自的优点,首先采用非采样Contourlet变换对含噪图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数 然后在各子带图像上进行Wiener滤波 最后经过非采样Contourlet逆变换得到去噪估计图像。该方法应用于peppers图片去噪,结果图像峰值信噪比（PSNR）增加为15.6775,最小均方误差（MSE）减小为1749,好于Wiener去噪（PSNR为13.7618,MSE为2549）和小波与Wiener滤波相结合去噪（PSNR为14.0662,MSE为2734）。实验结果表明此方法提高了图像的峰值信噪比、减小了均方误差。     

基于小波分析的颅骨复合特征计算与识别

颅骨作为一个新的生物特征，其突出优点是不受表情的干扰和光线的约束。我们按照快速准确性要求，提出一种多尺度复合特征识别方法。首先对比颅骨最大夹角，其次进行边缘的多尺度分析，最后以颅腔面积作为辅助识别。试验结果证明，该方法能快速有效的实现活体或非活体的颅骨特征计算和识别。     

基于二次有理Bezier曲线拟合的颅骨识别技术研究

颅骨识别技术是生物特征识别技术的新发展.我们提出采用二次有理Bezier曲线进行颅骨曲线拟合,用表达式准确描述颅骨特征,提出了基于拟合颅顶曲线的颅骨识别算法,并基于颅骨X线照片实现了颅骨识别.     

基于多项式拟合的颅骨特征识别

颅骨作为一个新的生物特征被提出并越来越引起研究者的注意,该特征的突出优点是不受表情的干扰和光线的约束.本文首先提取描述颅骨个体特征的边缘轮廓信息,然后对该边缘信息实现了多项式拟合,给出了颅骨轮廓的具体计算表达式,最后基于颅骨特征的解析表示给出了相应的识别判定准则.试验结果表明,该方法是有效可行的,适用于对活体或非活体进行身份识别.     

重叠条件下茶叶嫩芽的自动检测方法

茶叶嫩芽的自动检测是实现茶叶自动化采摘的难点之一,本文针对陕西名茶“午子仙毫”茶叶图像,采用提取绿色分量、区域标记和逐行扫描相结合的方法,实现了叶片重叠条件下的嫩芽自动检测。实验中,首先提取茶叶原始彩色图像中的绿色分量,并通过阈值分割的方法,将嫩叶和老叶分离 其次采用区域标识的方法,去掉嫩叶图像中孤立噪声区域,实现茶叶“两瓣一心”区域的提取,并采用数学形态学的膨胀运算,填充图像中由于病害等引起的叶片表面缺陷 最后提出始于顶端、逐行扫描的方法,直至检测出叶片分叉部位,实现嫩芽目标的检测。实验结果表明,该方法能对30幅图像正确检测出28幅,准确率为93.3%,表明该方法可以对有叶片重叠的单株茶叶嫩芽目标进行检测。