非接触式在线掌纹识别模拟系统的实现

来源 :计算机测量与控制 | 被引量 : 0次 | 上传用户:gtrfanfan
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为研究非接触式采集模式下的在线掌纹识别技术,利用Matlab提供的图像采集工具箱及GUI功能设计并实现了一套非接触式在线掌纹识别模拟系统;在Matlab环境下,设计的系统可模拟真实的非接触式在线掌纹识别过程,实现掌纹图像采集、预处理、特征提取及特征匹配等功能模块,在线实验多种掌纹特征提取方法的正确识别率及运行时间,为非接触式在线掌纹识别技术的深入研究和产品开发提供实验数据和理论依据。
其他文献
针对经典Otsu算法、最大熵算法、最小交叉熵算法等在低信噪比图像中分割效果较差的问题,从图像复杂度的角度提出了基于图像背景与目标的对象复杂度的图像分割方法,并采用曲线拟合方法大大减少了计算冗余,提高了算法的实时性与稳定性。实验表明,与经典算法相比,所提快速分割算法具有运行速度快、稳定性与可靠性高等特点,能够有效地解决低信噪比图像分割效果较差的问题。
采用传统的支持向量机方法对含有噪声的数据进行分类时会产生较大的损失,使得分类超平面严重偏离最优超平面,从而导致分类性能较差。为了解决此问题,文中提出了一种鲁棒的支
越来越多的企业和个人用户将数据部署到低成本、高质量的云存储中。为了保护敏感数据,用户在部署前会对其进行加密处理,但海量的加密数据给检索工作带来很大挑战。文中将传统
交叉口是城市路网的核心和枢纽,合理优化交叉口的信号控制可以极大地提高城市交通体系的运行效率,而将实时交通信息作为输入并动态调整交通信号灯的相位时间成为了当前研究的
云存储由于具有方便和廉价的优点,自诞生以来便得到了广泛应用。但与传统系统相比,云存储中的用户失去了对数据的直接控制,因此用户最关心的是存储在云上的数据是否安全,其中
针对差分进化算法易早熟收敛、收敛精度低等特点,文中提出一种高效动态自适应差分进化(EDSDE)算法。该算法从变异因子、变异策略以及交叉因子方面入手,将变异因子设置成线性
Docker的发展使得操作系统级虚拟化的容器渐渐兴起,容器即服务(CaaS)也越来越普及。随着容器技术的发展,容器将成为云环境中的主要部署模型,但针对容器的整合部署技术还未得
传统的飞航导弹检测技术多以稳态性能测试为主,系统配套性、通用性、可靠性差,检测精度低;为此,以舵机控制系统参数辨识为基础,从控制系统分析、设计和动态性能评估的角度出发,提出
基于构件的软件开发已成为软件开发的主流方法,针对构件式软件动态演化后的一致性保持问题,目前大多数学者主要是从构件式软件的外部一致性角度进行分析和研究。为此,从构件
模拟与实现了一种基于主动视觉的摄像机参数标定方法;首先对空间平行直线束的成像规律进行研究,建立了平行直线束的消隐点与投影中心的连线和该平行直线束方向矢量的关系,在此基础上利用多组平行直线间的夹角作为约束求解摄像机焦距以及外参数。实验中采用普通的电脑液晶显示屏作为标定模板,液晶屏中显示按规律变换位置的平行直线束图像,摄像机进行同步拍摄获取液晶屏图像序列;在标定过程中摄像机与液晶屏的位置固定不动,避免