Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: histogram of image

Sortuj według:

Ogranicz wyniki do:

Weryfikacja użytkownika na podstawie obrazu tęczówki oka

Ochocki M., Kołodziej M., Sawicki D.

Przegląd Elektrotechniczny

2015

R. 91, nr 11

262-265

W artykule przedstawiono autorski algorytm weryfikacji tożsamości na podstawie obrazu tęczówki oka. Algorytm weryfikacji tęczówki składa się z czterech etapów – segmentacji obrazu tęczówki, normalizacji obszaru tęczówki, ekstrakcji cech obszaru tęczówki i klasyfikacji. Etap ekstrakcji cech wyodrębnia informacje na temat histogramu obrazu tęczówki. Algorytm został przetestowany w celu ustalenia współczynników błędnej analizy FAR i FRR. Algorytm zaimplementowano wykorzystując wybrane funkcje przetwarzania obrazu biblioteki OpenCv.

The article presents author's identity verification algorithm based on image of the iris. Iris verification algorithm consists of four modules – segmentation of iris image, normalization of the iris region, features extraction of the iris region, features classification. Features extraction of the iris region extracts information about the histogram of the image. The algorithm has been tested to find performance metrics. The algorithm was implemented using selected image processing functions of OpenCv library.

Edge detection of objects in the medical pictures with genetic algorithm

Gola A.

Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk

2001

Nr 928

25-30

This paper presents the method of detecting the objects edges in the medical pictures. Thanks to this method you will be able to detect the outline of the objects of our interest and to omit all unnecessary objests edges, that appear in the picture. The starting point of this method is to determine the fragments of the objects edges locally, and then to extend these edges towards their ends. This method employs the technique of determining the liminal values of the histogram in order to divide the picture into two sections, namely into the object and the background. In order to determine the most appropriate limits of the desired object we use a genetic algorithm. After the process of determining the liminal values is completed, our picture is transformed into a binary picture. Once the picture is ready, the operation of shutting is executed, i.e. all the gaps are filled or ejected, and the edges are smoothed. The Laplacian operator is used to determine the edges.