Lokaler binärer Musteransatz an Computervision Ein einfacher und effektiver Quellcode für die IRIS-Erkennung basierend auf dem lokalen Binärmuster.
Jetzt downloaden

Lokaler binärer Musteransatz an Computervision Ranking & Zusammenfassung

Lokaler binärer Musteransatz an Computervision Stichworte

binär Erkennung Muster Mustererkennung Musterquelle Computer Vision Iris Erkennung Iris Iris Screensaver. Iris Diashow. Iris-Tool Schöne Iris. Mustererkennungstechnik. Lokales Binärmuster Hybrid-Iris-Anerkennung.

Lokaler binärer Musteransatz an Computervision Beschreibung

Ein einfacher und effektiver Quellcode für die Iriserkennung basierend auf dem lokalen Binärmuster Der Operator des lokalen Binärmusters (LBP) ist definiert als grau-skalierter Invarianten-Textur-Maßstab, der aus einer allgemeinen Definition von Textur in einer lokalen Nachbarschaft abgeleitet ist. Durch die jüngsten Erweiterungen wurde der LBP-Betreiber zu einem wirklich leistungsstarken Maß für die Bildbeschaffenheit getroffen, das in vielen empirischen Studien hervorragende Ergebnisse erzielt. Der LBP-Betreiber ist als ein unifierter Ansatz an die traditionell divergenten statistischen und strukturellen Modelle der Texturanalyse anzusehen. Vielleicht ist das wichtigste Eigentum des LBP-Betreibers in Real-World-Anwendungen seine Invarianz gegen monotonische Graustufenänderungen. Ein anderer ist ebenso wichtig, ist seine rechnerische Einfachheit, wodurch die Analyse von Bildern bei der anspruchsvollen Echtzeiteinstellungen möglich ist. Die LBP-Methode und ihre Varianten wurden bereits in einer Vielzahl von Anwendungen auf der ganzen Welt eingesetzt. Der LBP ist ein nicht parametrischer Kernel, der die örtliche räumliche Struktur eines Bildes zusammenfasst. Darüber hinaus ist es invariant für monotonische Graustransformationen, daher kann daher die LBP-Darstellung weniger empfindlich gegenüber der Beleuchtungsänderung sein. Dies ist ein sehr interessantes Eigentum in der Erkennung von Iris. Die irisbasierte persönliche Identifikation hat in den letzten Jahren viel Aufmerksamkeit auf sich gezogen. Nahezu alle hochmodernsten Iriserkennungsalgorithmen basieren auf statistischen Klassifizierer und lokalen Bildfunktionen, die geräuschempfindlich und kaum eine perfekte Erkennungsleistung liefern. Wir haben eine neuartige Iriserkennungsmethode entwickelt, die das Histogramm des lokalen Binärmusters für Global Iris Textur-Vertretung und -klassifizierung verwendet.

Lokaler binärer Musteransatz an Computervision Zugehörige Software