已閱讀1頁,還剩76頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、本論文系統(tǒng)地分析了傳統(tǒng)生物識別的研究現(xiàn)狀和存在的問題。圍繞如何提高掌紋、指紋和虹膜圖像預(yù)處理效果和特征匹配效率進行深入研究,提出了利用量子算法對傳統(tǒng)生物識別的不同過程進行改進的方法。
首先,本論文采用量子邊緣檢測算法對傳統(tǒng)定位分割過程進行改進。將圖像灰度變化用量子糾纏表征,定位分割結(jié)果用量子疊加態(tài)的線性厄米算子平均值來表示。仿真結(jié)果顯示出本論文所采用的量子邊緣檢測算法定位分割精度更高,且抗噪聲能力優(yōu)于傳統(tǒng)算法。
其次
2、,本論文采用量子中值濾波算法對傳統(tǒng)濾波去噪過程進行改進。利用量子濾波窗口的特征生成測量算子,使窗口塌縮生成隨局部特征變化的二值圖像窗模板,對量子比特表示的圖像進行濾波處理。仿真結(jié)果顯示本論文所采用的量子中值濾波算法具有更強的噪聲濾除能力。
然后,本論文采用量子傅里葉變換算法對傳統(tǒng)特征提取過程進行改進。利用量子并行性計算特性,對指紋子圖像的特征提取過程進行計算,分析表明本文所采用的量子傅里葉變換算法在執(zhí)行速度上有了指數(shù)級的提高。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于量子遺傳算法的BP神經(jīng)網(wǎng)絡(luò)人臉識別技術(shù)研究.pdf
- 基于量子神經(jīng)網(wǎng)絡(luò)的模式識別技術(shù)研究.pdf
- 基于量子神經(jīng)網(wǎng)絡(luò)的指紋識別技術(shù)研究.pdf
- 基于眼動的生物特征識別技術(shù)研究.pdf
- 基于PCA-SIFT算法的車牌識別技術(shù)研究.pdf
- 基于改進訓(xùn)練算法的HMM語音識別技術(shù)研究.pdf
- 基于RVM算法的人臉識別技術(shù)研究.pdf
- 基于人體虹膜的生物特征識別技術(shù)研究.pdf
- 基于LPP算法的人臉識別技術(shù)研究.pdf
- 基于量子群智能優(yōu)化算法的頻譜感知技術(shù)研究.pdf
- 基于量子Grover搜索算法的MIMO檢測技術(shù)研究.pdf
- 基于改進SIFT算法的工件識別與定位技術(shù)研究.pdf
- 基于學(xué)習(xí)型算法的車牌識別技術(shù)研究.pdf
- 基于手部特征的多模態(tài)生物識別技術(shù)研究.pdf
- 基于多生物特征融合的身份識別技術(shù)研究.pdf
- 多模態(tài)生物特征識別技術(shù)的算法研究.pdf
- 基于遺傳算法的虹膜識別技術(shù)研究與改進.pdf
- 張量子空間人臉識別算法研究.pdf
- 基于RRDPS的量子保密通信技術(shù)研究.pdf
- 基于生物視覺機制的場景識別關(guān)鍵技術(shù)研究.pdf
評論
0/150
提交評論