特征提取

和 JPEG 等标准中普遍采用的颜色表示。 (3) YCbCr 的计算过程和空间坐标表示形式简单，与 RGB 之间的转换为线性，容易实现，避免了非线性的奇异性。 (4) YCbCr 颜色空间是离散的，采用 YCbCr 颜色空间易于实现聚类算法。 (5) Anil 等人绘制了 853571 个肤色点的统计图像，其结果表明，肤色在 YCbCr颜色空间的泪俱效果较好。 一般情况下，颜色图像都是 RGB

连通性 ， 提出了不同的血管追踪算法 , Sun提出一种自适应追踪算法。 这种算法以血管中心线、方向、直径和灰度的空间连续性作为追踪依据 ， 它不 但需要人工确定追踪的起始点 ， 而且不能识别重叠的血管。 Tolias和 Panas提出一种基于模糊聚类的追踪算法。 该方法噪声对它的影响比较小 ， 但 该方法不仅难于识别并追踪细血管和灰度对比较小的血管 ， 而且起始点的确定也可能发生8 错误

族是否构成正交性 ，若信号损失部分后仍 能传递同样的信息量 ，则称此信号有冗余，冗 余的大小程度称为冗余度。 连续小 波变换的尺度因子 a和移位因子 b都是连续变化的 ，冗余度很大，为了减小冗余 度 ，可以将尺度因子a 和移位因子 b 离散化。 现在的问题是 ，怎样离散化才能得 到构成空间 )(2 RL 的正交小波基。 由连续小波变换的时 — 频分析得知 质因数不变 ，因此我们可以对尺度因子

该方法是基于左下角区域的图案差别来区分。 100 和 50 的分别为相应的阿拉伯数字，而 1 元纸币则为一定的图案。 根据实物所对应的图案位置进行计算，确定出各面值纸币所对应的位置区域，将上述三种面值纸币序列号的粗略区域取并集，以确保提取特征信息无丢失。 其次进行中值滤波降噪，然后锁定左下角的位置，二值化，将区域灰度值沿 X 坐标向下投影，确定图案对应的投影的左起点和终点横坐标差值即为图案的长度

的上半部分，他们的连线是近似水平的，而且他们的中心比眉毛低，运用这些判据，可以区分眉毛和眼睛。 ★ 鼻子的定位 在确定了眼睛的位置以后，鼻子的位置基本确定，以眼睛的瞳距为 1来计算，鼻子到两眼中心的距离为 1。 在这附近搜索颜色较深的区域，大致能得到鼻孔的位置（有的侧面 图一个鼻孔基本不可见，也就无法检测出来了）。 然后在两鼻孔上访一定范围内（鼻孔的距离的 1/2左右）找亮度最高的点作为鼻尖。

法 叫做多幅图像平均法。 如果假设理想数字图像表达式形式是 ),( yxf ,而混杂在图像中的噪声表达式是m4 m3 m2 m5 m0 m1 m6 m7 m8 (a) n4 n3 n2 n5 n0 n1 n6 n7 n8 (b) p (c) 7 ),( yxn ,那么就可以推算出平时所获得掺杂有噪声的图像表达式为： ),(),(),( yxnyxfyxg  ()