鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

基于手掌几何学的多模态生物特征识别系统的设计

针对目前生物特征识别中存在的不足,充分利用生物特征的优势,通过对掌形图像的特征提取及图像预处理、特征提取与比对技术,开展多模态生物特征融合的识别机制研究,目的在于提出一种更为实用的、多级别安全设置的多模态生物特征融合识别机制,提出基于ARM11硬件的实施方案,设计一种适合不同应用场景的安全生物特征识别系统,满足目前身份认证系统的需要。     

余弦相似度保持的掌纹识别算法

掌纹识别作为一种新兴的生物特征识别技术,具有识别率高、特征稳定等优点。传统的基于手工提取特征的掌纹识别算法使用先验知识提取掌纹主线和细节点,存在可扩展性低、提取图像特征困难、无法挖掘数据的隐藏信息等问题。为了解决这些问题,本文提出了一种基于学习的掌纹识别算法。首先提取掌纹图像的像素值差向量(Pixel Different Vector,PDV)特征。然后,通过余弦相似度保持模型,同时学习PDV特征的二进制表示及其映射函数,以减少PDV特征的信息冗余。最后,为了处理掌纹位置偏移和光照变化等噪音,将学习得到的二进制特征编码成直方图描述子。在3个广泛使用的掌纹数据库上的实验结果表明,所提出的算法能更好地挖掘掌纹图像的内在特征,有效地提高掌纹识别精度。     

基于Gabor变换和不变矩的掌纹识别研究

提出了一种将二维Gabor变换和不变矩特征相结合对掌纹图像进行特征提取,并采用多层前向反馈神经网络进行掌纹图像训练识别的方法。该方法首先对掌纹图像进行预处理,获得掌纹感兴趣区域(ROI),然后构造一组Ga-bor滤波器从而得到ROI的特征向量,结合掌纹图像的不变矩特征共同作为神经网络的输入进行训练识别。实验表明该方法的有效性。     

掌纹识别中的特征提取算法综述

特征的选择左右着识别的结果,因此特征提取在模式识别中一直占据着重要的地位,如何有效地在高维特征空间中选取一定特征进行分类和匹配是掌纹识别的关键.本文结合近年来发表的文献,按照描述特征的方式进行分类,总结了掌纹识别中的特征提取方法,并对每种方法中的主要算法进行了分析,最后对各种方法的性能进行了比较和展望.     

基于SURF算法和OpenCV的掌纹识别技术研究

该文提出了一种基于快速鲁棒特征算法和OpenCV的掌纹识别方法。首先应用固定阈值法将手掌二值化,并提取出有效掌纹区域。然后用快速鲁棒特征算法提取并描述该区域的特征点,再通过随机采样一致性算法进行特征点之间的匹配。最后,通过一系列测试对该系统的性能进行了评估,实验结果证明该系统对掌纹图像的旋转、亮度和尺度变化具有较好的鲁棒性,且具有比较高的识别精度和时间性能。     

基于两层策略的掌纹识别新方法

提出了一种基于两层策略的掌纹识别方法。首先提出了新的定位分割方法,提取出手掌最大中心区域以及粗匹配阶段的匹配特征。然后为精确匹配提出一种有效的掌纹线特征的提取和表示方法。设计由粗到细的掌纹识别分类器,应用粗匹配算法得到符合要求的掌纹数据子集,再利用主线特征进行精确匹配。针对250幅图片做实验,精确度高达94.67%,证明了本文算法具有良好的鲁棒性和有效性。     

基于FLM的特征检测算法在手势识别中的应用

提出一种用于特征检测的基于高斯函数的特征相似度函数 (FeatureLikelihoodmap(FLM) ) ,该函数是归一化为[0 ,1]的一个函数 ,它模拟了在尺度空间中各点的图像特征的相似度 .FLM继承了一些基于特征的图像描述方法的特点 ,避免了模型和数据匹配算法中所需要的大量的搜索 ,它还淘汰了基于特征的传统方法中的阈值需要 .本文推导了对称圆状特征的相似度函数 ,并且将它运用于手势识别中 ,实验结果表明该方法能很好地检测出手形特征并且进行手区域定位和手形识别 .     

基于FLM的特征检测算法在手势识别中的应用

提出一种用于特征检测的基于高斯函数的特征相似度函数(Feature Likelihood map(FLM))，该函数是归一化为[0，1]的一个函数，它模拟了在尺度空间中各点的图像特征的相似度．FLM继承了一些基于特征的图像描述方法的特点，避免了模型和数据匹配算法中所需要的大量的搜索，它还淘汰了基于特征的传统方法中的阈值需要．本文推导了对称圆状特征的相似度函数，并且将它运用于手势识别中，实验结果表明该方法能很好地检测出手形特征并且进行手区域定位和手形识别.     

基于改进BEMD的Gabor-2DPCA掌纹识别

为了提高掌纹识别的准确率,提出一种基于二维经验模式分解(bidemensional empirical mode decomposition,BEMD)的掌纹重构改进算法。该算法首先对预处理掌纹图像采用改进二维经验模式分解算法分解,提取前4个本征固有模态分量重构掌纹;其次,将重构掌纹通过二维Gabor滤波器分解成20个特征子图,利用二维主成分分析(two-dimensional principal component analysis,2DPCA)算法数据降维,提取掌纹特征;最后,计算样本的欧氏距离,实现掌纹识别。采取香港理工大学的PolyU掌纹数据库中的600张掌纹图像实验,结果表明,该算法重构掌纹含有更多纹理特征,在训练样本不同的情况下识别率均有提升,最高可达99.33%。提出的改进算法可以应用于掌纹识别。     

基于在线掌纹的身份验证系统的研究与设计

采用基于掌纹图像灰度特性的方法提取出掌纹的主线特征,以极坐标的形式定义在线掌纹的特征空间并降维处理,最后用神经网络作为匹配算法完成在线掌纹身份验证系统的设计,以此为基础建立了快速、可靠的新型身份认证系统。     

嵌入式心音身份识别系统研究

心音信号是人体最重要的生理信号之一,在不同的人身上有着完全不同的特征并且具有极高的稳定性,可以用作生物识别技术的识别特征.该文在梅尔频率倒谱系数特征提取和矢量量化模式匹配识别算法的基础上开发了一种基于虚拟仪器的嵌入式心音身份识别系统,实现了用户身份注册、身份辨识和身份确认的功能.该装置可为当前社会所面临的各种身份鉴定和...     

基于小波神经网络的掌纹识别

提出了一种基于小波神经网络的掌纹识别方法。首先对掌纹图像经过预处理得到掌纹的感兴趣区域（ROI）,然后利用小波包分解的方法对该区域进行掌纹特征的提取,再利用RBF网络的容错能力和较快的收敛性对掌纹图像加以识别。针对香港理工大学掌纹数据库进行了实验,实验结果证明,本算法可以达到很好的识别效果,为掌握识别提供了一种新途径。     

基于线性细节特征的掌纹信息表达与识别

提出了一种基于掌纹线性细节特征进行身份鉴别的新方法，对掌纹图像进行二值化和骨骼化处理后。从中提取掌纹主线和皱褶的线性细节特征，包括直线段、曲线段和分又等，通过定义特征向量采表达掌纹信息，在此基础上使用掌纹细节特征向量的匹配算法实现了身份鉴别．采用该方法在香港理工大学的掌纹数据库中进行一对一测试，准确率达到97．5％．     

基于射频识别的心音身份认证系统研究

心音信号是人体最重要的生理信号之一,在不同的人身上有着不同的特征并且具有较高的稳定性,可以作为生物认证技术的认证特征.该文在GMM动态阈值算法基础上,开发了一种基于射频识别的心音身份认证系统,实现了用户身份注册、身份认证功能.     

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.     

掌纹图像预处理算法的研究

重点研究实现掌纹方位无关性匹配的掌纹图像预处理算法．由掌纹采集设备获取掌纹图像作为输入数据．首先，对掌纹图像应用中值滤波器去除系统噪声，并应用阈值分割法分割背景区和目标区．然后，利用内部边界跟踪算法找到手掌边界，计算边界像素与手掌的底端中部Pm之间的欧氏距离．根据欧式距离曲线图中的两个局部最小值，自动确定两个指根部位置．最后，基于第1和第3个指根部建立参照坐标系，自动定位掌纹感兴趣（ROI）区域，对两个公用的掌纹图像库进行实验，实验结果验证了该方法的有效性.     

基于带权无向连接图的子装配体识别方法研究

子装配体识别是解决大规模装配序列规划问题的有效方法之一.为了高效、自动地识别子装配体,根据零件联接类型,建立了装配体的带权无向连接图模型.通过边权值的设定,使得装配体的带权无向连接图能够提供Ⅰ型和Ⅱ型子装配体识别所需的联接信息.将带权无向连接图与装配体的干涉矩阵和支撑矩阵相结合,设计并实现了Ⅰ型和Ⅱ型子装配体的识别算法.与有向连接图模型中子装配体识别算法相比,能够有效消除识别过程中对两种类型子装配体的冗余判断.实验结果表明,识别算法能够有效的进行两种类型子装配体的识别.