多特征关联与多子集匹配的掌纹识别模型

为了提高掌纹图像的识别正确率,提出一种基于关联特征与多子集匹配的掌纹图像模型(MF-MMM)。首先对掌纹图像进行预处理,并将掌纹图像划分为多个子图像,然后提取各个子像的掌纹特征,并根据地统计学变程提取关联特征,得到掌纹图像的特征子集,最后采用多子集匹配方法实现掌纹图像的识别,并采用Polyu掌纹图像库进行仿真实验。结果表明,相对于其他掌纹识别模型,MF-MMM提高了掌纹图像的识别正确率,降低了掌纹的误识率和拒识率,具有更好的应用价值。     

基于PCA-LBP特征的掌纹识别研究

关于掌纹特征提取要求提高识别率,局部二值模式(LBP)掌纹识别,提取的特征维数高,特征之间存在一定冗余,导致掌纹识别率较低.为了提高掌纹识别率,提出一种主成份分析(PCA)的LBP的掌纹特征提取方法(PCA-LBP).首先对掌纹图像进行灰度预测,采用LBP算法计算灰度直方图,得到256个灰度对应的像素数据,将其作为掌纹图像的原始特征,用主成分分析方法消除各特征之间的高度冗余性,并有效地降低了特征集的维数,得到了最有利于识别的最佳特征.根据最小欧式距离判别法对掌纹图像的进行识别,对PolyU标准库中的掌纹进行仿真实验,结果表明,相比传统的LBP算法和离散小波变换提取算法,可以提较少的特征维数取得了更高的的识别率,说明改进算法既不会丢失掌纹图像的原有信息,提高了识别率.     

掌纹ROI分割算法的研究与实现

掌纹感兴趣区(ROI)分割是掌纹识别的关键步骤,目前掌纹分割方法主要存在定位点不易确定和同类图像ROI提取偏移度较大等问题,为改善这些问题,提出一种新的ROI分割算法。首先确定手掌图像中的两个指谷点;然后利用手掌轮廓特定区域边界点拟合直线,以该直线为基准,以固定角度的方式建立直角坐标系,利用指谷点找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明,该算法分割掌纹ROI的准确度高、速度快,对同类图像分割的偏移度更小,掌纹ROI的提取率达98.2%,掌纹正确识别率提高了3%左右,为基于掌纹的身份认证系统的实现提供了理论和实验依据。     

VO图像分解模型的模糊掌纹识别方法

针对掌纹图像在进行非接触式采集时易产生离焦模糊图像,从而导致系统识别性能降低的问题,提出了基于VO图像分解模型的模糊掌纹识别方法.首先建立高斯离焦退化模型模拟图像的模糊过程,通过对模糊原理的研究与分析得出在图像模糊过程中存在稳定的特征,这种特征从图像层次结构划分可表现为图像的结构层;然后使用VO图像分解模型得到模糊掌纹的结构层图像;为了提高特征的可区分性,采用分块的梯度方向直方图提取结构层中的稳定特征;最后采用归一化相关性分类器度量特征间的相似度.在清晰PolyU掌纹库和模糊PolyU掌纹库上进行测试的实验结果表明,该方法在不同掌纹库上获得较优的识别精度,且识别结果较为稳定;在模糊PolyU掌纹库中的等错误率最小可达0.309 1%,优于传统高性能掌纹识别方法;且进行一次身份辨识的时间小于1.3s,满足实时性要求,表明了该方法的有效性和优越性.     

基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术，目前的掌纹研究主要集中在掌纹特征线的提取算法上，而对特征线的筛选和匹配的问题讨论较少，掌纹上的纹线比较复杂，深浅粗细长短不一，实施任何一种边缘提取算法都要考虑纹线的取舍问题，首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法，较好地解决了掌纹的定位问题，然后提出了掌纹特征线族的概念，用以刻画掌纹上的主要特征，从而将掌纹纹线特征分为主要特征和次要特征．通过对主要特征与全部特征的双向匹配，给出最终的识别结果，将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库(90人450幅)上进行了比较实验，实验结果证明新方法可以处理原方法无法定位的掌纹图像，同时识别率也有明显提高。     

基于傅立叶变换的掌纹识别方法

掌纹识别是指由计算机自动识别哪些掌纹图像来自同一只手掌,哪些来自不同的手掌.在掌纹识别中,特征提取算法的优劣至关重要.提出了一种基于傅立叶变换的掌纹特征提取方法.该方法的基本思想是先将掌纹图像应用傅立叶变换转换到频域,然后在频域中进行特征提取和描述.提取出来的特征备用来索引掌纹数据库,以便当一个新的掌纹图像被输入时,可以很快确定该手掌是否已经在掌纹库中注册.该方法可以用来做基于人体生物特征的身份识别,在安全领域有广泛的应用前景.实验验证了该方法的有效性.     

小波变换与分块统计在掌纹识别中的应用

用于身份鉴别的掌纹识别为信息安全提供了一种新的方案。提出一种变换域和统计域相结合的掌纹识别方法。对掌纹感兴趣区域（ROI）进行中值滤波再多级小波分解,对所有的高频子图像进行分块,求取每一子块高频系数的均值和方差,它们的组合构成该图像的特征向量,利用简单的最近邻分类器进行分类。运用UST掌纹图像库,对该算法进行了测试。从识别率为95.5%的实验结果看,该方法优于目前在掌纹识别上使用较多的子空间法。     

基于区域特征映射的模糊掌纹识别方法

针对掌纹在非接触采集时易出现模糊现象从而导致系统识别性能降低的问题,建立了区域到点的特征映射模型,提出了一种基于区域特征映射(Region feature map, RFM)的模糊掌纹识别方法.首先根据图像的模糊原理,建立等价的模糊模型,获取模糊掌纹; 然后使用RFM对模糊掌纹进行操作,将高维的区域特征映射到低维的点特征; 最后,采用归一化相关性分类器对掌纹所属类别进行判定识别.使用模糊模型对PolyU掌纹库进行处理得到PolyU模糊掌纹库,并分别在PolyU掌纹库和PolyU模糊掌纹库上进行测试,识别结果较为稳定. 在模糊掌纹库上,本文算法的等错误率(Equal error rate, EER)最小可达0.9069%,优于传统算法,且进行一次识别的时间为33.95ms,得到的特征数据维数较小,降低了算法复杂度,表明了本文算法的有效性和实时性.     

掌纹识别算法综述

掌纹识别作为一种新兴的生物识别技术, 近年来得到了广泛的关注与研究. 与其他生物特征相比, 掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等. 这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法. 本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法, 之后详细介绍了近几年来提出的各种掌纹识别方法. 根据特征提取以及匹配方法的不同, 本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法. 在回顾和比较了各种算法的特点之后, 对未来的掌纹识别方法的发展方向作了展望.     

非接触式掌纹图像采集与图像增强技术研究

掌纹识别是生物特征识别领域的前沿课题,其中非接触式的掌纹识别技术因其具有用户体验性好、无卫生污染等特点,Et益成为相关研究领域的热点。但是非接触式的掌纹识别技术易受背景复杂、光照不足等不良因素的影响,给掌纹的图像采集与特征的提取匹配带来了困难。为了更好地解决这些问题,需要采用更为有效的图像增强技术。文中介绍了非接触式图像采集与预处理过程中图像增强技术的基本概念,对该技术实现方法进行了归类阐述和分析,探讨了该技术的发展趋势。     

一种新的掌纹图像感兴趣区域提取算法

重点研究具有一定自由度在线掌纹图像的感兴趣区域提取算法。首先结合掌纹图像的特点采用全局阈值二值化掌纹图像,然后利用形态学算子平滑掌纹轮廓,提取轮廓线Freeman链码并对链码进行角度变换,最后通过考察轮廓线上各点附近轮廓线的角度变化来提取掌纹图像感兴趣所需要的定位点,从而提取感兴趣区域。感兴趣区域的提取为特征提取和特征匹配打下了基础。最后,在两个公开的掌纹数据库,通过实验证明了这种算法的有效性。     

Hierarchical palmprint identification via multiple feature extraction

Biometric computing offers an effective approach to identify personal identity by using individual's unique, reliable and stable physical or behavioral characteristics. This paper describes a new method to authenticate individuals based on palmprint identification and verification. Firstly, a comparative study of palmprint feature extraction is presented. The concepts of texture feature and interesting points are introduced to define palmprint features. A texture-based dynamic selection scheme is proposed to facilitate the fast search for the best matching of the sample in the database in a hierarchical fashion. The global texture energy, which is characterized with high convergence of inner-palm similarities and good dispersion of inter-palm discrimination, is used to guide the dynamic selection of a small set of similar candidates from the database at coarse level for further processing. An interesting point based image matching is performed on the selected similar patterns at fine level for the final confirmation. The experimental results demonstrate the effectiveness and accuracy of the proposed method.     

基于二阶段小波多分辨率分析的掌纹分割算法

针对复杂掌纹纹线难以分割、有效性低的问题,提出一种基于二阶段小波多分辨率分析的掌纹分割算法.该方法首先利用小波多分辨率分析高频子图的候选子区域,对得到的相似掌纹纹线集合进行合并;接着对合并相似区域的集合和二值化集合求交集得到融合图像;最后利用区域生长法和形态学去噪得到掌纹主要纹理特征.实验结果表明,该方法不仅能有效地剔除复杂掌纹的噪声,而且能准确提取掌纹特征,从而达到准确识别的目的.     

Texture-based palmprint retrieval using a layered search scheme for personal identification

This paper presents a new approach to palmprint retrieval for personal identification. Three key issues in image retrieval are considered: feature extraction, similarity measurement and fast search for the best match of the queried image in an image database. We propose a texture-based approach for palmprint feature representation. The concept of texture energy is introduced to define both global and local features of a palmprint, which are characterized with high convergence of inner-palm similarities and good dispersion of inter-palm discrimination. The searching is carried out in a layered fashion: the global features are first used to guide the fast selection of a small set of similar candidates from the database and then the local features are applied to determine the final output from the selected set of similar candidates. The experimental results illustrate the effectiveness of the proposed approach.     

Score level fusion of voting strategy of geometric hashing and SURF for an efficient palmprint-based identification

This paper proposes an efficient indexing scheme for palmprint-based identification system. The proposed system uses geometric hashing of SURF key-points to index the palmprint into hash table and makes score level fusion of voting strategy based on geometric hashing and SURF score to identify the live palmprint. All ordered pairs of SURF key-points of the palmprint are scaled and mapped to a predefined coordinate system and all other points are similarity transformed. The new location after transformation serves as the index of the hash table. During identification, all ordered pairs of key-points of live palmprint are scaled and mapped to the coordinate system while remaining points are similarity transformed. A vote is casted to all images in the corresponding bins. Images having votes more than certain threshold are considered as candidate images of the live palmprint. SURF features of the live palmprint and the candidate images are compared for matching. Matching scores which are based on SURF key-points and vote of the corresponding candidate image are fused using weighted sum rule. The candidate image with the highest fused score is considered as the best match. The system is tested on IITK, CASIA and PolyU datasets. It has been observed that penetration rate of the proposed system is less than 30% for 0% bin miss rate (BMR) and has the identification accuracy of more than 97% for all three datasets. Further, the system is evaluated for robustness on downscaled and rotated. It has been found that the identification accuracy of the system for top best match is more than 90% for images downscaled up to 49% and accuracy is more than 85% when images are rotated at any angle.     

掌纹掌脉图像超小波域融合识别算法

针对单一生物特征识别技术易受外界各种因素影响,识别率和稳定性有待提高的问题,提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先,对掌纹掌脉图像利用非下采样Contourlet变换（NSCT）进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;然后,对融合后的图像利用近邻二值模式（NBP）提取纹理特征,获得特征向量;最后,通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验,结果表明,NSCT-NBP算法可获得最低的EER,分别为0.72%和0.96%,识别时间仅为0.0530 s和0.0871 s,与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比,在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了识别系统的安全性。     

基于Clifford代数矢量积的掌纹提取方法

基于Clifford代数矢量积表示定理,本文提出一种新的掌纹提取方法。选取掌纹线上的一个点作为种子点,将该点的八邻域的点归一化后作为该点的8个特征,对图像进行遍历检测,设定阈值,判断每个点是否为掌纹线上的点。在实验中选取3个种子点,然后对3个结果进行融合。实验证明,该方法比传统方法提取的掌纹信息更精确。