一种掌纹线特征的提取方法

文章尝试了一种对掌纹线特征,即屈肌线特征和大的皱纹特征进行提取的方法。该方法先将掌纹图像划分成若干小方块,然后通过计算像素点的方向数确定每个小方块的主方向,进而得到每个小方块的沿主方向的灰度分布曲线,并以此进行区域判别,保留纹线区域,屏蔽非纹线区域。从实验结果可以看出,掌纹的绝大部分线特征得以保留,同时抑制了大部分的噪声。可见这种方法是可行而有效的,为基于掌纹的身份自动鉴别技术的研究积累了有益的经验。     

基于八元数的彩色掌纹特征提取与识别算法

综合4种传统算法和八元数BP神经网络,提出一种掌纹特征提取算法,自动提取彩色掌纹图像的掌纹线。对掌纹线图像进行二维小波分解,并构造七维特征向量,采用八元数矢量积表示算法进行掌纹识别。实验结果表明,掌纹提取算法能提取出较精细的掌纹线,识别算法的成功率可达96%。     

基于Stein-Weiss函数的彩色掌纹特征识别算法

针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多,提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数,再根据Stein-Weiss函数的解析性,计算出相应像素的十六个特征值,将这些特征值输入到BP神经网络的输入层,通过BP神经网络的自学习能力对这些数据进行分类学习;然后通过BP神经网络的泛化能力来获取掌纹边缘线;最后对掌纹边缘线提取成对几何特征建立特征库,通过成对几何直方图相交算法进行掌纹识别。实验结果表明,相对于以往的灰度掌纹图像识别算法,该算法能够更快地提取出更精细的掌纹线,识别率更高,并且对于旋转和噪声的干扰具有较强的鲁棒性。     

一种基于MFRAT和ICP的掌纹主线提取和配准算法

为提高受旋转和平移影响的掌纹图像的识别精度,文中采用一种基于方向最近邻域(DNN)搜索的迭代最近点(ICP)图像配准算法,对掌纹主纹线特征图像进行配准,同时在掌纹主纹线特征图像配准过程中采用粗配准和精配准相融合的配准方式.实验结果表明,该方法具有较高的计算效率和较好的抗旋转平移能力.     

基于特殊角点和基点定位在线掌纹的方法

本文简述了目前在线掌纹定位的主要方法,提出一种通过寻找特殊角点和基点实现在线掌纹的定位。该方法基于掌纹的形状特点,先定位特殊角点,再通过统计块点方向和求梯度确定感兴趣的纹线上的一点,最后用灰度值跟踪方法确定特殊基点。该定位方法减少了手掌张开强度因素造成的影响,并取得了理想的实验结果。     

自适应阈值法在掌纹图像预处理中的应用

在生物识别方法的研究中,掌纹图像二值化是掌纹特征处理的前提,是掌纹识别预处理的一个重要部分。要提高识别精度,消除噪音,针对掌纹图像所具有的灰度分布特性,提出了一种结合掌纹图像库特点的改进自适应二值化分割算法,分割的结果只提取掌纹轮廓并不改变掌纹图像的纹理特性,能够有效保留掌纹图像信息。最后,根据自适应阈值法的分割结果对掌纹图像进行预处理,同时,证明了自适应阈值法的有效性和可行性。实验结果表明,该算法能够很好的提取掌纹轮廓、消除噪声,为下一步掌纹图像识别提供参考依据。     

融合水平梯度与局部信息强度的掌纹识别算法

掌纹纹线特征是掌纹最有效的特征.由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点.针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII).首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别.在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89％,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性.     

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。     

掌纹图像处理方法的研究

提出了一种利用图像方向信息提取掌纹特征纹线的方法。该方法将掌纹图像分成若干子块，充分利用子块中图像纹理的方向信息对掌纹图像进行滤波和增强处理；剔除图像中不含纹线的图像子块，对含有特征纹线的子块在其主方向上进行方向增强处理，突出特征纹线信息。对不同采集质量的掌纹图像的处理结果表明文中提出的方法是一种有效的掌纹图像处理方法，它可以应用于不同质量掌纹图像特征纹线的提取。