基于局部Gabor相位特征的手背静脉识别方法

文章介绍了一种新的手背静脉识别方法,和以往的手背静脉识别方法相比,本文的方法能够通过低质量的手背静脉图片来获得高质量的识别效果。本文提出的方法分文两个部分：一个是手背静脉的预处理和感兴趣区域（ROI）提取;另一个是静脉的特征提取和匹配,该部分利用静脉图像的局部的2DGabor相位编码变化特征来表示其局部特征,并且结合直方图全局特征来表达静脉图像的全局特征,采用卡方距离来实现特征匹配。在自制的手背静脉库的实验结果表明,本文的方法得到了100%的识别率和0%拒识率,这意味着该识别方法可以有效的运用于生物识别。     

基于2DFLD的手背静脉识别算法

手背静脉识别技术采用非接触式,为了避免在采集图片时由于手背的旋转和平移给识别带来干扰,提出一种手背静脉有效区域的定位方法,在手背截取出一个包含静脉信息最多的矩形。该算法主要利用基于不变特征点的图像定位方法来寻找手背外侧边缘的特征点,然后定位分割出手背静脉有效区域的图像。实验证明该算法具有自适应性,定位准确,速度快。由于经典的Fisher线性判别算法类内散度矩阵通常会是奇异的,提出一种基于二维Fisher线性判别(2DFLD)的手背静脉识别方法。该方法直接进行图像矩阵投影,避免高维运算。对于手背静脉图像库,用2DFLD方法提取静脉特征空间,再将测试图像投影到该特征子空间上,最后用最近邻欧氏距离方法进行匹配。实验结果表明,该方法识别率达98%。     

人体手背静脉血管图像增强与特征匹配

为提高手背静脉血管图像识别的准确性和改善图像采集的灵活性,提出了一种新的手背静脉图像识别算法.使用自适应直方图均衡法增强背景和静脉纹理图像的总体对比度和局部细节,使用分水岭算法得到静脉纹理图像的单像素级图像,最后采用纹理相似性原理进行特征匹配和识别.试验结果证明,该算法在图像采集位置灵活变动情况下的错误接受率为0%,错误拒绝率4.6%,利用此算法进行手背静脉血管图像识别是可行的,具有良好的应用前景.     

基于UDCT和三角形测量特征融合的手背静脉识别

提出了一种基于特征融合的手背静脉识别算法,首先对手背静脉图像感兴趣区域进行预处理,然后采用均衡离散曲率波变换对感兴趣区域进行变换,接着对变换系数进行相位编码,并计算编码统计直方图的卡方距离,当此距离与阈值相差较大时,得到识别结果;否则,对预处理后的图像提取静脉骨架,确定相关的特征点,通过三角测量法来计算匹配距离,对和采用加权平均法来获得最终的识别结果.该方法在识别时间没有明显增加的情况下,而识别的效果却得到了提高.     

组合指纹匹配算法研究

组合不同的指纹匹配算法是提高身份认证识别率的有效手段。文章将指纹图像的细节特征引入到基于Gabor滤波器组的匹配算法中,并提出了一种基于细节特征算法和改进算法的组合匹配算法。该方法首先根据细节特征对输入指纹图像进行旋转平移,然后利用Gabor滤波器组对指纹编码区进行矩形分块编码,最后将匹配结果与基于细节特征匹配算法的匹配数进行组合,得到一个组合匹配数进行决策。通过对FVC2004DB1-A指纹库的实验,结果表明该文提出的组合算法与其它单纯利用细节特征或纹理特征的匹配算法相比较,该文的组合匹配算法具有更高的识别率。     

基于有效维度特征的手背静脉识别算法

针对手背静脉识别过程中采集的图像出现干扰信息的问题,提出了一种基于有效维度特征的识别算法。首先,该算法对采集的图像进行自适应中值滤波去噪;其次,对图像进行分块处理,并基于混合高斯模型与梯度信息对子图像提取特征;然后,依据子图像间特征相似性,提出了判断子图像是否为干扰信息的方法;最后,融合所有真实静脉区域的特征,形成特征向量,并采用基于稀疏表示的算法对多种有效维度下的特征向量进行匹配。实验表明,该算法具有较高的准确识别率,即使采集的手背静脉图像存在部分遮挡,算法依然能够获得较好的识别效果。     

基于改进的Log-Gabor小波的虹膜识别算法

对二维Gabor复小波应用于虹膜识别进行了详细的理论分析,提出了采用二维奇对称Gabor小波代替二维Gabor复小波来提取虹膜纹理特征的改进算法.在此基础上,进一步提出一种采用改进的二维 Log-Gabor小波来提取虹膜纹理特征,采用汉明距来进行特征匹配的新方法,克服了二维Gabor复小波应用于虹膜识别的缺陷.与已有算法进行比较的实验数据表明,采用二维奇对称Gabor小波的改进算法在识别率略有提高的基础上,能大大地减少编码存储空间以及编码和匹配的时间.而采用改进的二维Log-Gabor小波算法则进一步的提高了识别率.     

基于多模板融合的异质手背静脉身份识别*

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(Scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。     

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。     

统一化的LGBP特征及稀疏表示的人脸识别算法

为了克服非约束性(光照、遮挡、姿势等变化)条件下会大大降低人脸识别率的缺陷,提出一种基于Gabor相位和幅值信息的统一化局部二进制模式稀疏表示人脸识别算法.首先将人脸图像经过Gabor滤波器滤波得到Gabor相位和幅值图像,然后分块提取其统一化的局部二进制直方图,最后通过稀疏表示判断测试图像所属类.利用AR数据库进行实验的结果表明,与SRC、结合LBP和SRC特征的分割识别算法相比,该算法在非约束性条件下识别率最高.