显微图像Gabor滤波增强

提出一种基于自适应融合的多尺度多方向Gabor滤波图像增强方法.使用特定不同方向不同尺度Gabor滤波器与图像卷积,卷积图像进行规格化,通过取极小值和平均值对多通道图像Gabor滤波结果进行自适应融合,得到增强图像.并将其用于AFM显微图像增强,能有效消除阴影和噪声,获得良好效果.     

掩膜法与Gabor滤波在指纹增强中的应用

在实时指纹识别系统中,图像增强的效果好坏将影响指纹特征提取及指纹鉴别的识别率.为了解决指纹采集仪采集图像对比度差而且指纹损坏严重情况下识别效果不佳的问题,采用了对反锐化掩膜后指纹图像采用Gabor滤波方法进行图像增强的算法.用反锐化掩膜法预处理指纹图像,并用Sobel算子求取图像的水平和垂直梯度图,把预处理后图像与Gabor函数卷积得到增强图像,可以恢复指纹采集图像中难以识别区域,清楚再现指纹纹理.结果表明,掩膜法与Gabor滤波算法结合在指纹图像增强中可以达到理想的图像增强效果.     

基于Gabor相位编码的手背静脉识别算法

提出了一种基于Gabor相位编码的手背静脉识别算法.该算法主要分为两部分:一个是对手背静脉图片的预处理部分,包括滤波去噪和感兴趣区域(ROI)提取;另一个是静脉特征提取和匹配识别部分,该部分主要利用静脉图像的Gabor相位编码作为静脉识别的有效特征,同时利用海明距离实现特征匹配识别.该算法应用于自制的手背静脉图库,可达到100%的识别率和0%的误识率.结果表明,该算法是一种有效的生物特征识别方法.     

基于侧链连接卷积神经网络的手掌静脉图像识别

针对手掌静脉图像数量少且质量参差不齐,进而导致掌脉识别系统的性能降低的现象,提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先,在ResNet模型的基础上,用卷积层和池化层提取掌脉特征。然后,采用指数线性单元（ELU）激活函数、批归一化（BN）和Dropout技术来改进和优化模型,以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后,引入稠密连接网络（DenseNet）,使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验,结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能,且更适用于掌脉识别的实际应用。     

基于小样本学习的SAR图像识别

深度学习已成为图像识别领域的一个研究热点。与传统图像识别方法不同,深度学习从大量数据中自动学习特征,并且具有强大的自学习能力和高效的特征表达能力。但在小样本条件下,传统的深度学习方法如卷积神经网络难以学习到有效的特征,造成图像识别的准确率较低。因此,提出一种新的小样本条件下的图像识别算法用于解决SAR图像的分类识别。该算法以卷积神经网络为基础,结合自编码器,形成深度卷积自编码网络结构。首先对图像进行预处理,使用2D Gabor滤波增强图像,在此基础上对模型进行训练,最后构建图像分类模型。该算法设计的网络结构能自动学习并提取小样本图像中的有效特征,进而提高识别准确率。在MSTAR数据集的10类目标分类中,选择训练集数据中10%的样本作为新的训练数据,其余数据为验证数据,并且,测试数据在卷积神经网络中的识别准确率为76.38%,而在提出的卷积自编码结构中的识别准确率达到了88.09%。实验结果表明,提出的算法在小样本图像识别中比卷积神经网络模型更加有效。     

一种改进的基于Gabor滤波的指纹图像增强算法

在指纹识别系统中,图像增强效果的好坏对特征提取及指纹鉴别的识别率具有决定性的影响.根据指纹图像具有方向性和频率的特点,将Gabor滤波器应用在指纹增强处理中.利用Gabor滤波器的方向选择和频率选择特性,把指纹图像的局部方向和脊线频率作为Gabor滤波函数的参数,然后将Gabor函数与纹理图像进行卷积,以此去除噪声,达到增强图像的目的.在算法设计上提高了运算速度,节省了运算时耗.实验证明,算法工作稳定,效果好,具有很强的鲁棒性.     

区域指纹图像增强技术的研究

指纹识别技术是指通过计算机,利用人体所固有的指纹生理特征来进行个人身份鉴定的技术。它本质上是模式识别技术的一个分支。指纹图像增强技术可以有效地加强指纹的脊线特征,确保特征提取算法的性能对指纹图像的质量具有足够的鲁棒性,为指纹细节的提取和匹配识别奠定可靠的基础。依据Gabor滤波器能够同时对图像局部结构的方向和空域频率进行解析的特性,介绍了一种基于二维Gabor滤波的指纹图像增强方法,提出了利用Soble算子求解方向梯度进而计算出指纹脊线方向的方法和脊线频率的方法。算法经意大利波格尼亚大学构造的指纹库的一个子集Fingdb得到了验证。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化;首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别;通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5％以上,为火灾图像识别提供了一种新思路.     

基于侧链连接卷积神经网络的手掌静脉图像识别

针对手掌静脉图像数量少且质量参差不齐，进而导致掌脉识别系统的性能降低的现象，提出一种基于侧链连接卷积神经网络的手掌静脉图像识别方法。首先，在ResNet模型的基础上，用卷积层和池化层提取掌脉特征。然后，采用指数线性单元（ELU）激活函数、批归一化（BN）和Dropout技术来改进和优化模型，以缓解梯度消失、防止过拟合、加快收敛及增强模型泛化能力。最后，引入稠密连接网络（DenseNet），使提取到的手掌静脉特征更具丰富性和有效性。在两个公开库和一个自建库上分别进行实验，结果表明所提方法在三个数据库上的识别率分别为99.98%、97.95%、97.96%。可见该方法能有效提高掌脉识别系统的性能，且更适用于掌脉识别的实际应用。     

基于空间频率能量分布的掌纹识别

提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,以此为基础使用欧式距离对特征向量进行了匹配识别。实验结果表明,该算法对掌纹图像小范围的平移、小角度的旋转和小范围的手掌伸缩具有鲁棒性,获得了比较理想的识别率。     

Palm vein recognition using adaptive Gabor filter

Vein pattern recognition is one of the newest biometric techniques researched today. One of the reliable and robust personal identification authentication approaches using palm vein patterns is presented in this paper. In our work, we consider the palm vein as a piece of texture and apply texture-based feature extraction techniques to palm vein authentication. A Gabor filter provides the optimized resolution in both the spatial and frequency domains, thus it is a basis for extracting local features in the palm vein recognition. However, Gabor filter has many potential parameter combinations to use, and it is a common practice now to use multiple Gabor filters or to determine desired single combination by experience. The overall aim of this work is to discuss the optimization algorithm that determines the best parameter values of a single Gabor filter for palm vein recognition. In order to obtain effective pattern of palm vascular, we proposed an innovative and robust adaptive Gabor filter method to encode the palm vein features in bit string representation. The bit string representation, called VeinCode, offers speedy template matching and enables more effective template storage and retrieval. The similarity of two VeinCodes is measured by normalized Hamming distance. A total of 4140 palm vein images were collected form 207 persons to verify the validity of the proposed palm vein recognition approach. High accuracy has been obtained by the proposed method and the speed of this method is rapid enough for real-time palm vein recognition. Experimental results demonstrate that our proposed approach is feasible and effective in palm vein recognition.     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

Local and global Gabor features for object recognition

Invariant object recognition is one of the most central problems in computer vision. To be successful when occlusion and distortions are present, object recognition has to be based on local features. The features should express the significant information while being robust in the presence of noise and distortions, and stable in terms of feature parameters. In this study, Gabor filtering based features is analyzed in terms of the above requirements. Two classes of Gabor features are introduced: global Gabor features and fundamental frequency Gabor features. The Gabor filter response and stability issues are analyzed in terms of the filtering parameters. The robustness of the proposed features is examined through experiments. Both analytical and experimental results indicate that when certain conditions on the filter parameters are met, Gabor filtering can be reliably used in low-level feature extraction in image processing, and the filter responses can be used to construct robust invariant recognition systems.     

A secure palm vein recognition system

With the increasing needs in security systems, vein recognition is one of the important and reliable solutions of identity security for biometrics-based identification systems. The obvious and stable line-feature-based approach can be used to clearly describe a palm vein patterns for personal identification. In this paper, a directional filter bank involving different orientations is designed to extract the vein pattern and the minimum directional code (MDC) is employed to encode the line-based vein features in binary code. In addition, there are many non vein pixels in the vein image and those pixels are unmeaning for vein recognition. To improve the accuracy, the non-vein pixels are detected by evaluating the directional filtering magnitude (DFM) and considered the non-orientation code. A total of 5120 palm vein images from 256 persons are used to verify the validity of the proposed palm vein recognition approach. High accuracies (>99%) and low equal error rate (0.54%) obtained by the proposed method show that our proposed approach is feasible and effective for palm vein recognition.     

改进的单幅近红外掌纹掌静脉图像融合识别*

现有的单幅近红外掌静脉掌纹融合识别算法不能很好的突出掌纹与掌静脉结构。针对这个问题,提出一种改进的融合识别算法。首先,采用分块模型去除图像中的掌静脉得到掌纹结构,通过隶属度函数对掌纹结构进行模糊化,再进行反锐化掩模增强,突出掌纹结构信息;然后,使用边缘检测加权引导滤波对掌静脉结构进行增强,突出掌静脉结构;最后,将掌纹和掌静脉图像进行融合。实验结果表明,改进后的融合识别算法的识别率达到了99.81%。     

A palm vein identification system based on Gabor wavelet features

As a new and promising biometric feature, thermal palm vein pattern has drawn lots of attention in research and application areas. Many algorithms have been proposed for authentication since palm vein has special characteristics, such as liveness detection and hard to forgery. However, the detection accuracy of palm vein quite depends on the preprocessing and feature representation, which is supposed to be translation and rotation invariant to some extent. In this paper, we proposed an effective method for palm vein identification based on Gabor wavelet features which contains five steps: image acquisition, ROI detection, image preprocessing, features extraction, and matching. The 178 palm vein images from 101 persons were used to test the proposed palm vein recognition approach, where 176 images were correctly recognized with two in failure. The experimental results demonstrate the effectiveness of the proposed approach.     

基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法

手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.然而,其识别效果受限于图像的质量,低质量的图像往往造成识别准确度偏低,如何有效的对图像质量进行评价从而筛选出高质量的图像成为掌静脉识别技术中的一项重要研究内容.本文旨在解决这一问题,提出了一种基于BP-AdaBoost神经网络的多参数的掌静脉图像质量评价法.根据掌静脉图像质量特点,提出多个参数的评价指标（对比度（contrast）、信息熵（entropy）、清晰度（sharpness）和等效视数（enl））.利用BP网络优良的非线性拟合特点,以多个评价参数为网络输入,分类结果为网络输出,训练10个BP弱分类器;在此基础上利用AdaBoost算法得到最终的强分类器.实验结果显示,对比传统加权融合的评价分类方法,分类的结果准确度较高,系统具有具有良好的应用价值.     

基于Gabor滤波器包络的人脸识别算法

2维Gabor滤波器已在文字、人脸和虹膜识别等方面得到广泛应用,Gabor滤波器在特征提取方面具有独特的优势,但高计算复杂度限制了应用。如何快速地利用Gabor滤波器进行识别成为当前研究的重点。提出了基于2维Gabor滤波器包络的人脸识别算法,通过忽略Gabor滤波器的正弦部分,保留高斯成分构造矩形包络,将椭圆滤波器转换为矩形滤波器进行特征提取,即可以在不影响特征提取性能的情况下,只计算滤波器的主要能量区间,忽略区间以外的部分,提高了运算速度。在Yale和ORL人脸库上的测试结果证明,该算法分类准确度优于Eigenface和Fisherface方法,且速度较传统的Gabor滤波器方法快20%,取得了满意的结果。