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.     

基于改进PCA和支持向量机的掌纹识别

掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征(包括人眼可见的和不可见的)来进行身份鉴别的一种方法。其中掌纹特征提取和掌纹特征匹配是掌纹识别研究的关键部分和核心内容。在特征提取方面,给出了两种改进的特征提取方法。先对掌纹图像进行傅里叶变换,再对变换后的图像进行主成分分析;针对掌纹图像的特点,对PCA进行改进,设计了适用于掌纹图像的分块主成分算法。将一整幅掌纹图像分为若干子块图像,在此基础上进行主成分分析。通过实验验证了改进的特征提取方法可以提高识别准确率。在特征识别方面,模版匹配虽然在一定程度上计算量小,准确率高,但容易陷入小样本问题。因此通过训练SVM分类器,进行掌纹识别。实验证明该方法有较好的可行性。     

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。     

掌纹识别的一种新的特征提取方法*

通过分析已有的掌纹识别方法和特征提取所面临的问题,提出了一种新的掌纹识别算法——直接监督保局投影(DSLPP)。该算法在传统的保局投影（LPP）算法中加入类别信息,同时对角化XLX T和XDX T,可以直接达到保局投影算法的最优准则,并且无须在原始高维数据(如原始图像)上先进行任何特征提取或降维处理。在PolyU 掌纹库中进行实验,与Eigenpalm、Fisherpalm和LPP算法相比具有较高的识别速度和识别率;当掌纹库中图像总数为600张,共100人,每人用5张掌纹图像作为训练样本,1张掌纹图像作为     

具有自识别能力的遗传算法求解旅行商问题

为解决基本遗传算法求解旅行商(TSP)问题收敛速度慢、种群过早成熟和局部搜索能力差的问题,提出了一种具有自识别能力的遗传算法。算法的主要改进手段是,通过双向贪婪算法来构建初始种群,以提高寻找到最优解的速度;建立个体之间相似度的概念,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,该算法很好地保持了群体的多样性,并具有较好的收敛速度。仿真结果验证了算法的良好性能。     

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SURF特征与模糊推理的掌纹识别

针对现有掌纹识别算法对掌纹图像在采集过程中的位置、方向、亮度变化缺乏足够的鲁棒性,而且计算复杂度较高的问题,提出了一种基于SURF描述字的掌纹识别算法。算法分为训练与识别两个过程,在训练过程中,提取属于同一类所有训练样本的SURF描述字进行互配,然后计算训练样本中互配频次超过该类样本数的1/2的每个关键点的匹配率及其在匹配训练样本中坐标的均值与方差以及SURF描述字均值、SURF描述字与均值的最大欧氏距离组成类别数据库。在掌纹识别过程,基于SURF提取待识别掌纹图像的关键点,确定关键点的SURF描述字与其位置坐标,然后,计算类别数据库中每个类别的每个关键点与待识别掌纹图像所有关键点模糊匹配度的最大值作为该关键点的模糊匹配度,最后基于模糊推理实现掌纹识别。实验结果表明该算法对掌纹图像的旋转、尺度和亮度的变化具有较好的鲁棒性,具有稳健和高精度的特性,并且识别过程计算成本较低,满足了实时性应用的要求。     

基于指导滤波与二值图像组互相关匹配的3D掌纹识别

提出了一种鲁棒的掌纹识别方法。在特征提取阶段,使用指导图像滤波去除噪声,然后基于Gabor变换提取鲁棒的掌纹方向特征,并使用一组二值图像表示每幅3D掌纹图像;在匹配阶段,采用了基于二值图像组互相关运算的匹配算法。该方法能够充分利用图像组中的特征配准图像来得到准确的匹配分数。HK-PolyU 2D+3Dpalmprint database数据库上的实验表明,该方法能够有效提高掌纹识别算法的识别率。     

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%。     

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。     

基于àtrous-Contourlet变换与不变矩的掌纹匹配算法

为了提高掌纹识别的速度和准确率,克服Contourlet变换在处理高维信号时的不足,提出了一种新的掌纹识别算法。该算法首先对掌纹图像进行àtrous-Contourlet变换,得到高频分量和不同方向不同子带上的低频分量,再根据不同子带的能量分布所提取出的统计特征选择不同的特征加权系数,对图像所得到的不变矩向量进行加权计算,得到新的特征向量,完成掌纹图像的识别。实验结果表明,该算法与小波矩算法、Hu不变矩算法和Contourlet算法相比有较高的效率和匹配精度。     

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。     

一种新颖的低分辨率条件下的掌纹识别方法 *

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术。当今的掌纹识别方法存在的比较困难的问题之一就是在特征提取时受一些客观因素制约 ,影响后面的匹配精度。为此 ,提出一种改进的基于相位相关的掌纹图像匹配算法。该算法不受光照、平移的影响 ,对噪声也有很好的鲁棒性。在此基础上实验了该算法在不同分辨率下的表现 ,发现当分辨率降为原图像的十六分之一时 ,该算法仍然能取得较高的识别率 ,证明了该算法在较低分辨率下的有效性。     

一种多染色体交叉的小生境遗传算法

生物进化一般只在两个个体间进行交配,传统的遗传算法也仅在两个染色体之间进行交叉操作。使用在三个以上的染色体进行交叉操作,并设计了多染色体交叉的算子。多染色体交叉算法可显著提高算法局部寻优能力和收敛速度,但由于收敛速度过快容易产生早熟现象。因此,设计了一种带子种群淘汰策略的小生境算法,可避免算法产生早熟现象。通过几种遗传算法的实验结果比较,证明多染色体交叉算法在多峰优化中的效果要优于传统遗传算法。     

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.     

统计不相关的费舍掌纹识别算法

费舍掌纹是一种最近提出的掌纹识别方法,它有两点不足:不能在花费尽可能少的计算时间的同时,保证所得到的鉴别向量都满足统计不相关性;不能根据鉴别能力选择合适的鉴别向量.为了改进费舍掌纹,提出了一种统计不相关费舍掌纹识别算法.在公共的掌纹图像数据库上的实验结果表明,该算法在掌纹识别性能上优于常用的费舍掌纹和统计不相关最佳鉴别向量方法.     

基于Nonsubsampled Contourlet变换的掌纹特征提取算法

为了研究Nonsubsampled Contourlet变换(NSCT)在掌纹识别应用方面的可行性和性能,本文采用MATLAB仿真手段,利用NSCT对纹理特有的各向异性和多尺度特点,以香港理工大学采集的掌纹图像为研究样本,建立掌纹识别的分析和研究平台,针对NSCT从掌纹图像中分解得到的多个系数矩阵,研究掌纹特征的提取算法。实验结果表明,NSCT在掌纹识别方面具有较好的性能和较高的识别率,从而验证了该方法在掌纹识别中的有效性和识别效果。     

基于信息熵的GLBP掌纹识别算法

提出了一种基于信息熵(information entropy)的GLBP掌纹识别算法(EGLBP),首次将该算法运用到掌纹中。同时,为了提高识别精度、降低算法复杂度,引入信息熵来度量掌纹所含的信息量,熵越大,所含信息量越多。首先对图像进行Gabor变换,分别计算变换后图像的信息熵,去除熵较小的几幅图像;然后对剩余的图像使用分块思想,对每块进行LBP特征提取,并联融合所有特征;最后使用卡方距离对掌纹所属类别进行判定。经过PolyU掌纹中心区域图像的验证,与传统掌纹识别算法相比,EGLBP算法识别率达到99.89%,识别时间为113.9ms,具有有效性和优越性。     

基于蜂群遗传算法的一维优化下料问题

针对一维下料优化问题,提出了基于蜂群遗传算法的优化求解方案.具体做法是,以实数表示的各零件长度的一个排列作为一个染色体,其中每个零件的长度作为基因;根据自然界蜂群生物学原理设置了两个种群,一个种群主要用于全局搜索,另一个种群主要用于局部搜索;采用最优个体交叉策略;遗传算子包括联赛选择算子,顺序交叉算子,2-交换变异算子和抑制算子.仿真实验结果表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了一维下料问题.     

最优进化图像阈值分割算法

针对图像阈值分割问题,根据遗传算法理论提出最优进化图像阈值分割算法.将图像中每个像素点看作一个染色体,阈值看作进化方向,假设最优进化方向存在,建立进化方向更新模型;然后定义了染色体编码规则,通过简单随机采样进行种群初始化,重新定义了适值函数和选择机制,在适当的交叉率和变异率下得到最优阈值;同时分析了假设和模型的合理性.实验结果表明,文中的假设和进化方向更新模型合理,该算法是稳定、有效的图像阈值分割算法.