基于树型结构小波变换的虹膜识别方法

虹膜具有可靠性、唯一性、不可伪造性及不可侵犯性等优点,虹膜识别与其它的人类特征识别相比有更高的安全性.提出一种新的虹膜识别方法,该方法利用树型结构小波变换提取虹膜纹理特征,通过计算虹膜间马氏距离进行匹配,最终实现虹膜识别.实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好.     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3小波编码识别效果好。DB3小波符合识别速度与效果的综合要求。     

基于小波过零点检测的虹膜识别方法研究*

在经典过零点算法的基础上,改进特征提取与匹配算法。分析各阶高通小波系数在同一算法下的识别率,以此选择小波系数来综合编码分析。采用不同的小波滤波器进行分析,考察不同的小波滤波器对算法的影响。DB3小波的识别率为99.61%,等错率为0.41%;四次B样条小波识别率为99.75%,等错率为0.25%;Coif3小波识别率为99.72%,等错率为0.29%。第五、六阶小波高通系数涵盖了虹膜纹理的主要信息,可采用第五、六阶小波系数进行编码识别。不同的小波滤波器得到的结果区别不是很大,DB3、四次B样条、Coif3     

基于平移不变预处理的小波变换的虹膜识别算法

普通的离散小波变换具有平移敏感性,无法稳定地表示小波域下的虹膜特征.为了减弱虹膜图像的旋转变化对小波分解系数的影响,提出一种基于虹膜的方向能量分布序列的平移不变预处理方法,以校正虹膜纹理图像角度旋转变化.通过对小波变换系数进行阈值化处理,以双位二进制形式编码虹膜特征.在验证模式下,采用加权Hamming距对未知虹膜进行多模板匹配得出识别结果.基于虹膜图像库进行比对实验,结果表明,增强了小波变换编码虹膜特征的可用性,能够有效地进行虹膜识别.     

一种新的基于小波过零检测的虹膜识别算法*

虹膜识别被认为是目前最准确可靠的生物特征识别方法。提出了一种新的基于小波过零检测的虹膜识别算法,通过对分离的虹膜纹理采用小波变换来实现特征提取,最后通过Hamming距离完成模式匹配。实验结果表明,该算法识别率很高,可有效地应用于身份鉴别系统中。     

基于2D-Gabor滤波器的虹膜识别算法实现

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据,与其他生物特征识别相比,具有更高的可靠性。根据虹膜内外灰度差,采用二值化方法提取瞳孔,用Canny算子精确定位虹膜的内边缘,利用微分积分算子定位外边缘,并对虹膜进行归一化、校准、增强等预处理;再利用2D-Gabor滤波提取纹理特征,最后比较Hamming距离,进行匹配与识别。实验结果表明,该方法效果良好,识别率高。     

基于多通道小波滤波的虹膜识别新算法

为克服小波变换过零检测虹膜识别算法对纹理灰度变化敏感的缺点,利用小波变换多通道滤波的特性,提出了一种新的基于Daubechies-4小波的虹膜识别新算法。根据虹膜纹理分布的特征,将虹膜分成10个分析带,对每个分析带采用一个合适尺度的小波滤波,小波变换各个通道的小波系数的均值及标准差作为虹膜的特征值,最后得到虹膜的128位特征编码。特征匹配采用的是加权欧式距离的分类器方法。实验结果表明算法是有效的,取得了高识别率;同时,提出的算法对虹膜图像的尺度、旋转、平移等的变化具有不变性。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于局部奇异值检测的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术;提出一种基于二次样条小波变换的虹膜识别算法;运用紧支撑的二次样条小波对构造的一维灰度信号进行分析,选择适当尺度上的小波变换结果进行量化,构造出二进制特征向量;采用Hamming距离进行移位匹配;最终完成虹膜识别;算法的错误接受率和错误拒绝率都比较低,能够达到较好的识别效果.     

基于小波包分析的虹膜特征提取方法

提出了一种新的虹膜特征提取方法。针对虹膜纹理图像的特征表示主要集中在中高频能量部分,对图像进行二级小波包分解,并提取出第一级和第二级的中高频部分的能量分量作为特征向量,并采用欧几里德距离作为模式识别方法。克服了用小波分解只提取虹膜的低频部分,从而不能充分地反映纹理的特征的缺陷。试验结果和数据表明了此算法的合理性和有效性。     

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息.将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类.实验结果验证了本算法具有很好的识别率和等错率.     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

基于小波变换和方向向量的虹膜特征提取方法

虹膜纹理上的差异是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的虹膜识别率,就要有效地提取虹膜的纹理信息.基于二维小波变换和方向向量,提出一种新的虹膜特征提取方法.该方法的基本思想是考虑虹膜纹理的灰度变化,对于多层小波分解后的低频分量,分别求其在4个方向上的方向向量,最后形成虹膜码.测试结果表明,该方法能有效地提高虹膜的识别率,且算法简单、快速.     

基于轮廓层次和小波分析的工业字符识别

为了提高工业字符识别的准确率,增强字符识别算法对含噪声字符或发生形变字符的适应性,提出了一种改进的轮廓层次特征提取方法.对经过预处理归一化的字符,先提取轮廓层次特征,再对特征信号进行小波分解,从分解结果的低频部分中提取特征信息,最后将特征输入SVM(Support Vector Machines,支持向量机)训练和分类.实验结果表明,该特征提取方法降低了后续要处理的数据量,具有良好的抗干扰能力,实用价值较高.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.