基于人手自然张开的多生物特征识别

手形和掌纹作为人手重要的生物特征可以用来进行身份识别.在人手自然张开、非接触式的采集条件下,基于手形识别匹配速度快和掌纹识别的识别率高的优点,采用基于匹配层的手形和掌纹融合方法,克服了单一手形识别的识别率低和掌纹识别匹配速度慢的缺点.手形采用手指的相对长度作为特征矢量,掌纹采用2D-Gabor对掌纹感兴趣区域(ROI)进行滤波,提取掌纹纹线的方向信息作为特征.在混合图库上进行实验,二者相结合的组合识别方法的识别率达到98.57％,减少了匹配时间.同时也研究了对于不同距离采集的手掌图像,实验结果表明手形和掌纹相结合的组合识别方法优势更为明显.     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。     

基于局部纹理描述算子的手掌静脉身份识别

由于手掌生理结构特性和采集环境因素影响,手掌静脉识别系统中所获取图像容易出现噪声过大、光照不均匀等现象,导致识别性能降低.为了解决这一实际问题,提出一种基于局部纹理描述算子的掌脉识别方法.首先使用Gamma校正、DoG滤波、对比度均衡等手段对掌脉图像进行预处理,降低光照影响.然后将掌脉图像分成互不重叠的区块,使用局部三值模式(LTP)提取每一小块的纹理特征,并加以融合,最后利用卡方距离进行匹配识别.在香港理工大学接触式掌脉图库和自建的非接触式掌脉图库上进行实验测试,结果表明,当图像分块大小为16×16像素时,本方法获得了最高的正确识别率,分别为99.981 6％,99.299 4％,优于其他典型方法,提升了掌脉识别系统的性能,增强了系统的鲁棒性,具有实际应用价值.     

开放式环境非接触低分辨率采集下的掌纹识别

提出一种开放式环境下、非接触采集下的掌纹识别算法.采用一种低分辨率的普通摄像头进行掌纹图像采集,人手只需自然张开、中指竖直向上放在摄像头前一定范围内.首先建立肤色模型将人手从复杂背景中提取出来;然后提出一种简单有效的关键点定位算法找到指根点,并以此建立坐标系提取掌纹ROI;接着提出一种基于统计的纹理基元算法进行掌纹特征提取,该算法不用对掌纹ROI进行归一化,计算速度较快并且对光照具有一定的鲁棒性;最后利用余弦相似度进行特征匹配实现掌纹识别.在自建的小型掌纹图像库上进行了相应的识别实验,实验结果表明所提出的算法能够在动态环境下达到理想的识别效果.所开发的实验系统能够快速实现掌纹图像采集与识别,适合在线实时系统应用.     

基于Log-Gabor小波相位一致的掌纹识别算法研究

本文对掌纹识别相关理论和算法进行了研究,提出了一种基于Log-Gabor小波相位一致的掌纹线特征提取方法.掌纹线特征是掌纹识别中最基本、最直观的特征,但由于掌纹线的特殊性和复杂性,如何有效提取掌纹线特征一直是掌纹识别的难点.本文从频率域角度考虑,使用Log-Gabor小波相位一致方法提取掌纹图像线特征,包括掌纹方向相位一致特征和掌纹整体相位一致特征.该方法提取的线特征可有效包含纹线的结构信息、强度信息和宽度信息,且提取的线特征比较稳定.在掌纹整体相位一致特征图像上进一步检测出具体的掌纹线,仅使用掌纹线结构特征来表示和识别掌纹,实验验证了Log-Gabor小波相位一致提取掌纹线特征用于识别的有效性.     

融合步态和人脸特征的远距离身份识别研究

在单一摄像头获得的步态图像序列中将步态信息和人脸信息相融合进行实时的远距离身份识别。在步态图像序列中自动提取侧面人脸图像。采用基于傅里叶描绘子和关键点特征的方法提取步态特征,采用傅里叶变换和奇异值分解的人脸识别方法对步态图像序列中的侧面人脸进行特征提取。利用欧氏距离作为度量建立匹配函数。在中科院自动化研究所CASIA步态数据库中进行实验,通过对单独利用步态特征和人脸特征进行识别的识别率和通过最大法则、加法法则和乘法法则融合后进行识别的识别率进行比较,实验表明将步态和人脸特征相融合可有效地提高了识别率,识别率可达95.00%。     

模拟生物视觉机制的彩色人脸识别方法

为了充分利用彩色图像提供的信息提高人脸识别的性能,提出了一种模拟生物视觉机制的彩色人脸识别方法。该方法首先构造一种模拟人类的色彩感知机制的对立色模型,将彩色人脸图像描述为对立色形式。然后,模拟初级视皮层的信息处理机制,从图像对立色描述的亮度分量和色度分量分别提取人脸的纹理特征和色彩特征。最后,分别对纹理特征和色彩特征进行分类识别,并将二者的识别相似度融合得到最终的人脸识别结果。该方法利用对立色模型提高了色彩特征对光照变化的鲁棒性,并且综合利用彩色图像的色彩和纹理信息提高了人脸识别的精度,特别是对模糊图像的识别精度。在彩色FERET人脸库和AR人脸库上的实验表明,相对于直接对灰度图像进行识别的方法,该方法对清晰图像的识别率提高了4.5%～16.3%,而对模糊图像的识别率提升更加显著。     

基于FAST特征提取的指静脉识别

现有的指静脉识别方法通常以包含静脉分布的灰度图为对象进行算法设计。但由于采集装置的局限性,光照强度的不确定性,手指血管周围组织的复杂性等,原始图像即使经过图像预处理过程,得到的灰度图中依然会存在不规则的阴影和非静脉特征,这可能使得被提取出的静脉特征不具有很好的代表性和区分性,从而降低识别结果的准确性。因此,本文提出以包含指静脉分布的二值图为对象进行算法设计,从而在识别过程中尽可能减少非静脉因素的干扰。在特征提取上采用了适于二值图特征点检测的加速分割测试特征提取算法,提取出静脉纹理边缘中符合要求的像素点作为特征点,进而对检测到的特征点进行向量化描述。同时为了提高匹配的精度,提出了基于圆形邻域的匹配算法,使用加权匹配距离描述图像之间的相似程度。采用山东大学公开的手指静脉数据库进行算法性能测试,平均识别率为0.993,等误率为0.0196。上述结果证明了算法的有效性,为指静脉识别算法设计提供了新的思路。     

手形特征点定位方法的研究

手形识别是指对手部的轮廓所构成的几何图形进行识别,提取的特征为手的不同部位的尺寸或是手指边缘的轮廓点集。二维手形图像的识别主要有手形轮廓点集匹配和手形特征矢量匹配两种方法。目前应用最多的是第二种方法,应用这种方法首先要准确定位手形轮廓上的特征点。总结了一些定位手形特征点的方法,找到这些特征点后才能选取适当的特征矢量进行手形识别。     

基于二维主成分分析的掌纹识别研究

掌纹作为一种新的生物特征可用来进行人的身份识别.论文提出了将二维主成分分析方法(2DPCA)应用于掌纹识别的特征提取,并在PolyU掌纹数据库上利用最近邻分类器与余弦距离度量进行了相应的实验,得到了99.4%的正确识别率.二维主成分分析方法相比主成分分析方法(PCA)方法具有更高的识别率和更快的计算速度,尤其是在小样本训练数据的情况下优势更明显.同时论文也研究了不同应用系统下阈值的选取方法.     

基于ARM与WinCE的掌纹鉴别系统

掌纹识别是个人身份识别的一种有效手段,而识别设备的小型化则将掌纹鉴别推向更广阔的应用领域.实现了一种基于ARM和WinCE的掌纹鉴别系统方案,ARM处理器从数字摄像头获取掌纹图像,提取特征,与掌纹特征库中的对应模板比对,根据匹配的结果给出一个开关信号量.实验证明该系统能以较高精度鉴别掌纹,软件采用的算法具有平移、旋转不变,光照与仿射部分不变等优点,对手掌的姿态、距离、位置变化具有较高的容纳能力,用非接触式的掌纹采集方式,不需要定位装置,充分体现该系统的用户亲和力.此外,该系统还具有体积小、成本低、低功耗等优点,适合应用于成本和功耗敏感的民用系统中.     

基于Demons算法的变形掌纹归一化方法研究

非接触采集是主流掌纹采集方式,但其低约束性可能会导致手掌摆放方式不定,与传感器距离不定,从而引起手掌变形,尤其是手掌平面和传感器平面不平行导致的局部变形问题,这将影响后续特征提取,降低识别率。针对此问题,考虑到人手本身是非刚体的特点,提出基于Demons非刚性配准算法的变形掌纹归一化校正模型,进一步增强变形图像与标准图像的相似性,弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的归一化校正,再使用测度指标进行效果评价,结果表明:在任取的图像序列内,与传统的基于归一化互信息(NMI)的刚性配准方法相比,NMI最高提升3.64%,相关系数(COEF)最高提升156.25%,均方误差(MSE)最高降低81.63%,各指标均优于基于NMI的刚性配准方法,验证了本文方法的有效性和优越性,为后续的特征提取和识别创造了有利条件。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

基于灰关联分析和模糊隶属度匹配的球形水果自动识别方法

针对现有水果识别方法需大量水果样本学习或仅对单一特征进行识别而导致的识别率较低的问题,提出一种基于水果图像处理的水果颜色和形状特征参数的提取方法、基于灰色关联分析和模糊隶属度匹配的球形水果自动识别方法。该方法通过提取水果图像关注区域(region of interest,ROI)的颜色和形状特征,建立参比水果的颜色特征参比数据库和形状特征隶属度函数,计算待识别水果与参比水果颜色特征的灰色加权关联度,求取待识别水果对于参比水果形状特征参数的模糊隶属度,按各特征量等权的原则合成待识别水果对参比水果的总匹配度,并根据总匹配度的大小实现待识别水果种类的判别。大量实验结果表明:该方法简单、有效,不需要大样本量水果的学习和训练,平均识别正确率达到99%以上。     

全手掌纹5类主线特征选择方法研究

为解决非接触式掌纹识别中的光线干扰和算法复杂度问题,提出采用全手掌纹5类主线作为特征的思想,并研究主线特征的选择方法,即根据感情线、理智线、生命线、事业线、成功线的条数、交点数及部分端点信息将掌纹分为9个类别。采用主线特征的优点在于能够选择到不受光线干扰和运算复杂度小的掌纹特征自动提取方法,并为手多模态决策层融合提供数据基础。根据香港科技大学(HKUST)掌纹图库实验表明,与传统的只依据感情线、理智线和生命线3条主线为特征的分类方法相比,类间样本区分度增大,类内相似样本数由传统方法的81.54%降低至35.00%,其余各类样本趋于相对均匀,即说明了该方法不仅具有较高的分辨力,而且具有可行性和优越性,为手多模态特征识别技术中主线自动提取及匹配提供了理论支撑。     

基于SURF算子的快速手背静脉识别

提出基于加速鲁棒性特征(speeded-up robustfeatures,SURF)的手背静脉识别算法.首先对手背静脉图像进行预处理,提取手背静脉感兴趣区域(ROI),然后提取手背静脉的局部SURF特征,基于欧式距离实现测试样本和注册样本特征点的匹配,并剔除错误匹配对,最后计算匹配率作为待识别样本和注册样本之间的相似度测试实现身份识别.利用TJU手背静脉图像数据库对算法性能进行测试,在认证模式下等错率为0.07%,平均识别时间0.153 s.实验结果证明该算法可以快速有效地实现手背静脉识别.