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.     

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Gabor小波能量与方向特征的掌纹识别算法

提出了一种融合Gabor小波能量与方向两级特征的掌纹识别算法,有效地解决了纹线的方向特征难以描述的困难.首先对预处理后的掌纹进行不同方向不同尺度的Gabor小波多通道滤波,再对得到的各个方向子带进行模糊分块,计算每一小块区域的能量,在同一尺度不同方向上找出能量最大的区域,并标记此区域对应的Gabor方向.采用格雷码对方向特征编码,再分别计算能量特征的欧氏距离和方向特征的汉明距离,最后将2种距离按权相加进行掌纹识别.与利用单一能量或方向特征的算法相比,本文提出的算法具有较高的检索识别率.     

基于ARM嵌入式语音识别系统研究

在分析语音识别原理的基础上,设计了一个基于ARM微控制器的语音识别子系统,用于嵌入式系统中的语音识别.该语音识别子系统由ARM处理器和UDA1341专用语音芯片为核心,配合其它功能电路,能够独立完成语音识别的工作.ARM芯片作为系统的控制芯片,上位机负责对语音信号的隐马尔可夫模型建立,从而使得嵌入式系统的语音识别更为方便简捷,并且该子系统具有一定的通用性和可剪裁性.结果表明,该系统设计合理可行,具有语音识别效果好、准确性高等优点.     

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.     

手形、掌纹和掌静脉多特征融合识别

单一生物特征识别技术无论是在识别率还是稳定性上都不能达到完美无缺,特别是高仿生物特征的出现使其安全性受到质疑。针对上述问题,提出一种手形、掌纹和掌静脉多特征融合识别方法。提出了基于小波变换Gabor滤波器的特征层和图像层融合策略,将同一设备不同光照采集下的掌纹和掌静脉融合到一起,突出各自的主纹理特征;利用手指相对长度为手形特征进行初匹配,提出利用分块纹理基元模型进行掌纹和掌静脉融合图像的特征提取方法,然后进行二次匹配给出最终识别结果。开发了模拟系统并进行了相应的实验,结果表明该识别系统充分发挥了3种特征各自的优点,提高了识别率和稳定性,特别是掌静脉的加入增强了系统的安全性。     

离焦状态下的模糊掌纹识别

针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊,从而降低识别系统性能的问题,提出了一种基于稳定特征的模糊掌纹识别方法.建立了掌纹的离焦退化数学模型;在分析模糊机理的基础上,使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征,利用特征向量之间的欧式距离进行匹配和判别.文中给出了算法的步骤,并通过实验确定了需要选取的低频系数的个数.在建立的SUT-D模糊掌纹库上进行了识别测试,结果表明本文算法的等误率可达17.101 7％,与传统的DCT变换及Eigen Palm,Palm Code等8种典型识别方法比较,等误率最高可降低7.908 4％.这些结果显示本文方法不但能够提升识别效果,而且特征维数较低,改善了模糊掌纹识别系统的性能.     

我研制成功世界首套高精度自动掌纹识别系统

我国科学家历时10年首创完成的高精度、高可靠性的生物特征识别技术“自动掌纹识别技术与系统研究”，1月6日在深圳通过了由教育部组织，中科院院士及来自中、美、德等国教授组成的专家委员会的鉴定。专家认为，该项研究提出了与掌纹识别相关的图像处理、模式识别等领域具有国际影响的理论、模型和算法，丰富了生物特征识别理论，具有重要的理论价值。     

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。     

A palmprint based biometric authentication system using dual tree complex wavelet transform

Palmprint identification has emerged as one of the most popular and promising biometric modalities for personal identity verification due to its ease of acquisition, non-invasive procedure, high user acceptance and reliability. This paper proposes the development of a new method for palmprint based biometric authentication which utilizes the textural information available on the palmprint by employing the Dual Tree Complex Wavelet Transform (DTCWT). The method proposes to construct a region of interest (ROI) for the scanned color images of the palm, and then determine a histogram of the two dimensional image. This enables to utilize a feature extraction module, implemented using the one-dimensional (1D) Dual Tree Complex Wavelet Transform (DTCWT) on the histogram signal. The DTCWT is an improvement over the discrete wavelet transform (DWT) as it provides nearly shift invariant performance, reduced aliasing and directional wavelets in higher dimensions. Backpropagation neural-network (BPNN) based binary classifiers are developed for authentication utilizing the features extracted. The system is developed on the basis of several scanned color images of palms of individuals in real-life, in our laboratory. The experimental results obtained from the data have demonstrated the utility of the proposed system, by exhibiting an overall mean accuracy as high as 98.35%.     

一种基于ARM的钢管焊渣条分叉视觉检测系统

采用机器视觉技术,设计了一种基于ARM、以USB网络摄像头采集图像的焊渣条分叉自动检测系统。对图像进行二值化处理后,系统根据对象边缘像素点的分布识别焊渣条是否分叉,并驱动相应的声光报警器报警。试验证明,该系统能自动检测焊渣条分叉,体积小,性价比高,在低速低精度的检测场合具备较高的推广应用价值。     

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ARM9的气体检漏装置控制系统的研究

本文在介绍了基于容积补偿式气体检漏装置的工作原理基础上,分析了其控制系统的软硬件设计。本文所阐述的控制系统是基于ARM9硬件平台和WinCE软件平台,提高了便携性。节约了成本。满足现代气密检测精度高和检测速度快的要求。     

基于ARM的自动加样系统的设计

为适应分析检测自动化样品前处理的需要,本文设计一种基于ARM和WinCE的三轴自动加样系统。该系统采用ARM9内核的S3C2440为硬件系统核心,以步进电机和蠕动泵为执行机构;在ARM上面移植了WinCE6.0操作系统,以此为基础开发应用软件;用LCD触摸屏来进行命令输入、工作状态监控等任务,进行人机交互。实现了操控界面友好、系统加样针管定位、吸排系统升降和流量控制等功能,具有定位准确,自动化程度高等特点,具有很强的实用价值。     

介入诊疗环境下图像采集与无线传输系统

依据介入诊疗环境对图像采集系统的小巧性、低功耗性和实时性要求,提出了一种基于ARM处理器的图像采集方案。系统以OMNIVI-SION公司OV9650为摄像头模组,以SAMSUNG公司的S3C2440 ARM芯片为处理器,两者通过ARM芯片上的摄像头接口（CAMIF）无缝连接,实现图像数据采集,并且通过串行外设接口（SPI）与单片射频nRF24L01模块连接,实现了图像数据无线传输。