基于软构件的掌纹识别软件平台的开发与集成

针对现阶段掌纹识别相关软件开发中的问题,采用基于构件的软件开发技术,结合掌纹识别各类算法的特点,集成实现了软件平台,并分析了平台中各类相关构件的获取、分类和组装方法。本软件平台采用可复用软构件技术,实用价值高,而且该平台有效缩短了系统开发周期,并降低了软件维护难度。     

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。     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

基于随机非负独立元分析的掌纹识别

提出运用随机非负独立元分析（SN—ICA）的新方法进行掌纹识别。为了减少计算量,运用SN-ICA算法前,先采用主元分析（PCA）算法去除掌纹图像的二阶统计特征相关性,其余的高阶非负统计特征由SN-ICA分离。首先用PCA和SN-ICA提取投影向量,然后将训练图像和待识别图像向投影向量上投影得到低维特征向量,最后计算特征...     

掌纹图像采集装置的研制

掌纹采集装置多采用计算机控制扫描仪或者图像采集卡来采集掌纹图像.为解决现有掌纹图像采集装置速度慢,易受噪声干扰等问题,提出了一种新型的基于数字信号处理(DSP)的掌纹采集装置,设计了掌纹取样机械结构、光学单元和硬件电路.利用TI公司的TMS320VC5509A DSP为控制芯片,扩展了数据存储空间,并控制视频解码器SAA7113H将掌纹图像转换成数字图像,实现了脱机模式下掌纹图像的采集.进行了掌纹图像采集实验并完成了掌纹图像识别,结果表明,采集一幅掌纹图像用时为0.6 s,正确识别率为99.47%.该系统具有很高的识别率并具有速度快、成本低等特点.     

基于Log-Gabor小波相位一致的掌纹线特征提取

研究掌纹线的特点,提出了一种基于相位一致的掌纹线特征提取方法,多方向、多尺度的Log-Gabor小波用来计算掌纹图像的相位一致不变量以获得更丰富的掌纹线特征信息和精确的特征定位.方法提取的线特征不仅包含掌纹的结构信息,还具有纹线的强度和宽度信息;此外,由于使用图像的相位信息,方法受图像亮度和对比度影响较小,提取的特征比较稳定.方法在PolyU掌纹库上测试,结果(EER=0.6%)表明线特征提取的良好效果.     

二维EMD分解提高PCA掌纹识别率

为了提高常用于在线掌纹识别的PCA方法的识别率,提出融合BEMD技术的PCA掌纹识别方法.二维EMD技术能够在频率域内实现图像的多层分解,在不同频段内对图像进行处理.掌纹图像的低频部分容易受到背景等因素的影响,所以实验中提取、利用掌纹高频信息,去除低频信息,充分利用掌纹中的个人特征信息,抑制干扰,提高识别率.基于香港理工大学掌纹数据库的仿真结果显示,这种方法的识别率远高于传统PCA方法,体现了一定的理论研究意义和实用价值.     

应用二维EMD和独立成分分析的掌纹识别

提出一种基于二维经验模式分解（Two-dimensional Empirical Mode Decomposition,2-D EMD）和独立成分分析（Independent Comment Analysis,ICA）相结合的掌纹识别新方法。利用2-D EMD自适应的时频局域化多尺度和ICA II表征数据的高阶统计特性来提取掌纹特征。首先,对预处理过的掌纹图像进行2-D EMD分解得到多层本征模函数（Intrinsic Mode Function,IMF）;其次,利用基于PCA（Principal Component Analysis）降维处理的FastICA II算法提取IMF子图像集的掌纹特征基向量;最后,设计实验测试（2-D EMD+ICA II）的识别性能。实验结果表明,该方法能更有效地提取掌纹特征,与传统的ICA II相比,具有重构图像信噪比好、识别率高等优点。     

基于二维EMD和小波阈值的掌纹图像去噪

为有效抑制掌纹图像中含有的噪声、提高特征提取的精度,提出一种基于二维经验模式分解和小波阈值去噪相结合的掌纹图像去噪新方法。首先,对含有噪声的掌纹图像进行二维EMD分解,得到不同特征尺度的本征模函数子图像;然后对中高频成分的IMF进行小波多阈值去噪;最后将去噪处理后的各IMF与残差图像通过加和进行重构。实验结果表明,该方法与单独的二维EMD滤波及小波阈值去噪相比,去噪效果更明显,提取的主线和细节特征更清晰,因而均方误差最小、峰值信噪比最高。     

掌纹身份识别系统中的定位分割技术

重点研究在线掌纹的定位与归一化方法 ,结合在线掌纹图象的特点采用灰度形态梯度提取掌纹的轮廓线 ,然后通过考察以轮廓点为中心的圆盘内目标及背景所占面积的大小来提取定位掌纹所需要的特征点 ,取得了理想的实验结果