基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术，目前的掌纹研究主要集中在掌纹特征线的提取算法上，而对特征线的筛选和匹配的问题讨论较少，掌纹上的纹线比较复杂，深浅粗细长短不一，实施任何一种边缘提取算法都要考虑纹线的取舍问题，首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法，较好地解决了掌纹的定位问题，然后提出了掌纹特征线族的概念，用以刻画掌纹上的主要特征，从而将掌纹纹线特征分为主要特征和次要特征．通过对主要特征与全部特征的双向匹配，给出最终的识别结果，将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库(90人450幅)上进行了比较实验，实验结果证明新方法可以处理原方法无法定位的掌纹图像，同时识别率也有明显提高。     

基于Gabor相位谱和流型学习的步态识别方法

 提出了一种有效的基于步态能量图像的身份识别方法.首先生成合成步态能量图像(GEI)丰富训练集样本数量.然后利用在以前文献中被忽略的具有良好识别性能的Gabor相位信息作为身份特征,并采用流型学习算法保局影射(LPP)将此高维数据在低维空间表示.通过使用简单的分类策略在USF步态数据库上进行对比实验,结果表明本方法的正确识别率优于现有其他的自动步态识别算法.     

小波空间的视图变形合成

该文提出一种新的基于2D离散小波变换和图像变形技术的视图合成方法.该方法完全依赖于已知的一对视图来合成期间的变换视图,无需相机标定或其他几何信息.其基本思想是：首先,采用立体视觉技术找出图像对间的基本矩阵,将两个图像变换到一个规范的模式定义下,即使得其图像平面平行,并且对应像素位于同一条扫描线上.然后,给出一种小波空间的图像变形方法,可以快速地生成期间的变换视图,而且还便于进一步对小波系数进行量化编码.绘制时,先作必要的解码,再通过小波逆变换将合成的小波系数恢复到图像空间.最后,经过一个后置变换,将期间视     

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.     

基于复值小波分解的图象拼合

图象拼合是一种基于图象的场景编码方法，它被很多基于图象的绘制IBR（image based rendering）系统采用，用来建立复杂的虚拟场景表示（例如，360°球面和柱面全景图、环境映照及高分辨率图象等）.基于复值小波多分辨率分解(Complex Wavelet Multiresolution Decomposition)提出了一种有效的图象拼合方法，它能同时地、逐步求精地对图象进行匹配和整合.首先，采用复值小波变换不仅可以保证全局优化的结果，还能够满足图象整合的规模不变和平移不变性.其次，基于多分辨