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。     

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.     

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.     

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.     

基于多通道Gabor滤波与灰度梯度共生矩阵的虹膜识别方法

为有效改善虹膜识别系统的性能,针对传统方法提取全局特征时对局部纹理特征不敏感的问题,提出了一种基于多通道Gabor滤波和灰度梯度共生矩阵（GGCM）的虹膜识别方法。使用不同方向和尺度的Gabor滤波器组对预处理后的虹膜图像滤波,由全局滤波图像构建灰度梯度共生矩阵,提取特征值生成虹膜特向量。识别过程采用加权欧氏距离进行特征匹配。CASIA虹膜图像库实验表明,该方法能在保证识别系统实时性能的前提下使EER下降0.5%。     

基于PSO-Gabor特征增强的钢板表面缺陷识别研究北大核心CSCD

为了解决钢板表面类内缺陷形态差异大、类间缺陷相似度高且传统方法难以准确识别的问题,提出了基于PSO-Gabor特征增强的钢板表面缺陷识别方法。首先采用粒子群优化算法(PSO)对Gabor滤波器的频率、方向、尺度和滤波窗口尺寸进行迭代寻优,根据得到的最优参数构造Gabor滤波器;然后利用该滤波器与钢板表面缺陷图像进行卷积操作,并计算其能量响应值获得对应的能量图;最后将能量图输入到卷积神经网络中进行训练和测试。实验结果表明,该方法对钢板表面缺陷识别准确率达到97.5%,检测时间约为50 ms,与传统的模式识别方法相比,识别准确率大幅提升,识别速度快。     

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。     

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.     

LST变换和手部几何特征融合的模糊掌纹识别

为了解决非接触采集时的离焦状况容易导致掌纹图像出现模糊现象,从而造成识别系统的性能降低的问题,在建立模糊模型并分析模糊现象机理的基础上,提出了一种新的解决方案.使用拉普拉斯平滑变换(laplacian smoothing transform,LST)提取模糊掌纹的低频系数作为稳定特征,提取手部几何特征即手指相对长度和宽度作为特征向量,将LST特征和几何特征进行融合,最后利用特征向量之间的欧式距离进行匹配和分类.在自建的SUT-D模糊掌纹图库上的测试结果表明该算法等误率可达7.01％,与融合之前及其他典型识别方法相比,等误率最高可降低13.11％,显示出该算法具备有效性,为解决模糊掌纹的识别问题提供了一条可行途径.     

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.     

应用Gabor滤波器和局部边缘概率直方图的全局纹理方向性度量

为了构建人机识别纹理方向性模型,提出了一种图像全局纹理方向性的度量算法。首先,设计Gabor滤波器以减小次要方向分量,增强描述纹理的全局方向性分量。然后,构造局部边缘概率直方图,描述纹理方向性的整体分布,定量给出全局方向性度量值。最后,在Tamura纹理模型实验集以及Brodatz纹理图像库上,测试比较了用不同测度算法度量全局纹理方向性的精度。结果显示,在两类纹理图像库上所获得的测试值均与人类视觉感知保持了较高的一致性,其精度比其它算法可高出10%,表明论文所提的全局纹理方向性度量算法可以满足精度要求更高的人机纹理识别模型。     

基于机匣加速度信号的航空发动机转静碰摩部位识别

提出了基于机匣加速度信号的航空发动机转静碰摩部位识别方法。利用航空发动机转子试验器模拟了大量不同部位的碰摩,将小波局部极大模归一化能量与直接提取的机匣加速度信号归一化均方值输入至支持向量机中,以进行识别验证及对比分析。结果表明,小波局部极大模方法提取的归一化能量特征比直接提取的加速度信号均方值能更加有效地进行转静碰摩部位的识别。     

利用Gabor小波变换解决人脸识别中的小样本问题

提出了一种在人脸识别中解决小样本问题的新算法。通过把人脸图像经过Gabor小波变换后得到的每个图像都看成是独立的样本,大大增加了每一类人脸样本的样本数,解决了人脸识别中的小样本问题。专门针对人脸特征向量组,设计了使用白化变换后余弦距离测度的最近邻分类器来进行分类判决。在FERET人脸库中,对该方法与直接PCA方法进行了实验比较,结果表明,新方法的平均正确识别率可以达到97%,比直接PCA方法具有更好的识别性能。     

Maximum kurtosis principle for the parameter selection of Gabor wavelet and its application to ultrasonic signal processing

The noise suppression techniques with wavelet transform (WT) are widely used in nondestructive testing and evaluation (NDT&E), especially in ultrasonics. But the wavelet based filter has the property of equal Q-factor, so, it is impossible to choose the central frequency and the bandwidth arbitrarily at the same time. This paper develops a new technique using WT to eliminate this drawback. In this paper, a weak ultrasonic signals identification method by using the optimal parameter Gabor wavelet transform is proposed. We address the choice of the optimal central frequency and bandwidth of the Gabor wavelet using the kurtosis maximization algorithm. The central frequency and bandwidth of the optimal parameter Gabor wavelet matched that of the ultrasonic signal very well. Numerical and experimental results have been presented to evaluate the effectiveness of the optimal parameter Gabor wavelet transform on ultrasonic flaw detection. This technique is a simpler and effective technique for processing heavy noised ultrasonic signals.     

基于纹理分布特征的虹膜识别算法

二维小波变换方向性差,不能从方向和频率同时描述虹膜纹理.基于此,分析了归一化虹膜纹理的分布特点,提出了基于纹理分布特征的虹膜识别算法.对原始人眼图像进行虹膜定位等预处理操作,得到归一化的虹膜纹理图像;对归一化虹膜图像进行了二维小波多尺度变换,结合虹膜纹理分布特点,选择小波分解水平通道;依据点能量贡献度,消除伪特征点并进行了点能量编码;计算了不同虹膜编码间海明距离,以其为依据进行分类.在给定距离阈值为0.25的前提下,可以达到99.91%的正确识别率.实验证明该算法是有效、可行的,并具有较高的识别率,识别速度也很快.     

基于Gabor特征和Adaboost的人脸表情识别

为了改善人脸表情的识别率,提高分类器的性能,通过提取人脸表情图像的Gabor特征,再结合Adaboost算法,从而进行人脸表情的识别（Facial expression recognition,FER）。利用Gabor滤波器是人脸表情特征提取的一个重要手段,Adaboost算法则将一系列的弱分类器组合,最终生成一个强分类器。对表情识别这个多类识别问题,采取1：1的办法来解决,总共产生k（k-1）/2（k为总类别数）个强分类器,将多个强分类器进行级联实现人脸表情的多类分类。实验结果表明,相对于其他识别方法如MVBoost算法等,这种方法的识别准确率有很大的提高。