基于多尺度LBP和SVM的掌纹识别算法研究

为了提高掌纹识别算法识别率,降低特征向量维数,采用基于关键点定位对掌纹进行预处理,利用双向直方图均衡化增强掌纹图像的对比度和纹理细节。使用纹理频谱度量的方法寻找掌纹主线方向,确定Ga-bor滤波器的方向参数,在此基础上,结合多尺度的LBP算子对Gabor变换后的掌纹特征进行提取。最后利用GA优化SVM参数的方法对掌纹图像进行分类。实验结果表明,本文算法能够获得高达97.5%的正确识别率。     

三维掌纹局部方向特征二进制编码研究

三维掌纹能显著地减少应用过程中潜在的安全隐患,近年来吸引了越来越多的关注.然而,现有的三维掌纹识别方法大多借助人工设计的描述符来进行匹配,这往往需要先验知识.本文提出一种基于学习策略的局部方向特征二进制编码来完成三维掌纹识别.该方法利用形状指数来描述三维掌纹的局部几何特征,并且在形状指数图像上计算Gabor滤波器响应并将响应差值组合起来形成特征向量.提出利用哈希学习模型得到特征映射函数并将响应差值特征向量转换为方向特征二进制编码,并对方向特征二进制编码图采用分块策略形成特征直方图来进行匹配.在香港理工三维掌纹数据库上的实验结果表明,本文方法在识别率上要优于目前流行的其他三维掌纹识别方法,从而验证了本文方法的有效性.     

基于Gabor小波和LLE的掌纹识别

为了更好地提取掌纹图像的非线性特征,文中提出一种基于Gabor小波变换和局部线性嵌入的掌纹识别算法。通过提取ROI进行光照和滤波预处理,之后进行Gabor小波变换,提取掌纹图像的多尺度特征,利用非线性的LLE算法提取主元,用最近邻方法进行分类。通过PolyU掌纹库进行验证,比较了预处理、不同ROI提取方法、LLE算法的参数对识别率的影响。实验表明,此方法相比于传统的线性降维算法以及单独的LLE算法在识别率上均有所提高。     

多方向多尺度Gabor特征表示及其匹配算法

Gabor滤波是众所周知的一类特征提取方法,在机器视觉等领域得到了广泛研究和应用.本文提出了一种多方向多尺度Gabor特征表示、提取以及其匹配算法.多方向多尺度Gabor特征通过使用一组不同尺度和不同方向的Gabor滤波器对图像进行滤波,而后将滤波结果在各个滤波方向按尺度大小排序后连接而成.本文进一步提出了循环向量的概念,并将两个多方向多尺度Gabor特征相似度重新定义为一个多方向多尺度Gabor特征和对应的多个循环向量之间最大值.实验结果表明,本文提出的多方向多尺度Gabor特征不仅具有平移不变性、旋转不变性、尺度不变性,也展现出优秀的局部特征表示能力以及显著的鉴别力.     

基于Gabor滤波器和ICA技术的SAR目标识别算法

提出了一种基于Gabor滤波器和独立分量分析(ICA)技术对合成孔径雷达(SAR)目标识别的算法.该方法提取预处理后SAR图像的低频子带图像,利用Gabor滤波器组对该低频子带图像在不同方向和尺度上滤波,再用主成分分析(PCA)+ICA方法对Gabor滤波后图像提取有效特征向量作为目标识别特征,最后用支持向量机(SVM)对该特征进行分类完成目标识别.使用MSTAR数据库中3类SAR目标数据对该方法进行目标识别的仿真实验,平均识别率最高可达96.56%.通过与其他识别方法对比实验,验证了文中方法的有效性.     

基于纹理特征与BP神经网络的运动车辆识别

在Gabor小波滤波器组与图像卷积值作为特征向量达到很高识别率的基础上,提出了一种特征值加权的Gabor小波纹理特征的提取方法.首先Gabor小波函数与纹理图像做卷积,然后加权处理尺度各不相同和方向各不相同的的卷积值,最后将均值和方差看作它们的特征向量,该方法使特征维数有所降低,并利用BP神经网络进行训练和仿真,实现运动车辆纹理图像的自动分类,达到运动图像的识别.实验结果表明此算法有效降低了图像的识别错误,增强了稳健性,对质量差的图像能够有效识别.     

基于多尺度Gabor滤波器组的不变特征点提取新方法

 针对复杂背景的光学遥感图像数据,提出一种基于尺度空间理论和多尺度Gabor滤波器组的目标局部不变特征提取方法.该方法优点有二:一是利用Gabor滤波器的带通特性和多通道特性可从目标图像中提取更符合视觉特性、更具物理直观性的特征点,增强了不变特征提取方法在照度变化、噪声和背景干扰下的稳健性;二是基于尺度空间理论设计的多尺度Gabor滤波器组,可使提取的特征点具有尺度不变性,增强了对遥感图像复杂几何畸变的适应性.     

大鱼际掌纹图像特征提取方法研究

为了更客观更准确的判断出患者的大鱼际掌纹的级数,可以采用图像处理技术对大鱼际掌纹进行预处理、特征提取和分类,以实现大鱼际掌纹的量化与客观识别.文中提出一种基于改进的二维主成分分析技术（2DPCA）再结合Gabor滤波的特征提取方法.以定位分割并经增强处理的大鱼际掌纹图像为基础,获得图像的特征矩阵,作为下一步量化分级的特征输入量.仿真实验结果表明该方法是适用有效的.     

多尺度Gabor小波变换在图像检索中的应用

在基于内容的图像检索中,纹理特征是一种重要而又难以描述的特征。为提高图像检索中纹理特征的提取效率,通过对Gabor滤波器滤波特点的研究,提出一种基于多尺度Gabor小波纹理的图像检索方法。设计了一组具有多种尺度和多个方向的滤波器组,选择并优化滤波器组的各参数,对图像进行滤波和特征提取。设计并实现了一个基于Gabor纹理...     

基于Gabor变换的图像纹理识别

提出了一种改进的Gabor变换的图像纹理增强算法,将空域的纹理图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,Gobar滤波器在频域内对子块其主方向上频率能量分布进行滤波,特征向量进行了匹配识别,增强特征纹线信息并对核心区域进行多方向空间频率能量滤波合成,同时也对滤波算法进行了优化,有效地减少了运算量.实验证明,该套增强算法运行稳定,效果好,可有效提取纹理图像特征纹线信息.     

基于Gabor小波与HOG特征的目标检测方法

针对传统的HOG目标识别方法,提出一种通过Gabor滤波融合后的进行HOG特征提取的目标检测方法。为了提高HOG特征提取信息的有效性,首先用Gabor对目标图像做了预处理,其预处理过程是针对图像Gabor特征的在尺度和方向上进行融合,形成一幅Gabor图像。为了有效提取全局的Gabor图像纹理、轮廓信息,将该图像分为大小相同且重叠的块,分别对每个块进行统计,最后用RealAdaboost级联方法对目标和非目标样本进行学习,并对测试序列进行分类。结果表明,基于梯度的Gabor预处理技术能提高目标特征提取性能。与传统的HOG目标识别的方法比较,该方法在目标图像受到干扰的情况(遮挡、重叠等)下,监测效果明显优越。     

基于Gabor滤波的表情动态特征提取方法

针对目前动态特征提取方法在提取序列表情特征时人脸外貌特征也一起被提取的缺陷,提出了一种基于Gabor滤波的表情动态特征提取方法。利用Gabor滤波器在频率和方向上的选择特性,在提取表情特征时较好地抑制了人脸外貌特征的提取,从而减少了表情特征中人脸外貌特征的含量。在Cohn-Kanade和CMU-AMP人脸库上的表情识别实验表明,本文方法获得的表情动态特征对表情识别更有效。     

基于离散曲波变换和支持向量机的掌纹识别方法

提出了一种基于离散曲波变换和支持向量机的掌纹识别方法.首先将所有掌纹样本图像和测试图像通过基于Wrapping的快速离散曲波变换进行分解,从而获得不同尺度、不同角度的曲波变换系数;掌纹重要特征信息包含在曲波变换分解系数中的低频系数中,因此将分解系数变换形成特征向量后作为特征参数送入支持向量机中进行学习训练;最后将训练好的支持向量机用于掌纹分类.基于香港理工大学Palmprint掌纹数据库进行了大量实验,实验结果证实所提方法的识别正确率相对优于小波变换方法和其它几种经典方法.     

Cancelable palmprint template generating algorithm based on adaptive threshold

Aiming at the problem of low recognition rate and poor security in the process of palmprint identity authentication, a cancelable palmprint template generating algorithm is proposed, which is based on local Gabor directional pattern with adaptive threshold by mean (mLGDP), difference local Gabor directional pattern with adaptive threshold by mean (mDLGDP) and feature fusion of them. In this method, the feature code of the image is segmented and the fea-ture vectors are extracted and binarized. Then the Bloom filter is used to achieve many-to-one mapping and the location scrambling of palmprint image. Finally, the scrambling result matrix and the user key are irreversibly transformed by the convolution operation to obtain a revocable template of the palmprint image. Both theoretical and experimental results analysis show that, in the case of key loss, the method of feature fusion can enhance the diver-sity of the original palmprint template effectively, improve the recognition rate efficiently, and have better security.     

Palmprint and Finger-Knuckle-Print for efficient person recognition based on Log-Gabor filter response

Person recognition systems based on biometrics are being increasingly utilized in any applications to enhance the security of physical and logical access systems. A number of biometric traits exist and are in use in various applications. Each biometric trait has its strengths and weaknesses, and the choice depends on the application. Palmprint is one of the relatively new biometrics due to its stable and unique characteristics. The rich texture information of palmprint offers one of the powerful means in person recognition. An important issue in palmprint recognition is to extract features that can discriminate an individual from the other. Recently, a novel hand-based biometric feature, Finger-Knuckle-Print (FKP), has attracted an increasing amount of attention. Like any other biometric identifiers, FKPs are believed to have the critical properties of universality, uniqueness and permanence for person recognition. In this paper, we propose a multiple traits system for person recognition using palmprint and FKP. We have used 1D Log-Gabor response to extract the information from these two traits. So, each trait is represented by the real and the imaginary templates. Such extracted templates are compared with those of the database using the Hamming distance. Using the Hong Kong Polytechnic University (PolyU) database, the experimental results showed that the proposed system achieves excellent performances in terms of computation cost and of recognition rates, for both verification and identification.     

基于最近相关性分类器的单样本掌纹识别

为了解决单样本掌纹识别的困难,研究了基于最近相关性分类器(NCC)的单样本掌纹识别方法。首先对掌纹图像进行分块,划分为若干个子图像;然后运用统计特征、傅里叶变换、离散余弦变换(DCT)和Gabor变换4种方法对子图像进行特征提取,将所有子图像的特征向量组合在一起形成该图像的特征向量;最后应用NCC进行分类识别。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明:与最近邻分类器(NNC)和支持向量机(SVM)相比,在不同大小的子图像上,运用不同的特征提取算法,NCC均提高了识别率;分类时间在0.3～0.7s之间,满足实时系统的需求。     

基于双Gabor方向韦伯局部描述子的掌纹识别

该文结合掌纹图像的纹理特点,对原始韦伯局部描述子(WLD)中的差分激励和梯度方向进行改进,提出双Gabor方向韦伯局部描述子(DGWLD),以提高掌纹识别率。在构建新的差分激励图时,通过加入邻域像素点与中心像素点间灰度差分的方向信息,扩大异类掌纹间的差异。同时,采用双Gabor方向代替原始的梯度方向,减小平移和旋转对识别的影响。此外,为了更好地衡量特征间的相似度,使用交叉匹配算法,进一步提升识别率。在PolyU, MSpalmprint和CASIA掌纹库上进行实验,识别率均达到100%。实验的结果表明,与其它局部描述子和已有改进的WLD方法相比,该文方法具有更高的识别率和更低的等错误率。     

基于改进二维主成分分析的在线掌纹识别

掌纹识别是生物特征识别技术的新热点,论文提出使用二维主成分分析算法(2D PCA)提取掌纹图像的统计特征,实验表明其泛化能力优于传统主成分分析算法(PCA).在此基础上,论文提出且定义了改进的二维主成分分析,并证明它在保持训练样本图像总体散度的同时更有效的提取样本特征.改进的算法在得到99.72%高识别率的同时,大幅降低了原算法的特征维数、识别计算的复杂度,使系统的实用性进一步提高.