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。     

基于小波神经网络的掌纹识别方法的研究

为提高掌纹图像识别率,首先利用手掌的几何轮廓对所采集到的掌纹图像进行预处理,进行分割得到感兴趣的区域.再利用小波变换对掌纹图像分别进行多层分解,进而提取小波特征.最后利用BP神经网络进行分类.通过仿真实验表明,与单一的神经网络方法进行掌纹识别相比,这种将小波分析与神经网络相结合的方法收敛步数少、用时短、具有较高的识别率.     

核Fisher鉴别分析在掌纹识别中的应用

核Fisher的鉴别方法(KFDA)是模式识别中较为突出的提取图像非线性特征的方法。为了更好的提取掌纹图像的非线性特征,将KFDA方法引入到掌纹识别中。首先对掌纹图像做小波变换进行降维,在保留原始图像轮廓信息和特征的基础上,然后进行核Fisher判决方法进行特征提取并引入零空间的核Fisher(ZKFDA)方法解决小样本问题,最后用最小距离分类器进行掌纹匹配。通过PolyU掌纹图像库,实验结果表明,在不同的特征个数下,KFDA方法比二维Fisher准则(2DFLD)方法识别率高;零空间ZKFDA的平均识别率高于KFDA,并且计算量大大减少。在核函数选取上,取RBF核函数的识别性能最佳。     

一种新的掌纹ROI图像定位方法

在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法。该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的三个关键角点,从而有效提取出掌纹图像的感兴趣区域(ROI)。实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率。     

基于Gabor小波的人脸表情特征提取研究

为了使计算机能更好的识别人脸表情,对基于Gabor小波变换的人脸表情识别方法进行了研究。首先对包含表情区域的静态灰度图像进行预处理,包括对确定的人脸表情区域进行尺寸和灰度归一化,然后利用二维Gabor小波变换提取脸部表情特征,使用快速PCA方法对提取的Gabor小波特征初步降维。再在低维的空间中,利用Fisher准则提取那些有利于分类的特征,最后用SVM分类器进行分类。实验结果表明,上述提出的方法比传统的方法识别速度更快,能达到实时性的要求,并且具有很好的鲁棒性,识别率高。     

基于双树复数小波变换的掌纹特征提取

根据掌纹纹理的多分辨率、多方向特性,提出了一种基于双树复数小波变换的掌纹特征提取方法,利用双树复数小波变换具有的近似平移不变性,多方向选择性对掌纹图像进行特征提取,全面的描述了掌纹图像的纹理特性.该方法首先对掌纹图像进行多尺度双树复数小波变换,然后将每个细节图像分块,计算每个细节图像每块各点的幅值之和,形成矢量,归一化后形成掌纹特征矢量,最后使用加权的城区距离进行匹配.在1000幅掌纹图像上进行实验,结果是该方法具有的0.093 5%的等错率,发生等错率时的正确识别率为99.908 1%,在行和列方向上的抗平移能力约为一6～+6个像素.对比实验表明本方法在提取掌纹特征和抵抗平移的能力好于基于实数小波能量特征的方法.     

Gabor小波和LPP相结合的人脸识别方法研究

提出将Gabor小波变换和LPP算法相结合进行人脸识别.算法首先利用了Gabor滤波器良好的空间位置与方向的选择特性,获取图像全局信息的特征描述;然后利用LPP算法对其降维,很好地保留了图像的局部信息.通过ORL和YALE人脸库上的实验,表明该算法能够有效地提取与表情、姿态变化等有关的特征,并能有效地屏蔽光照变化及个人特征差异的影响,最高识别率可达到99.11％.     

基于小波变换和部分最小二乘的掌纹识别

子空间法作为一种传统的识别方法,识别时基于整幅图像,复杂性比较高,而且没有考虑类别信息.为了降低计算复杂性和在提取数据特征的同时融入类别信息,研究了一种基于小波变换和部分最小二乘(PLS)的掌纹识别算法.在建议的识别方法中,首先通过小波三级分解提取低频子图像,对低频子图像应用PLS提取掌纹特征,然后将样本投影到提取的特征上作为特征向量进行分类识别.应用PolyU掌纹图像库进行实验分析,实验结果表明:与主元分析(PCA)、二维主元分析(2DPCA)和独立主元分析(ICA)相比,该方法的识别率得到了很大的提高,大大减小了误识率和拒识率,验证了该方法的有效性.     

Gabor小波与HOG特征融合的行人识别算法

针对传统HOG特征行人检测方法中,当目标存在遮挡以及面对复杂环境条件下,行人识别存在较高漏检率和误检率的问题,提出一种基于Gabor小波与HOG特征融合(G-HOG)的行人识别算法。利用Gabor小波对样本图像进行特征变换并在尺度和方向上融合,获取Gabor特征图像,利用HOG算子在特征图像上提取目标特征,进行样本分类,获取行人目标的疑似区域;对行人样本进行HOG特征提取与训练,实现对疑似区域的目标识别。实验结果表明,基于G-HOG特征的行人识别算法在INRIA、MIT与Daimler数据库上性能表现良好,能够获取较高的查全率和识别率。     

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Gabor小波与Memetic算法的人脸识别方法

提出一种基于Gabor小波与Memetic算法的人脸识别方法MA-Gabor(Memetic Algorithm-Gabor).算法使用一组特定的Gabor小波滤波器对人脸图像重要区域进行针对性的特征提取运算,可在较短处理时间内获得更具区分能力的识别数据.为提升识别性能,MA-Gabor引入Memetic算法用于Gabor小波滤波器组的优化设计.实验结果表明,Memetic算法可获得比传统优化方法更佳的设计效果.通过将优化设计的Gabor小波滤波器组用于人脸图像的特征提取,MA-Gabor算法可取得比现有人脸识别方法更高的识别率.     

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.     

基于Gabor小波的频域快速纹理特征提取

针对常用的Gabor小波特征提取方法卷积运算量大、耗时长这一不足,采用了将空间卷积用频域乘积代替,然后直接在频域提取Gabor小波滤波后幅值图像的子带能量作为原图像特征的方法,节省了大量的计算时间,加快了特征提取速度。实验将Gabor小波变换提取的特征应用于纹理图像分类,结果表明,在保证识别率的情况下,在此采用的方法比常用的方法能明显提高识别速度,具有更好的实时性。     

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。     

小样本条件下基于全局和局部特征融合的人脸识别

针对线性判别分析的小样本空间问题,提出了一种基于类向量的融合全局和局部特征的人脸识别算法.首先,提取人脸的全局特征;然后将人脸分割成6个关键部分,并用一种新的基于Gabor小波的方法提取特征;其次,将全局和局部特征融合,得出样本的特征向量;再次,得出每类样本的类向量并据此得出一种新的投影准则;最后,将类向量和试验样本分别进行投影,根据其欧氏距离的大小得出试验人脸的最终类.试验表明本文算法不仅能有效解决小样本空间问题,而且计算速度快,识别率高,应用前景良好.     

采用局部二值模式与深度信念网络的人脸识别

针对人脸维度过高和人脸局部特征提取易忽略的问题,提出了一种将多尺度局部二值模式( LBP)算法与深度信念网络( DBN)算法相结合的人脸识别方法。首先采用多尺度LBP算法提取人脸纹理特征,进而将LBP提取的纹理特征作为深度信念网络的输入,最后通过逐层网络训练,得到网络的最优参数,并在ORL人脸库中进行测试,识别率可达95.2%,比使用Gabor小波和主成分分析(PCA)算法的人脸识别高2.6%,说明该算法具有很好的人脸识别能力。     

基于混合Gabor滤波器与加权中心对称LBP的掌纹识别

掌纹识别是一种比较新颖的生物特征识别技术,提取最佳分类特征一直是掌纹识别研究领域的一个重要方向.掌纹图像纹理特征丰富,但传统方法难以准确将其表征.针对此问题,将固定尺度及自适应多尺度Gabor滤波器结合起来,提出基于混合Gabor滤波器与加权中心对称局部二值模式(weighted center symmetric lo...