掌纹主线和纹理特征融合的识别方法

针对掌纹单特征提取方法提取的掌纹特征信息较为单一以及近年来掌纹特征融合方法在纹理特征提取过程计算量偏大和没有将掌纹感兴趣区域(ROI)的多种特征进行融合的缺陷,本文提出了一种掌纹主线和纹理特征融合的方法。利用数学形态学和基于统一模式的LBP算子分别提取增强的掌纹ROI的主线特征和纹理特征信息,再利用融合规则将两种特征信息进行融合。对各特征图进行直方图统计得到特征向量后输入SVM分类识别,再将识别率最高的特征图进行分块直方图统计,将所得特征向量输入到SVM进行分类识别并与其他方法作对比。     

MEEMD特征掌纹的2DPCA识别方法

为了提高识别率,提出了基于MEEMD和2DPCA的掌纹识别方法.利用MEEMD技术对掌纹图像进行分解,得到本征模式函数（IMF）分量,用高频分量重构掌纹图像,形成掌纹识别图像集.然后利用2DPCA技术进行识别.MEEMD重构掌纹能够突出掌纹细节特征,提高识别率.采用香港理工大学掌纹数据库进行实验,将此方法与不包含MEEMD的2DPCA方法进行比较,实验结果说明此方法有较高的识别率和较快的识别速度.     

基于双目立体视觉与结构光的便携式非接触三维掌纹采集系统

随着三维测量技术的成熟,非接触式三维(3D)掌纹采集系统为掌纹识别的研究提供了新的途径.为了提高3D掌纹信息的采集精度,提出一种融合双目立体视觉与结构光的便携式非接触3D掌纹采集系统.首先将编码图案投影到目标手掌表面,使用双目相机获取左右视图后,采用格雷码-相移法获取目标的绝对相位信息,然后引入波义耳摩尔投票算法进行最...     

基于离散余弦变换和主线分块能量的模糊掌纹识别

针对非接触式掌纹采集时离焦状态导致的图像模糊问题,提出一种新颖的识别方法。使用离散余弦变换(DCT)在频域内提取低频系数作为稳定特征,使用改进的局部灰度极小值法提取空域内的稳定特征即主线,再使用分块方法计算主线能量形成特征向量,然后将频域和空域内的稳定特征进行融合,最后利用向量之间的欧式距离进行识别。在SUT-D模糊掌纹库上的测试结果表明,与融合之前及其他典型识别方法比较,本文算法识别率最高可达96.057 8%,表明本文方法在识别性能上具备有效性和优越性,为解决模糊掌纹的识别问题提供了一条可行途径。     

基于数字相关滤波器的掌纹识别

为了在频域内对相位谱建立模型,运用相关滤波器方法进行掌纹识别。首先运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用训练图像设计最小平均相关能量(MACE)滤波器,然后计算训练图像和测试图像的相关输出平面,根据峰与相关能量(PCE)比值指标进行掌纹匹配。运用PolyU掌纹图像库,对本文算法进行测试。实验结果表明,与传统子空间方法相比,本文方法的识别性能最优,识别率为100%,特征提取和匹配总时间小于0.5 s,具有快速、有效和易于实现等优点。     

局部方向二值模式结合协同表示的3D掌纹识别

针对三维掌纹特征表示准确性差的问题,提出一种局部方向二值模式（Local Orientation Binary Pattern,LOBP）结合协同表示（Collaborative Representation,CR）的3D掌纹识别方法。利用掌纹主方向和方向置信度的编码来共同表达掌纹的方向信息,从而有效提高方向编码的准确性。使用表面类型编码来刻画掌纹的结构,充分表达掌纹的几何特征。最后,在分类识别时通过协同表示的方法将特征结合进而完成掌纹识别。在香港理工大学3D掌纹库上进行实验,结果表明获得的平均识别率最高可达99.55%,平均识别时间为0.874 9 s。所提方法可以在保持较低识别时间的同时提高3D掌纹的识别精度。     

基于核局部Fisher判别分析的掌纹识别

运用核局部Fisher判别分析(KLFDA)进行掌纹识别。为了解决小样本图像识别中特征方程矩阵的奇异性问题,首先运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用KLF-DA提取低维的投影向量;然后将训练图像和待识别图像的核矩阵向投影向量上投影,得到非线性局部判别特征;最后计算特征向量间的余弦距离,进行掌纹匹配。运用PolyU掌纹图像库对算法进行测试,实验结果表明,与主元分析(PCA)、Fisher判别分析(FDA)、独立元分析(ICA)、核主元分析(KPCA)和局部Fisher判别分析(LFDA)相比,本文算法的识别率(RR)最高为99%,特征提取和匹配总时间0.031 s,满足实时系统的要求。     

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log-Gabor与FT数据融合的掌纹识别算法

本文提出一种基于数据融合的掌纹识别算法。该算法首先利用log-Gabor小波提取掌纹纹理特征,同时用傅立叶变换(Fourier Transform,FT)提取掌纹频域统计特征,然后分别与库中模板进行匹配,最后对两种匹配结果进行数据融合,得到最终识别结果。该算法中的基于手掌中基准点的手掌定位方法,使得定位中的方向校正更为准确。实验结果达到较高的识别率,验证了该算法的有效性。     

一种改进含噪多聚焦图像融合方法

针对目前多聚焦图像融合方法处理含噪图像缺乏有 效性而导致融合效果较差的问题,提出一种引导滤波结合脉冲耦合神经网络(PCNN)的非下采 样Shearlet变换(NSST)域内多聚焦图像融合方法。 首先,分别对待融合多聚焦图像进行NSST获取其相应高频子带和低频子带系数;对高 频子带系数,通过引导滤波结合改进简化PCNN模型设置融合规则;提取相位一致性、清晰 度和亮度等底层视觉特性,指导低频子带系数融合权重;最后反NSST获取最终融合结 果。实验结果表明,本文方法能够在噪声干扰情况下有效完成多聚焦融合,并且边缘和纹理 信息保持较好,当20标准差噪声时互信息提升了近0.15具有有效性。     

基于曲面类型与深度学习融合的三维掌纹识别技术

传统的2维掌纹识别在图像采集时容易受到干湿度、残影和压力等影响,使得其鲁棒性和准确性降低.为解决这些问题,3维掌纹识别技术应运而生.现有的3维掌纹身份认证技术需要将掌纹的特征提取与匹配识别分开进行,不仅延缓了识别时间,更增加了不同方法优化组合的难度.该文提出一种基于曲面类型(ST)与深度学习融合的3维掌纹识别方法.该方...     

基于核主元分析和Fisher线性判别的掌纹识别

提出了基于核主元分析(KPCA)和FLD相结合的掌纹识别方法.对每幅掌纹图像应用KPCA进行降维,然后将二维图像矩阵转换成一维图像矢量.PolyU掌纹图像库中所有图像矢量组成的数据矩阵作为FLD的输入,进行特征提取,计算特征矢量间的余弦距离进行掌纹匹配.实验结果说明,与传统的PCA+FLD相比,在不同的特征个数下,本文方法均取得了较小的等错率(EER),而且特征提取时间较短,运行速度较快.在三种不同的核函数中,RBF核函数的识别效果最佳,等错率最小为0.     

基于改进S变换的手掌静脉身份识别

针对目前基于手掌静脉的身份识别问题,分析了 掌脉图像的纹理特性,提出一种利用改进的S变换 能量特征的识别方法。首先对掌脉图像进行二维离散正交S变换(2D-DOST),将变换后的 频域图像作为 掌脉纹理特征的一种体现,即形成S变换能量曲面(STES);然后将不同掌脉能量曲面进行 减法运算,得 到能量差曲面,进一步计算曲面的标准差,并以此为依据对不同掌脉进行分类识别。在通 用的接触式标 准掌脉图库上测试的结果表明,本文方法正确识别率为99.892,识 别时间为0.017s;同时使用自主 设计的采集仪在非接触环境下测试的结果表明,本文方法正确识别率可达99.480,识别时间为 0.020s。相比其他典型和流行算法,本文算 法提高了手掌静脉识别系统的性能,具有可行性和有效性。     

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.     

Personal recognition using hand shape and texture.

This paper proposes a new bimodal biometric system using feature-level fusion of hand shape and palm texture. The proposed combination is of significance since both the palmprint and hand-shape images are proposed to be extracted from the single hand image acquired from a digital camera. Several new hand-shape features that can be used to represent the hand shape and improve the performance are investigated. The new approach for palmprint recognition using discrete cosine transform coefficients, which can be directly obtained from the camera hardware, is demonstrated. None of the prior work on hand-shape or palmprint recognition has given any attention on the critical issue of feature selection. Our experimental results demonstrate that while majority of palmprint or hand-shape features are useful in predicting the subjects identity, only a small subset of these features are necessary in practice for building an accurate model for identification. The comparison and combination of proposed features is evaluated on the diverse classification schemes; naive Bayes (normal, estimated, multinomial), decision trees (C4.5, LMT), k-NN, SVM, and FFN. Although more work remains to be done, our results to date indicate that the combination of selected hand-shape and palmprint features constitutes a promising addition to the biometrics-based personal recognition systems.     

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.     

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。     

一种粒子群优化原型模式修正力度的协同分类方法

协同模式识别是一种有着抗噪声、抗缺损、强鲁棒性等诸多优良特性的模式识别方法,其中原型模式的选取模式识别结果有着决定性的作用,其选取直接决定着模式识别的结果和效果,各种方法中信息反馈修正的方法能获得较的效果,但易出现信息饱和的问题;提出了一种粒子群优化修正力度的处理机制,能有效改善此问题,获得最优原型;改进的算法应用于纹理和鼻咽癌细胞图像识别,结果表明,该方法能有效地提高协同神经网络的识别率和可靠性,且识速度也有提高.     

Image Restoration Using Hybrid Features Improvement on Morphological Component Analysis

Images are generally corrupted by impulse noise during acquisition and transmission. Noise deteriorates the quality of images. To remove corruption noise, we propose a hybrid approach to restoring a random noise-corrupted image, including a block matching 3D (BM3D) method, an adaptive non-local mean (ANLM) scheme, and the K-singular value decomposition (K-SVD) algorithm. In the proposed method, we employ the morphological component analysis (MCA) to decompose an image into the texture, structure, and edge parts. Then, the BM3D method, ANLM scheme, and K-SVD algorithm are utilized to eliminate noise in the texture, structure, and edge parts of the image, respectively. Experimental results show that the proposed approach can effectively remove interference random noise in different parts; meanwhile, the deteriorated image is able to be reconstructed well.