基于不变矩的掌纹识别方法

特征提取是掌纹识别研究中最基本的问题之一,对于掌纹图像识别而言,提取有效的分类特征是完成掌纹识别任务的一个关键问题。掌纹特征提取的本质就是把原始的高维掌纹图像样本数据投影到一个更有利于掌纹分类的低维特征子空间中。利用不变矩,对掌纹图像进行特征提取,采用最近邻分类器进行掌纹识别,在公共掌纹数据库上的实验结果表明,该方法是可行的。     

小波不变矩的低空风切变识别

针对微下击暴流、低空急流、顺逆风以及侧风低空风切变样本图像间的形状特性关系,主要研究了小波不变矩的特征提取技术在风切变识别中的应用.首先,采用基于三次B样条的小波不变矩提取风切变图像的形状特征.然后,将提取的特征通过Fisher线性判别分析(LDA)降低维数,实现风切变有效特征的提取.最后,采用三阶近邻分类器分类识别四种低空风切变.实验结果表明,该算法与应用Hu矩和Zernike矩特征进行分类识别相比,识别结果更加稳定,且平均识别率得到了较大提高,能够有效用于风切变图像的类型识别中.     

基于灰度曲面匹配的掌纹识别方法

针对掌纹纹理特点,提出一种基于灰度曲面匹配的掌纹识别方法。将掌纹灰度图像看作是三维空间下的灰度曲面,并将该曲面作为特征进行匹配,由于将整个图像作为特征,有难以被伪造的特点,抛弃了特征提取和编码等传统操作,提高了掌纹识别系统的安全性和识别速度。对100个手掌类的1 000幅掌纹图像数据库,进行了匹配实验。用Haar小波降低分辨率到3级的情况下,其正确识别率仍然能够达到98.45%。识别时间为23.5 ms。理论分析与实验结果表明,该方法识别准确率高,识别速度快。     

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。     

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。     

一种基于组合不变矩的新的舰船图像目标识别方法

利用图像的不变矩特征进行目标识别是一种有效的方法.通过比较Hu矩、仿射不变矩和小波不变矩的特点和适用条件,提出了一种运用部分Hu矩、仿射矩和小波矩组合来识别舰船图像目标的方法.仿真实验结果表明,该组合矩对于提高舰船图像目标的识别率是有效的.     

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.     

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。     

基于掌纹、人脸关联特征的身份识别算法

首先对掌纹、人脸图像进行融合;接着利用小波变换增强融合后图像;然后利用一种新的子空间分析方法--对角离散余弦变换和二维主元判别分析(Diagonal,Discrete Cosine Traasform and Two-Dimensional Principle Component Analysis,Dia-DCT+2DPCA)相结合的算法进行特征提取;最后运用最小距离分类器进行识别.实验结果表明,本文算法有效地提高了身份识别的正确识别率.     

基于灰度分布特征的层次掌纹识别方法

目前掌纹识别算法主要集中在对掌纹图像所切取的ROI区域的研究,而对原始手部图像的灰度分布特征则讨论较少。在一定光照条件下,掌部不同位置的主线、皱纹和表层皮肤颜色的深浅在灰度图像上各自对应了不同的灰度级。该文提出一种利用手部尺寸和角度信息完成粗分类,借助单元信息熵的概念来分析手部图像的灰度分布特征从而完成细分类的层次掌纹识别方法。该方法不同于传统的对ROI区域进行特征提取的方法,直接利用整幅人手图像完成分类识别。在99类共990幅手部图像的数据库上进行的实验结果与PCA和LDA算法的对比表明,该算法具有比传统算法更高的鲁棒性,识别率也得到了较大幅度的提高。     

基于随机非负独立元分析的掌纹识别

提出运用随机非负独立元分析（SN—ICA）的新方法进行掌纹识别。为了减少计算量,运用SN-ICA算法前,先采用主元分析（PCA）算法去除掌纹图像的二阶统计特征相关性,其余的高阶非负统计特征由SN-ICA分离。首先用PCA和SN-ICA提取投影向量,然后将训练图像和待识别图像向投影向量上投影得到低维特征向量,最后计算特征...     

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...     

Modeling intrapersonal deformation subspace using GMM for palmprint identification

In this paper, an efficient model of palmprint identification is presented based on subspace density estimation using Gaussian Mixture Model （GMM）. While a few training samples are available for each person, we use intrapersonal palmprint deformations to train the global GMM instead of modeling GMMs for every class. To reduce the dimension of such variations while preserving density function of sample space, Principle Component Analysis （PCA） is used to find the principle differences and form the Intrapersonal Deformation Subspace （IDS）. After training GMM using Expectation Maximization （EM） algorithm in IDS, a maximum likelihood strategy is carried out to identify a person. Experimental results demonstrate the advantage of our method compared with traditional PCA method and single Gaussian strategy.     

Gabor-based kernel PCA for palmprint recognition

A novel Gabor-based kernel principal component analysis (PCA) method by integrating the Gabor wavelet representation of palm images and the kernel PCA method for palmprint recognition is proposed. The feasibility of the proposed method has been successfully tested on two different public data sets from the PolyU palmprint databases, for which the samples were collected in two different sessions.     

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。     

基于不变性特征的SVM遥感图像飞机类型识别

根据遥感图像飞机目标的特点,提出一种基于不变性特征的支持向量机(SVM)识别算法。首先结合小波分解进行平移、旋转、缩放不变性特征提取;然后对基于遗传算法(GA)的SVM模型参数选择方法在核函数的选择、搜索空间的确定等方面进行改进,并用改进后的算法实现SVM模型参数选择。对480幅遥感图像进行仿真实验,得到97.56%的正确识别率。与BP神经网络相比,识别率高,验证了算法的有效性。     

一种掌纹纹线结构特征的描述和匹配方法

掌纹的纹线结构特征明显,稳定且具有足够的辨别信息。由于掌纹线很不规则,很难用数学表达式的方式对其结构进行精确描述。该文提出一种新的用于掌纹识别的纹线结构特征描述和匹配方法。该方法应用改进的注水算法从二值的纹线图像上提取纹线的统计结构特征;标记纹线方向,提取纹线的方向结构特征;将掌纹线的全局统计结构特征和局部细节方向结构特征整合为一个特征向量描述掌纹纹线的结构特征;最后定义一个加权距离衡量不同纹线结构特征之间的相似度。实验表明,该方法不仅具有较好的匹配性能,而且可以获得较高的识别精度。     

Real-time palmprint acquisition system design

Capturing high quality palmprint images in a very short time period is a fundamental step in palmprint research. While a palmprint scanner capable of this function is especially important for developing a real-time online palmprint identification system, limited research effort has been put into designing and implementing palmprint acquisition systems. A novel palmprint acquisition system is presented, which is designed for various civilian applications such as access control, ATM, etc. The novel contactless design on the user interface prevents the distortion of the palm skin introduced by the traditional glass plate of a palm scanner. The system is designed to have the best performance at reasonable price. It has a resolution of 150 dpi that is able to obtain palmprint features, including the principal lines, wrinkles and ridge texture. The proposed system provides an important step for implementing a personal identification system using palmprint. Over 9,400 palmprint images were collected by the proposed system. An online palmprint identification system was then developed based on the proposed acquisition system.