支持向量机虹膜识别算法研究

提出一种基于极值加权平均分数维特征提取和支持向量机分类器识别的虹膜识别方法.利用形态学和圆形边缘检测算子定位虹膜,并将虹膜纹理映射到极坐标空间;定义了一种新的图像分敷维--极值加权平均分数维,用于提取虹膜特征;利用支持向量机分类器对虹膜特征矩阵进行匹配识别.试验表明,基于极值加权平均分数维特征提取和支持向量机分类嚣识别的虹膜识别系统识别率高,速度快.     

虹膜自相似性识别方法研究

针对虹膜的纹理变化细节具有自相似性的特点，在传统的分形理论基础上，提出一种新的分形维数——变化分数维作为其特征；然后使用增量支持向量机对不同条件下获得的虹膜样本进行学习，所得的增量支持向量机用于识别测试虹膜样本．实验表明文中方法是可行的，变化分数维较好地反映了虹膜的纹理变化特性，而把学习机制引入虹膜识别方法，也有助于提高虹膜识别系统的鲁棒性．     

基于水平扩张毯子维的掌纹识别

掌纹识别作为一种新兴的生物识别技术近年来得到了广泛研究.鉴于毯子 维(Blanket dimension, BD)的多分辨率特性和掌纹纹理的方向性,本文对比分析了普通毯子维、水平方向扩张 毯子维和垂直方向扩张毯子维对掌纹分形特征的表达性能,提出并研究了一种基于水平扩张 毯子维的掌纹识别新算法.本文算法在香港理工大学掌纹数据库(版本2)进行了实验,实验结 果表明,水平扩张毯子维可以很好地提取掌纹特征,获得的识别率可达99.9%,识别时间 小于287ms,可满足在线掌纹识别.     

一种基于分数维的虹膜识别方法

提出了一种基于极值加权平均分数维特征提取的虹膜识别方法. 针对亚洲人虹膜纹理反差弱的特点, 设计了高分辨率虹膜采集设备; 利用形态学和圆形边缘检测算子定位虹膜, 并将虹膜纹理映射到极坐标空间; 定义了一种新的图像分数维---极值加权平均分数维, 用于提取虹膜特征; 最后, 利用相关分类器对虹膜特征矩阵进行匹配识别. 试验表明极值加权平均分数维能很好地提取虹膜特征, 系统识别率高, 速度快.     

一种基于分形的木材细胞图像特征提取方法*

木材纹理图像的分形维数可以代表木材很多的纹理特征,它是木材树种的一项重要数字特征参数。为了提取木材纹理特征,提出采用改进差分盒子法计算木材纹理细胞图像的分形维数值。理论分析和实验结果表明：该方法能够提取木材纹理特征,并且能在一定程度上克服图像比例大小对于特征提取所造成的影响,是木材纹理特征参数提取的一种重要方法。     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

基于遗传算法的海底沉积物纹理特征优化方法

为了提高水下机器人对海底沉积物的自主分类感知能力,解决特征冗余问题,对利用遗传算法优化海底沉积物纹理特征进行了研究。以基于灰度共生矩阵和分形理论提取多种海底沉积物视觉纹理特征实现海底沉积物分类识别为背景,提出利用遗传算法对纹理特征项进行优化选择以实现对提取特征的降维,并将降维后的特征项作为自组织映射神经网络模型的输入,对海底沉积物进行视觉分类,提高水下机器人作业时的环境感知能力。实验结果表明,相对于未优化的纹理特征,优化后的纹理特征在海底沉积物分类识别中具有更优的分类效果。     

基于小波包分析的虹膜识别研究

虹膜特征提取是虹膜识别中的关键环节.小波方法在提取虹膜特征时未对分解后的高频空间进一步细化分解,而虹膜纹理特征较多地蕴含在高频空间中,因此提取的虹膜特征在表示特征能力上存在不足.针对此类问题,提出一种基于小波包多尺度分解的虹膜识别方法,利用阈值将小波包分解后第二层对角高频子带图调制为虹膜特征码,利用海明距离对特征进行识别.对108类人眼虹膜图像进行特征提取与匹配,分解小波采用sym2小波,共进行5350次特征匹配,正确识别率达到98.5％,在识别性能上优于Boles的小波变换过零点法和Lim的二维Haar小波变换法,仅次于Daugman的二维Gabor方法.     

基于小波包分析的虹膜识别研究

虹膜特征提取是虹膜识别中的关键环节.小波方法在提取虹膜特征时未对分解后的高频空间进一步细化分解,而虹膜纹理特征较多地蕴含在高频空间中,因此提取的虹膜特征在表示特征能力上存在不足.针对此类问题,提出一种基于小波包多尺度分解的虹膜识别方法,利用阈值将小波包分解后第二层对角高频子带图调制为虹膜特征码,利用海明距离对特征进行识别.对108类人眼虹膜图像进行特征提取与匹配,分解小波采用sym2小波,共进行5350次特征匹配,正确识别率达到98.5％,在识别性能上优于Boles的小波变换过零点法和Lim的二维Haar小波变换法,仅次于Daugman的二维Gabor方法.     

虹膜识别算法的应用研究

研究虹膜识别问题.针对传统识别算法不能够很好的消除平移,缩放和旋转对于虹膜识别的影响,以及一维 log Gabor滤波特征提取方法丢失二维信息的缺陷,导致虹膜识别的正确率低的难题,提出一种改进的虹膜识别算法.首先在虹膜预处理过程中采用粗定位和精定位相结合的虹膜定位方法获取虹膜内外边缘,并用直方图均衡化来增强归一化的虹膜图像.突出虹膜纹理,从而降低光照不均匀性的影响,然后二维 logGabor 滤波取代一维 log Gabor 滤波来提取虹膜纹理特征,克服一维 log Gabor 滤波丢失二维信息的缺陷,最后对提取的特征进行编码,采用欧式距离进行匹配得到识别结果.通过 CASLA虹膜数据库进行了仿真,实验结果表明,相对于当前典型的虹膜识别方法,提高了虹膜识别的正确率,识别速度相应加快,在虹膜识别领域中有着广阔的应用前景.     

基于分形缝隙的短波突发信号暂态特征提取

对信号的暂态特征提取有利于通信电台的个体识别。针对分形维数在特征提取中存在的非普适性问题,提出了基于分形缝隙的短波突发信号暂态特征提取方法,该方法以幅度值为尺度计算缝隙值作为暂态特征,与分形维数相比,可以更有效地描述信号的暂态特性。在高斯白噪声和短波信道下进行了仿真分析,实验结果验证了缝隙值作为暂态特征的有效性。     

分块小波特征结合BP神经网络的虹膜识别方法

在对虹膜特征提取时,绝大多数方法是直接对虹膜归一化后的增强图像进行某种变换,为降低虹膜特征维度,同时保证识别效率,提出了对归一化虹膜径向折叠分块、环向周期分块再进行haar小波变换的方法,降低了虹膜区域对噪声的敏感性,在减少虹膜特征维度的同时,保证了虹膜有效特征不被中和。为进一步克服虹膜识别中对旋转的敏感性,采用了周期延拓的小波变换方式提取高频信息。最后利用BP（Back Propagation）神经网络的分类方法,将小波变换后的高频信息直接作为分类器的输入,进一步提高了虹膜识别正确率。实验表明,提出的方法特征点数低至120,正确识别率可达到99.48%。     

New method for feature extraction based on fractal behavior

In this paper, a novel approach to feature extraction based on fractal theory is presented as a powerful technique in pattern recognition. This paper presents a new fractal feature that can be applied to extract the feature of two-dimensional objects. It is constructed by a hybrid feature extraction combining wavelet analysis, central projection transformation and fractal theory. New fractal feature and fractal signatures are reported. A multiresolution family of the wavelets is also used to compute information conserving micro-features. We employed a central projection method to reduce the dimensionality of the original input pattern. A wavelet transformation technique to transform the derived pattern into a set of sub-patterns. Its fractal dimension can readily be computed, and to use the fractal dimension as the feature vectors. Moreover, a modified fractal signature is also used to distinguish the distinct handwritten signatures. We expect that the proposed fractal method can also be used for improving the extraction and classification of features in pattern recognition.     

Gabor滤波器参数设计及其在虹膜识别中的应用

利用二维Gabor滤波器组编码虹膜纹理的方法,已被广泛地应用于虹膜识别中。该方法的关键是滤波器组的参数设计,直接影响着识别准确率。深入分析了二维Gabor滤波器各参数的作用,提出了一种适用于虹膜纹理特征提取的Gabor滤波器参数设计方法。该方法根据理论分析建立起参数间的关系,借助傅里叶变换和频谱分析确定参数取值。实验证明,依据该方法设计的滤波器组用于虹膜识别,效果好、识别率高。     

IrisCodeNet：虹膜特征编码网络

使用有效的特征提取算法对虹膜纹理进行准确的表达是虹膜识别技术的关键。基于虹膜识别任务的特殊性,提出了用于虹膜特征编码的网络模型IrisCodeNet。该网络架构使用了改进的BasicBlock,并结合了可以扩大决策边界的损失函数AM-Softmax（additive margin softmax）。为了获取最佳的虹膜识别效果,对AM-Softmax的参数设置、虹膜图像预处理输入形式、数据增强方式、网络输入尺寸做了细致的研究。实验结果表明：使用IrisCodeNet训练得到的特征提取器在CASIA-Iris-Thousand、CASIA-Iris-Distance、IITD虹膜数据库上进行测试,所评估的等错误率（equal error rate,EER）和正确接受率（true acceptance rate,TAR）均远远超过了广泛应用的传统算法。特别地,IrisCodeNet无需传统的虹膜归一化或精确的虹膜分割步骤依然取得了极好的识别效果。并且使用Grad-CAM（gradient-weighted class activation mapping）算法进行了可视化分析,结果表明该网络框架有效地关注了虹膜纹理信息,从而证明了IrisCodeNet具有较强的虹膜纹理特征提取能力。