一种改进的BDPCA掌纹识别方法

在小样本的情况下,BDPCA算法中采用以训练样本的平均值作为样本分布中心,所得的特征值不一定是最优的。为此,提出了一种基于样本散度矩阵的改进BDPCA掌纹识别算法。该算法采用训练样本的K值矩阵替代训练样本的均值矩阵,构建相应的总体散度矩阵。在PolyU和CASIA掌纹库上的实验结果证明,该方法的最优识别率高于传统的BDPCA算法。     

小波分解与PCA方法的掌纹特征提取方法*

提出了一种新的掌纹特征提取方法,其目的在于在不降低识别率的情况下,提高掌纹特征提取速度。首先将原始掌纹图像进行小波分解,获得低分辨率的掌纹图像;其次通过主成分分析（PCA）方法获得一个低维子空间,即“特征掌”;最后通过将训练、测试样本在该“特征掌”上投影来提取掌纹特征。实验结果表明,所提出方法与单一PCA方法比较,在同样识别率情况下,特征提取速度明显提高。     

基于PCA-LBP特征的掌纹识别研究

关于掌纹特征提取要求提高识别率,局部二值模式(LBP)掌纹识别,提取的特征维数高,特征之间存在一定冗余,导致掌纹识别率较低.为了提高掌纹识别率,提出一种主成份分析(PCA)的LBP的掌纹特征提取方法(PCA-LBP).首先对掌纹图像进行灰度预测,采用LBP算法计算灰度直方图,得到256个灰度对应的像素数据,将其作为掌纹图像的原始特征,用主成分分析方法消除各特征之间的高度冗余性,并有效地降低了特征集的维数,得到了最有利于识别的最佳特征.根据最小欧式距离判别法对掌纹图像的进行识别,对PolyU标准库中的掌纹进行仿真实验,结果表明,相比传统的LBP算法和离散小波变换提取算法,可以提较少的特征维数取得了更高的的识别率,说明改进算法既不会丢失掌纹图像的原有信息,提高了识别率.     

基于双向二维主成分分析的掌纹识别

掌纹识别是一门新兴的生物特征识别技术.使用主成分分析对图像向量进行处理,向量维教一般都很高.二维主成分分析是直接采用二维图像矩阵来构建方差矩阵,与一维主成分分析相比能更精确地计算原始数据的协方差矩阵,双向二维主成分分析是二维主成分分析的改进算法,将其应用于掌纹识别,通过在水平和垂直2个方向上各执行1次二维主成分分析运算,消除了掌纹图像行和列的相关性,运用新准则选取了更适合于分类的主分量,大大压缩了特征的维数.在香港Poly-technic Universitv的Palmprint Database测试结果表明,该方法具有更高的识别率和更低的计算复杂度.     

基于平稳小波变换的掌纹特征提取与识别

掌纹识别作为一种重要的生物特征识别方法,其中的一个重要环节就是掌纹特征的提取。论文基于图像的多尺度分析的思想,提出了一种利用平稳小波的局部极值点来提取掌纹特征的方法。文中利用平稳小波变换,对图像进行不同方向的滤波,然后提取各方向的极值点并融合作为特征点。并以此为基础进行不同掌纹的匹配识别。     

基于Gabor小波变换和最佳鉴别特征的掌纹识别

提出了一种提取掌纹图像特征的方法,该方法的实现过程如下：首先,计算掌纹图像上均布离散位置的二维Gabor小波变换系数的幅值,将其作为掌纹图像的原始特征;其次,利用主分量分析实现Gabor小波特征的降维;最后,通过线性判别分析提取最有利于分类的最佳鉴别特征。实验结果表明了该方法的有效性。     

基于小波分解的独立分量掌纹识别方法

独立分量分析方法在图像处理中具有独特的优势，用于掌纹特征提取，使得变换后的各分量之间不仅互不相关，而且还尽可能的统计独立，能更全面的揭示掌纹特征间的本质结构。为了降低运算复杂度，提出了一种基于小波分解的独立分量掌纹特征提取方法。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细节信息的基础上，去掉高频噪声，然后进行独立分量分析，采用FastICA算法，试验结果表明,本方法比传统的独立分量分析方法的识别率更高，且计算量大大减少。     

基于改进PCA和支持向量机的掌纹识别

掌纹识别是一种新兴的生物特征识别技术。掌纹识别是用掌纹特征(包括人眼可见的和不可见的)来进行身份鉴别的一种方法。其中掌纹特征提取和掌纹特征匹配是掌纹识别研究的关键部分和核心内容。在特征提取方面,给出了两种改进的特征提取方法。先对掌纹图像进行傅里叶变换,再对变换后的图像进行主成分分析;针对掌纹图像的特点,对PCA进行改进,设计了适用于掌纹图像的分块主成分算法。将一整幅掌纹图像分为若干子块图像,在此基础上进行主成分分析。通过实验验证了改进的特征提取方法可以提高识别准确率。在特征识别方面,模版匹配虽然在一定程度上计算量小,准确率高,但容易陷入小样本问题。因此通过训练SVM分类器,进行掌纹识别。实验证明该方法有较好的可行性。     

基于小波分解和高低帽变换的在线掌纹识别*

用于身份鉴别的掌纹识别为信息安全提供一种新的方案。为减少对图像采集的限制,本文提出在小波变换的基础上,利用高低帽变换寻找低频子图像中的灰度槽,获取对比度增强的图像。把此子图像所有的变换值组合起来作为图像的特征向量以用于识别。运用UST掌纹图像库,对本文算法进行了测试。从实验的结果看,此方法解决了在线掌纹图像低对比度问题,图像识别率得以提高。证明此方法能够满足对采集图像无过多要求的认证系统的使用。     

基于模板学习的掌纹识别

针对掌纹识别中图像预处理所带来的位置变换，一种有效的模板学习算法被应用于掌纹识别的特征提取。通过样本学习，利用参数估计的方法，每种掌纹模式的理想模型表示为小波域内的特定参变量。模式识别的过程因此转换为模板之间的匹配。实验结果显示，该算法很好地解决了预处理算法的缺陷，并且获得了非常高的识别率。     

基于多线性独立成分分析的掌纹识别

为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分,利用多线性独立成分分析方法对掌纹张量进行降维,得到低维的模式矩阵,将掌纹图像向模式矩阵上投影以提取核心张量,通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明,与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比,该方法的识别率最高,且满足系统实时性要求。     

双树复小波变换结合LM神经网络的掌纹识别方案

针对现有掌纹识别方案不能够很好的提取多分辨率特征的问题,提出一种基于双树复小波变换（DT-CWT）和Levenberg-Marquardt（LM）神经网络的掌纹识别方案. 首先,将彩色手掌图像转换成灰度图像. 然后,提取出手掌图像中的感兴趣区域（ROI）,并构建成直方图. 接着,利用DT-CWT进行6层小波分解并获得特征系数,分别计算特征系数的最大值、平均值和中值构建36维特征向量. 最后,利用LM神经网络根据特征向量实现掌纹的识别分类. 在CASIA数据库上的实验结果表明,相比其他几种较新的识别方案,提出的方案的具有更高的识别率和更少的识别时间.     

局部二进制模式与小波特征融合的掌纹识别

针对利用单一方法进行掌纹图像识别所得的识别率难以提高这一情况,提出一种利用掌纹图像经高斯高通滤波后的局部二进制模式特征和三级小波分解的细节图像的能量特征的融合特征进行掌纹识别的方法。在提取图像的局部二进制模式特征的时候,通过高斯高通滤波增强图像的对比度,从而提取出更有效的局部二进制模式特征,该特征对光照的变化具有一定的鲁棒性;小波变换的细节图像能量数据反映不同频率成分的局部细节特征。实验结果表明所提出的掌纹识别方法的有效性。     

基于多种采样方式和Gabor特征的表情识别

设计一种表情识别系统,采用多种采样方式和不同尺度的局部Gabor滤波器,通过主成分分析与线性判别分析对人脸表情识别系统进行特征优化选择。该系统大幅缩减特征提取及分类的时空需求量,表情识别率也有所提高。对原始图像沿垂直方向采样识别效果说明人脸垂直方向包含更多的表情信息。实验测试结果表明,Gabor变换后的人脸表情主要特征信息在不同的尺度和方向上具有集中性和冗余性,小尺度全方向的滤波器组能获得更好的识别性。     

基于傅立叶变换的掌纹识别方法

掌纹识别是指由计算机自动识别哪些掌纹图像来自同一只手掌,哪些来自不同的手掌.在掌纹识别中,特征提取算法的优劣至关重要.提出了一种基于傅立叶变换的掌纹特征提取方法.该方法的基本思想是先将掌纹图像应用傅立叶变换转换到频域,然后在频域中进行特征提取和描述.提取出来的特征备用来索引掌纹数据库,以便当一个新的掌纹图像被输入时,可以很快确定该手掌是否已经在掌纹库中注册.该方法可以用来做基于人体生物特征的身份识别,在安全领域有广泛的应用前景.实验验证了该方法的有效性.     

Wavelet Energy Feature Extraction and Matching for Palmprint Recognition

According to the fact that the basic features of a palmprint, including principal lines, wrinkles and ridges, have different resolutions, in this paper we analyze palmprints using a multi-resolution method and define a novel palmprint feature, which called wavelet energy feature (WEF), based on the wavelet transform. WEF can reflect the wavelet energy distribution of the principal lines, wrinkles and ridges in different directions at different resolutions (scales), thus it can efficiently characterize palmprints. This paper also analyses the discriminabilities of each level WEF and, according to these discriminabilities, chooses a suitable weight for each level to compute the weighted city block distance for recognition. The experimental results show that the order of the discriminabilities of each level WEF, from strong to weak, is the 4th, 3rd, 5th, 2nd and 1st level. It also shows that WEF is robust to some extent in rotation and translation of the images. Accuracies of 99.24% and 99.45% have been obtained in palmprint verification and palmprint identification, respectively. These results demonstrate the power of the proposed approach.     

基于Contourlet变换和NMF的掌纹识别算法

提出一种基于Contourlet变换和非负矩阵分解(NMF)的掌纹识别算法。通过对源图像Contourlet进行小波变换,将提取出的低频分量用NMF法提取特征值,用最近邻方法进行分类。实验结果表明,该算法较单纯的NMF和2DPCA等算法识别性能有较大提高,能较好地捕捉图像的边缘信息。     

一种改进的2DPCA人脸识别方法

在小样本情况下,传统的2DPCA算法中采用的训练样本的平均值不一定就是训练样本分布的中心,为了解决这个问题,提出了一种基于样本中间值的2DPCA人脸识别算法（M2DPCA）,该算法采用训练样本的中间值代替训练样本的平均值,以此重建总体散布矩阵。在ORL和FERET人脸数据库上的实验结果证明,新方法可以有效改善识别性能,优于传统的PCA和2DPCA方法。