基于空间频率能量分布的掌纹识别

提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合空间频率域并将联合空间频率域的能量分布作为掌纹的特征,以此为基础使用欧式距离对特征向量进行了匹配识别。实验结果表明,该算法对掌纹图像小范围的平移、小角度的旋转和小范围的手掌伸缩具有鲁棒性,获得了比较理想的识别率。     

基于Nonsubsampled Contourlet变换的掌纹特征提取算法

为了研究Nonsubsampled Contourlet变换(NSCT)在掌纹识别应用方面的可行性和性能,本文采用MATLAB仿真手段,利用NSCT对纹理特有的各向异性和多尺度特点,以香港理工大学采集的掌纹图像为研究样本,建立掌纹识别的分析和研究平台,针对NSCT从掌纹图像中分解得到的多个系数矩阵,研究掌纹特征的提取算法。实验结果表明,NSCT在掌纹识别方面具有较好的性能和较高的识别率,从而验证了该方法在掌纹识别中的有效性和识别效果。     

基于小波变换和信息熵的掌纹特征提取方法

本文将小波图像分解和信息熵特征提取相结合,提出一种新的掌纹特征提取算法。该算法首先对掌纹灰度图像进行二雏小波分解,再利用多分辨信息熵分别计算不同尺度下的能谱熵作为特征向量,从而实现掌纹特征提取。该算法不但避免了图像增强和纹理细化等预处理过程,而且运用多分辨信息熵的自适应计算方法来调节分解级数,使得到的特征向量长度远小于传统算法。     

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。     

分辨率LBP的掌纹特征提取

为了研究NSCT变换(nonsubsampled contourlet transform,NSCT)和局部二值模式(local binary pattern,LBP)在掌纹识别应用方面的可行性和性能,提出了一种基于NSCT变换与局部二值模式相结合的掌纹特征提取算法.该方法能够较好地提取皱褶、乳突纹等掌纹的细节特征,并且能够有效减少掌纹识别中由于图像的平移、旋转和光照对识别结果造成的影响.使用NSCT变换可以稀疏地表示二维奇异曲线并且变换本身具有平移不变性;而LBP算子是一种有效的纹理描述算子并且该算子具有很好的灰度和旋转不变性.首先对掌纹图像进行NSCT变换,然后对变换后的掌纹子图提取局部多分辨率和多尺度的LBP特征.实验结果表明,该算法能够更好地表达掌纹纹线的细节和结构特征,对掌纹图像有更高的鉴别性.     

一种新的掌纹特征提取方法研究

提出一种基于Gabor小波和改进的广义K-L变换的掌纹识别方法。该方法首先对测试样本的掌纹ROI灰度图像进行Gabor小波变换,得到其Gabor特征向量,然后利用改进的广义K-L变换方法将高维特征向量变换到低维空间,最后将得到的低维特征向量利用欧氏距离法与训练样本库中的特征向量作匹配识别。该方法首次将基于时频变换的特征提取算法与基于子空间的特征提取算法结合起来,既充分利用了Gabor函数优良的特征提取性能,又有效解决了高维特征的降维处理问题。通过使用自行采集的数据库对该方法作对比实验,获得了94%的识别率     

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DCT鉴别分析的掌纹特征提取

离散余玄变换是一种经典的图像处理技术，而鉴别分析是一种常用的图像特征提取技术。本文将这两种技术有机地结合起来，提出了一种新的掌纹特征提取方法。该方法首先对于掌纹的离散余玄变换图像，提出了一个二维可分性判据来选择具有良好可分性的频段;然后提出了一种改进的费舍脸方法来提取鉴别特征。在掌纹图象公共数据库上的实验结果验证了本文所提出的方法的有效性。     

一种基于形态小波的在线掌纹的线特征提取方法

在线掌纹中的线特征性能比较稳定，表示方法简单，特征空间小，可实现快速检索与匹配，该文针对在线掌纹图像噪声强，对比度低的特点，提出利用形态中值小波对原努图像进行非线性多分辨率分析，然后取其中的低频分量进行方向选择模板匹配，得到了较理想的实验结果。     

基于八元数的彩色掌纹特征提取与识别算法

综合4种传统算法和八元数BP神经网络,提出一种掌纹特征提取算法,自动提取彩色掌纹图像的掌纹线。对掌纹线图像进行二维小波分解,并构造七维特征向量,采用八元数矢量积表示算法进行掌纹识别。实验结果表明,掌纹提取算法能提取出较精细的掌纹线,识别算法的成功率可达96%。     

一种新颖的低分辨率条件下的掌纹识别方法

掌纹识别是利用人的手掌图像进行身份鉴别的一种新兴生物特征识别技术。当今的掌纹识别方法存在的比较困难的问题之一就是在特征提取时受一些客观因素制约 ,影响后面的匹配精度。为此 ,提出一种改进的基于相位相关的掌纹图像匹配算法。该算法不受光照、平移的影响 ,对噪声也有很好的鲁棒性。在此基础上实验了该算法在不同分辨率下的表现 ,发现当分辨率降为原图像的十六分之一时 ,该算法仍然能取得较高的识别率 ,证明了该算法在较低分辨率下的有效性。     

基于几何特征的掌纹区域分割算法*

针对现有掌纹分割算法中存在丢失部分有效信息的问题,提出了一种新的五点掌纹分割算法。首先,用基于仿射变换快速方法找到手掌的最大内切圆;然后,又用坐标变换和角度标定的方法找到手掌上的五个特征点;最后,通过对这五个特征点的处理实现手掌图像的分割定位。仿真结果表明,该算法准确、有效,且所得掌纹有效面积明显大于其他分割方法。     

Face recognition using transform domain feature extraction and PSO-based feature selection

This paper presents two new techniques, viz., DWT Dual-subband Frequency-domain Feature Extraction (DDFFE) and Threshold-Based Binary Particle Swarm Optimization (ThBPSO) feature selection, to improve the performance of a face recognition system. DDFFE uses a unique combination of DWT, DFT, and DCT, and is used for efficient extraction of pose, translation and illumination invariant features. The DWT stage selectively utilizes the approximation coefficients along with the horizontal detail coefficients of the 2-dimensional DWT of a face image, whilst retaining the spatial correlation of pixels. The translation variance problem of the DWT is compensated in the following DFT stage, which also exploits the frequency characteristics of the image. Then, all the low frequency components present at the center of the DFT spectrum are extracted by drawing a quadruple ellipse mask around the spectrum center. Finally, DCT is used to lay the ground for BPSO based feature selection. The second proposed technique, ThBPSO, is a novel feature selection algorithm, based on the recurrence of selected features, and is used to search the feature space to obtain a feature subset for recognition. Experimental results obtained by applying the proposed algorithm on seven benchmark databases, namely, Cambridge ORL, UMIST, Extended Yale B, CMUPIE, Color FERET, FEI, and HP, show that the proposed system outperforms other FR systems. A significant increase in the recognition rate and a substantial reduction in the number of features required for recognition are observed. The experimental results indicate that the minimum feature reduction obtained is 98.2% for all seven databases.     

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。     

基于实值Gabor变换的掌纹识别

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,本文提出了一种基于实数形式离散Gabor变换的掌纹特征提取方法,将空域的掌纹图像变换到联合（时间）空间频率域并将其联合（时间）空间频率域的能量分布作为掌纹的特征,以此为基础分别使用欧式距离和支持向量机进行了不同掌纹的匹配识别。实验结果表明,该算法对掌纹图像小的平移、小角度的旋转和小的手掌伸缩具有鲁棒性,并且获得了较高的识别率。     

基于词频分布信息的优化IG特征选择方法

文本特征选择是文本分类的核心技术。针对信息增益模型的不足之处,以特征项的频数在文本中不同层面的分布为依据,分别从特征项基于文本的类内分布、基于词频的类内分布以及词频的类间分布等角度对IG模型逐步进行改进,提出了一种基于词频分布信息的优化IG特征选择方法。随后的文本分类实验验证了提出的优化IG模型的有效性。