基于离散余弦变换的手指指节折痕识别

提出了一种新的基于手指指节折痕的生物特征识别方法.针对指节折痕的分布特点,首先对CCD获取的手指图像进行预处理,并在手指的内侧截取一个长方形区域,用来提取折痕特征的感兴趣区域(ROI),该区域包含了手指的第一指节和第二指节的全部折痕线;其次.对ROI图像进行离散余弦变换,然后运用具有带通性质的滤波器去选择那些能很好表征手指折痕信息的余弦变换系数,以形成折痕特征矢量.该算法对光照变化不敏感.最后,在一个手指图像数据库上,利用基于欧氏距离的最近邻分类器进行了算法验证,等错误率(EER)约为0.71%,实验结果验证了该算法的有效性.     

手指静脉识别技术

相对于指纹识别等传统生物特征识别,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。综述了手指静脉识别的基本原理和关键技术,包括手指静脉图像采集、预处理、特征提取和匹配等;对与手指静脉识别有关的多生物特征技术进行了归纳总结,并对手指静脉识别技术存在的问题和未来的研究方向进行了讨论。     

指节纹识别综述*

相比其它生物特征,指节纹具有特征丰富,采集设备价格低,易于结合手形、手指静脉及掌纹组成性能鲁棒的多模态识别系统等优点.文中首先介绍指节纹的定义、数据采集、预处理方法等,之后详细介绍各种指节纹识别算法及多模态识别方案.根据特征提取及匹配方法的不同,将指节纹识别算法分为6类:基于结构的算法、基于子空间学习的算法、基于编码的算法、基于纹理特征的算法、基于相关滤波器的算法和基于局部特征描述子的算法.回顾和总结各种算法的特点,展望未来指节纹识别的发展方向.     

基于神经网络和小波分析的血细胞识别算法

结合小波变换时频局部化特性和神经网络的优势,提出了一种基于神经网络和小波分析的血细胞识别算法.首先对血细胞信号进行小波分解,然后利用小波分解系数重构信号的能量,结合时域特征参数构造特征向量作为神经网络的输入,最后建立神经网络模型进行训练.通过实验分析了不同条件下的信号识别情况,并与传统的识别算法作了比较,结果表明算法具有较强的血细胞识别能力,与传统的识别算法相比,识别准确度更高.     

手指静脉身份识别技术最新进展

基于手指静脉的身份识别是一种新兴的生物身份识别技术,由于手指静脉身份识别具有强防伪、低成本、易获取等优良特性,在许多领域得到广泛应用,成为一种最重要的生物识别技术之一.对手指静脉身份识别技术的现状和发展进行了总结和评述.首先,回顾了手指静脉身份识别的起源和发展过程,然后,总结了该技术的通用实现流程,对实现手指静脉的几大关键技术(如样本获取、图像增强、特征提取和匹配方法等)的最新研究成果进行了全面介绍.进一步,对现有典型方法的性能进行了系统评估.最后,总结了现有手指静脉识别技术的应用现状,展望了其发展前景,并指明了下一步的研究方向.     

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。     

基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明:该方法思想独特、简单易行,对手指静脉的特征提取达到满意的效果.     

对抗图像旋转的手指静脉身份识别新算法的设计

为了克服图像旋转对手指静脉身份识别系统正确率的影响,在图像预处理部分提出一种基于手指指尖点的旋转定位方法,改进了基于方向模板和局部动态阈值分割提取静脉特征的方法并用改进Hausdorff距离（MHD）距离进行匹配验证。实验结果表明,同一根手指的图片在平面偏移角度小于20°时,可以达到0.75%的等误率,正确识别率达97.25%,而且整个处理过程在VC++6.0上面执行耗时仅为161.6949ms,系统具有很好的实时性能,对实际手指静脉身份识别产品的开发具有一定的现实意义。     

基于多通道小波滤波的虹膜识别新算法

为克服小波变换过零检测虹膜识别算法对纹理灰度变化敏感的缺点,利用小波变换多通道滤波的特性,提出了一种新的基于Daubechies-4小波的虹膜识别新算法。根据虹膜纹理分布的特征,将虹膜分成10个分析带,对每个分析带采用一个合适尺度的小波滤波,小波变换各个通道的小波系数的均值及标准差作为虹膜的特征值,最后得到虹膜的128位特征编码。特征匹配采用的是加权欧式距离的分类器方法。实验结果表明算法是有效的,取得了高识别率;同时,提出的算法对虹膜图像的尺度、旋转、平移等的变化具有不变性。     

指静脉识别研究综述

指静脉识别因其独特的优势具有巨大的市场潜力,并得到了国内外各研究团体和工业界的高度关注。本文介绍了指静脉识别的主要研究内容及其研究现状,包括指静脉成像方法及图像增强技术、特征提取方法及与指静脉有关的多模态、多特征融合方法。其中详细介绍了指静脉特征提取方法,并将其划分为4类,即指静脉纹路特征、纹理特征、细节点特征及使用机器学习方法获得的特征。在此基础上进一步对指静脉识别及其应用面临的挑战性问题做了分析,这些问题主要包括降低采集设备价格、提高采集图像质量,及减小各种因素,如低质量图像、手指姿态变化、大规模用户群及室外采集等对识别性能的影响,这些问题为今后的指静脉识别的相关研究提供了思路和启迪。     

基于二维Gabor小波与SPP算法的人脸识别研究

稀疏表示近年来在模式识别领域已经取得了成功的应用,如目标探测和分类。稀疏保留投影（ SPP）算法是基于稀疏表示理论所提出的一种特征提取方法,目标是获得一个线性投影空间,使得样本之间的全局重构关系得以在低维空间保留。 SPP算法无需选择任何模型参数,具有很强的适应性,其灵活性及有效性在人脸识别中得到了详细的验证。文中结合二维Gabor小波与SPP算法用于人脸识别系统,二维Gabor小波主要用于提取人脸图像特征,SPP对图像特征进行降维。最后,在ORL人脸数据库上的实验表明,该算法较传统方法以及单独使用SPP算法的方法有较好的识别结果。     

基于PCA的眉毛识别方法研究

本文分析了人类的眉毛作为一种独立生物特征进行身份鉴别的可能性,提出了利用PCA方法进行眉毛识别的基本思路。通过32个人的小规模眉毛图像数据库,在直接利用纯眉毛图像或间接利用其傅里叶变换构造特征向量的两种情况下,分别研究了PCA方法在眉毛识别中的识别率与所采用的归一化方法和信息阈值之间的关系。实验结果表明,PCA方法的最高识别率在不采用傅里叶变换时为60．00％,而在采用傅里叶变换时为90．63%。     

基于投影的多尺度小波矩快速算法

多尺度小波变换矩采用几何矩定义，由信号在某一尺度下的小波逼近系数计算得到，它反映的是信号在该尺度下小波分解对应的视觉不变量。由于受到矩本身计算量的限制，小波矩的计算很难实时实现。本文提出了一种基于投影变换的二维多尺度小波变换矩快速算法。该快速算法通过投影变换将二维图像小波变换低频分量信息投影到一维空间中，从而降低了多尺度小波变换矩的计算复杂度，保证了计算精度。     

基于特征点融合小波能量特征的手背静脉识别

手背静脉识别是生物识别领域的新兴课题,针对单一手背静脉识别方法在大量样本情况下正确识别率识较低的问题,提出了一种空间域特征融合小波域特征的识别方法,对预处理后的样本提取了空间域中的特征点以及在小波域中构造了小波能特征,并分别用改进的豪斯多夫距离以及加权城区距离进行度量,最后将两种方法进行加权融合,采用最近邻分类器进行识别;在具有100个样本的数据库上对该方法进行了测试,在最近邻分类阈值为9.46时识别率达到97.2%,表明了该方法的优越性.     

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。     

基于小波变换和改进的奇异值分解的人脸识别

使用基于肤色的检测方法分割出人脸并进行归一化,利用小波变换压缩降维以减少计算量。针对原有奇异值分解的不足,将图像矩阵进行投影,并将整体与三组局部图片的奇异值结合进行改进,利用BP神经网络进行分类识别,进行人脸识别仿真实验。结果表明,所提出的基于小波变换和改进的奇异值分解特征提取方法是一种实用、可行的方法。     

基于特征融合的步态识别算法研究

根据人体步态变化特点,提出一种基于特征融合和神经网络的步态识别算法。首先采用时域差分法对运动人体轮廓进行分割,然后分别提取空间特征和频率特征,将两步态特征融合在一起,从而实现步态的分类和识别。在CASIA步态数据库上进行仿真实验,仿真结果表明,该方法不仅克服了单一特征提取方法存在的缺陷,同时提高了步态识别正确率。