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.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

基于平移不变预处理的小波变换的虹膜识别算法

普通的离散小波变换具有平移敏感性,无法稳定地表示小波域下的虹膜特征．为了减弱虹膜图像的旋转变化对小波分解系数的影响,提出一种基于虹膜的方向能量分布序列的平移不变预处理方法,以校正虹膜纹理图像角度旋转变化．通过对小波变换系数进行阈值化处理,以双位二进制形式编码虹膜特征．在验证模式下,采用加权Hamming距对未知虹膜进行多模板匹配得出识别结果．基于虹膜图像库进行比对实验,结果表明,增强了小波变换编码虹膜特征的可用性,能够有效地进行虹膜识别．     

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息.将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类.实验结果验证了本算法具有很好的识别率和等错率.     

一种改进的Log-Gabor滤波和SVM的虹膜识别方法

特征提取和分类是虹膜识别中的关键部分.由于小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效地提取出图像的纹理信息,将这两种方法结合是一个提取虹膜识别信息的有效途径.本文先对归一化的虹膜采用小波变换的方法细分图像,再用Log-Gabor滤波器对低频通道的子带图像进行更进一步的特征提取并量化,形成特征码本,最后采用支持向量机的分类器来进行分类.实验结果表明,分类器能很好地分离各类虹膜,识别率提高到了99.6%,等错率则降低为0.3%,比传统汉明距的分类方式有更优异的性能.     

小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

基于Haar小波和Log-Gabor变换的虹膜识别方法

为了提高虹膜识别的准确率,通过对虹膜图像进行处理,实现了对虹膜图像的准确定位,得到了增强的归一化图像;使用Haar小波变换进行了特征提取,通过采用K-means方法对小波特征数据进行聚类,实现了粗分类得到了小样本集虹膜图像;结合虹膜的纹理特点,通过使用Log-Gabor滤波器提取虹膜局部纹理特征,量化编码后形成了虹膜特征模板;然后在得到的小样本集内通过汉明距离计算虹膜特征模板的相似度,完成对虹膜图像的识别。实验结果表明,提出的虹膜识别方法有效地避免了虹膜匹配过程中因为虹膜数据库中种类多、数量多带来的计算量大、计算时间长的问题,提高了识别准确率。     

基于Gabor小波变换与分块PCA的人脸识别

由于Gabor小波描述的人脸特征维数太高,直接将Gabor小波提取的特征进行识别时出现计算量大、实时性差的问题,提出了基于Gabor小波变换与分块主分量分析的人脸识别新算法。首先对人脸图像进行Gabor小波变换得到人脸图像特征,然后用分块主分量分析方法对其进行降维、提取特征向量,最后用最近邻分类器分类识别。在ORL和NUST603人脸库上进行实验,结果表明,该方法的识别率优于传统PCA、分块PCA、Gabor小波变换与PCA结合的方法。     

基于双正交多小波的虹膜特征提取与识别

用具有自仿映射特性的区间双正交多小波滤波器提取虹膜的纹理特征,并采用局部和全局特征相结合的方法对虹膜进行识别。虹膜图像经过多小波变换后,对低频部分多小波变换系数进行局部的粗量化二值编码,然后用Hamming距离进行识别。对因为睫毛、眼睑、虹膜变形等影响而不能有效识别的虹膜图像,再对多小波变换系数提取均值和方差作为全局特征,用方差倒数加权欧氏距离进行识别。实验结果证明,这种方法能快速而可靠地对虹膜进行识别。     

一种基于Morlet小波变换的虹膜识别算法

虹膜识别包括虹膜定位、特征提取以及模式匹配几个步骤。文章提出了基于虹膜灰度梯度分析的新定位算法和基于Morlet小波变换的特征提取算法。首先对沿瞳孔半径方向展开的虹膜图像通过寻找灰度梯度最大值位置的方法进行虹膜定位;然后根据虹膜生理的特点对虹膜图像进行分区,对不同的虹膜区域采用一维和二维Morlet复小波变换相结合的特征提取算法,并用二比特格雷编码来表征提取的虹膜纹理的相位信息;最后通过计算虹膜间的Hamming距进行匹配,最终实现虹膜识别。实验结果表明,与现有算法相比,该算法识别速度快,提取特征的效果好,在实验室身份认证系统中表现出很好的识别效果。     

High performance iris recognition based on 1-D circular feature extraction and PSO–PNN classifier

In this paper, a novel iris feature extraction technique with intelligent classifier is proposed for high performance iris recognition. We use one dimensional circular profile to represent iris features. The reduced and significant features afterward are extracted by Sobel operator and 1-D wavelet transform. So as to improve the accuracy, this paper combines probabilistic neural network (PNN) and particle swarm optimization (PSO) for an optimized PNN classifier model. A comparative experiment of existing methods for iris recognition is evaluated on CASIA iris image databases. The experimental results reveal the proposed algorithm provides superior performance in iris recognition.     

基于提升整数小波变换的虹膜识别

提出了一种基于小波提升方案的虹膜识别算法。与传统基于卷积的小波变换方法相比,该方法在特征提取上计算简单,运算速度快,而且实现的是从整数到整数的变换,更有利于虹膜信息的量化。先对虹膜图像进行提升整数小波变换,然后对子图进行量化编码得到特征,采用屏蔽了噪声位的汉明距来进行模式识别。实验结果表明,基于提升整数小波变换的虹膜识别方法在识别率和等错率方面都能达到好的识别效果,在特征提取速度上也得到了较大提升,更能满足实时性的要求。     

一种高精度的虹膜识别算法的实现

该文提出了一种高精度的基于虹膜的身份识别的方法。该方法包括虹膜图像的预处理、虹膜的特征提取和虹膜的匹配与识别三个部分。虹膜图像的预处理包括虹膜图像的定位、归一化、增强和去噪。利用虹膜图像提供的丰富的纹理信息,特征提取采用Daubechies-2小波变换的纹理分析方法。匹配采用k近邻分类器。该算法对光照和噪声不敏感,且具有平移、缩放、旋转不变性。由实验结果表明,本文提出的方法提高了虹膜识别的有效性和准确性,是一种实用的身份识别方法。     

基于局部小波变换与奇异值分解的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术。文章提出了一种基于局部小波变换和奇异值分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波分解,并对各窗口的子带图像作筛选处理,然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩,得到虹膜识别特征。最后利用加权欧氏距离分类器进行识别。基于CASIA虹膜数据库的实验结果表明了该算法的有效性,为虹膜识别提供了一种新途径。     

一种基于Curv-SAE特征融合的人脸降维和识别方法

相比于传统的降维算法,深度学习中的栈式自编码器(Stacked Autoencoder,SAE)能够有效地学习特征并实现高效降维,然而对输入特征极其敏感。第二代离散曲波变换(Discrete Curvelet Transform,DCT)能够提取出人脸的各向信息(包含边缘和概貌特征),确保SAE的输入特征充分,从而弥补了其不足。因此,提出了一种基于Curv-SAE特征融合的人脸识别降维算法,即对人脸图像进行DCT得到特征脸并将其作为SAE的输入特征进行训练,特征融合后将其输入到分类器中进行识别。在ORL和FERET人脸数据库上的实验表明,与小波变换相比,曲波的特征信息更丰富;与传统的降维算法相比,SAE的特征表达更充分且识别精度更高。     

基于支持向量机分数等级融合的虹膜识别方法

提出了一种使用支持向量机（Support Vector Machine,SVM）的分数等级融合的虹膜识别方法。通过对虹膜纹理采用小波包分解,选择最高能量区域和次高能量区域提取特征向量,与注册入库的虹膜特征向量计算出海明距离。最后融合两个海明距离输入SVM进行识别。该方法减少输入支持向量机的维数。实验结果表明,该法提高了识别率,能够有效地应用到身份鉴别系统中。