基于改进的Log-Gabor小波的虹膜识别算法

对二维Gabor复小波应用于虹膜识别进行了详细的理论分析,提出了采用二维奇对称Gabor小波代替二维Gabor复小波来提取虹膜纹理特征的改进算法.在此基础上,进一步提出一种采用改进的二维 Log-Gabor小波来提取虹膜纹理特征,采用汉明距来进行特征匹配的新方法,克服了二维Gabor复小波应用于虹膜识别的缺陷.与已有算法进行比较的实验数据表明,采用二维奇对称Gabor小波的改进算法在识别率略有提高的基础上,能大大地减少编码存储空间以及编码和匹配的时间.而采用改进的二维Log-Gabor小波算法则进一步的提高了识别率.     

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Gabor滤波器组的车牌汉字特征提取

提出基于Gabor滤波器组的特征提取新方法.利用汉字图像的统计信息及归一化信息,提出针对车牌汉字的有效的Gabor滤波器组参数优化方法,并设计一组Gabor滤波器用于提取车牌汉字图像中不同中心频率和方位的笔画纹理特征,实现直接对灰度图像的特征提取.实验结果表明,相比传统二值化特征提取方法,采用基于Gabor滤波器组的小波变换提取特征能够获得更良好的识别性能.     

面向遥感影像纹理提取的Gabor滤波器组参数解算研究

基于Gabor滤波器的纹理特征提取方法是一种常用的影像纹理提取方法,由于遥感影像上地物纹理的多样性,通常用多方向和多频道的Gabor滤波器组来提取遥感影像上的纹理特征。本文分析了Gabor滤波器的图形特征,以普遍使用的Gabor滤波器组作为研究对象,研究了滤波器组参数间的解算关系,研究结果可为滤波器组的实现和设计提供参考。     

基于纹理特征的古瓷片分类研究

通过对Gabor滤波器相关参数的分析,提出了一组具有多尺度和多方向特征的Gabor滤波器对古瓷碎片图像进行处理,获取图像的纹理特征数据。采用主分量分析方法对所获取的纹理特征向量进行降维,利用最近邻法进行分类,实现了对古瓷碎片的自动分类识别。     

基于Gabor滤波的改进虹膜识别算法

为提高虹膜识别系统的性能,提出了基于Gabor滤波的改进虹膜识别方法。首先根据虹膜图像的灰度特性进行虹膜定位与归一化,然后利用多尺度Gabor滤波器进行特征提取,然后通过主成分分析法降维,并进行识别,根据识别能力的差异,计算滤波器的输出权值,最后利用加权后的距离进行虹膜识别。利用该方法对CASIA虹膜库进行识别,得到系统识别率为99.78%,等错率为0.19%。结果表明,利用改进的方法能充分发挥滤波器的识别性能,并增强系统的鲁棒性。     

基于Gabor滤波的虹膜识别系统设计

随着科学技术的发展,信息安全在各个领域显得越来越重要,生物识别技术由于其特有的性质,在传统的识别领域中脱颖而出;其中,虹膜识别以高可靠性和差异性,成为目前安全性最高,最理想的生物识别技术;为增强虹膜识别算法的定位效率,提出一种改进定位算法,即二值化分割出瞳孔区域时,修正瞳孔边界,提高虹膜定位精度,有效提高识别速度;虹膜识别算法是整个系统的核心,要使虹膜识别具有良好的效果,需要对虹膜图像进行一系列的处理;为了完整高效地实现虹膜识别系统,对Gabor滤波器的原理及实现方法进行具体分析,研究Daugman虹膜识别算法,设计并完成了虹膜图像预处理,特征提取,二维Gabor滤波器的构建及参数选取等,经仿真实验,能够非常高效地完成虹膜特征提取并识别比对,计算速度和效果均优于传统算法。     

基于局部纹理分析的虹膜识别算法

提出了一种新的基于局部纹理分析的虹膜识别算法。基于多通道Gabor滤波器，滤波图像的系数定量地描述了虹膜纹理局部子块和给定滤波器之间的相似度，系数越大，说明该子块在空间形态上和滤波器越相似。采用局部滤波图像系数的加权平均作为特征编码，那些具有较大系数的点，即和滤波器最相似的点对特征点的位置贡献较大，更能真实的反应虹膜纹理结构。基于欧氏距离的特征匹配试验表明了该方法的有效性。     

基于二维正交滤波的虹膜识别算法

提出一种针对灰度虹膜图像进行虹膜特征提取及匹配的方法,其利用四元数二维正交Log Gabor小波提取虹膜图像的纹理特征,以滤波后图像的解析信号作为虹膜的特征编码.该方法可以同时表征虹膜纹理多方向上的特征,更加全面地描述了虹膜纹理的特征空间.特征匹配采用类似汉明距的方式,同时以虹膜图像中眼睑、睫毛以及光斑的分布为匹配模版来减少它们的干扰.大量实验的结果表明该方法具有非常优越的识别性能.     

基于虹膜识别的身份鉴别

描述了基于虹膜识别的身份鉴别系统.该系统包括虹膜图像摄取、图像预处理、特征提 取和匹配四个部分.虹膜图像摄取采用了自主开发研制的装置,特征提取采用Gabor滤波和 Daubechies-4小波变换等纹理分析方法,匹配采用方差倒数加权欧氏距离方法.与现有的其它 方法相比,该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性.     

基于多通道Gabor滤波和D-S证据理论的虹膜识别

为了提高虹膜识别的准确性和稳定性，研究了Gabor滤波的虹膜特征提取方法，并在此基础上对虹膜特征进行了D-S(Dempster-Shafer)证据理论的改进．提出了多通道Gabor滤波和D-S证据理论的虹膜识别方法．该方法充分考虑到虹膜图像获取中被考察对象的姿态和环境光照等不确定性因素对识别结果的影响，通过选择不同频率和方向的Gabor滤波器组，有效提取虹膜特征，并结合D-S证据理论实现了虹膜特征决策．实验结果表明，所提方法增强了虹膜识别过程中抵御图像噪声、干扰和亮度变化等不利因素的能力，与标准的Gabor方法相比，识别率平均提高了4.05%．     

一种新的基于特征选择的虹膜识别方法

为了提高虹膜识别的准确率,提出了一种新的基于特征选择的虹膜识别方法。在虹膜的定位上采用了弹性模板的方法,对虹膜图像进行有效定位。针对虹膜图像的纹理分布特点,采用了多尺度Gabor滤波器对虹膜的不同纹理区域进行有针对性的特征提取;然后利用遗传算法和粒子群优化算法进行特征选择,去除特征向量中的冗余信息;最后利用SVM分类模型进行虹膜的识别。为了检验方法的有效性,在CASIA虹膜数据库上进行验证,实验结果表明该方法具有较高的识别精准度。     

基于Gabor滤波器包络的人脸识别算法

2维Gabor滤波器已在文字、人脸和虹膜识别等方面得到广泛应用,Gabor滤波器在特征提取方面具有独特的优势,但高计算复杂度限制了应用。如何快速地利用Gabor滤波器进行识别成为当前研究的重点。提出了基于2维Gabor滤波器包络的人脸识别算法,通过忽略Gabor滤波器的正弦部分,保留高斯成分构造矩形包络,将椭圆滤波器转换为矩形滤波器进行特征提取,即可以在不影响特征提取性能的情况下,只计算滤波器的主要能量区间,忽略区间以外的部分,提高了运算速度。在Yale和ORL人脸库上的测试结果证明,该算法分类准确度优于Eigenface和Fisherface方法,且速度较传统的Gabor滤波器方法快20%,取得了满意的结果。     

基于实数形式Gabor变换的虹膜识别

虹膜识别是一种新的生物识别技术。该文主要研究虹膜图像预处理、特征提取和匹配几个部分的优化。其基本思想是:在特征提取阶段,对预处理后的虹膜图像进行Gabor变换,利用得到的实数Gabor变换系数求取局部均值与方差作为虹膜纹理特征。在算法上实现完全实数运算,大大降低了算法的复杂性。实验结果及数据分析表明了此方法的合理性及有效性。     

基于Gabor滤波和KPCA的人脸识别方法

尽管核主分量分析能够有效地提取非线性特征,并成功地应用于人脸识别,但是抽取对光照、表情不敏感的特征仍然是亟待解决的问题。该文提出了一种结合Gabor特征和核主分量分析的人脸识别方法。首先通过Gabor滤波器对人脸图像滤波,并通过实验分析了Gabor滤波器参数的选择,然后采用核主分量分析的方法降低Gabor特征的维数．最后采用最近邻分类器进行识别。由于采用了Gabor滤波,该方法对光照、表情具有鲁棒性,在ORL人脸库上的实验结果表强,该方法在识别性能上优于核主分量分析方法。     

基于ICA-MJE和SVM的虹膜特征提取与识别

提出了一种新的虹膜特征提取与识别方法。对虹膜纹理采用最大判别熵的独立分量分析(ICA-MJE)实现特征提取,通过支持向量机(SVM)完成模式匹配。与Gabor小波的方法比较，在编码长度和编码时间方面有明显地改进。实验结果表明，该算法能更好地提高虹膜的识别率并能够有效地应用于身份识别系统中。     

Cancelable Iris recognition system based on comb filter

This paper presents a novel scheme for cancelable iris recognition based on comb filtering. This scheme begins with a coarse-to-fine iris localization stage. After that, Gabor filtering is applied for feature extraction. The two-dimensional phase pattern of features generated with the LogGabor filter is distorted through comb filtering. The objective of this distortion process is to generate a cancelable feature pattern that represents the iris. The ability to reinitiate a new cancelable pattern is guaranteed through the variation of the comb filter order. The proposed scheme is compared with a cancelable random projection scheme for iris recognition. Experimental results are conducted on CASIA-IrisV3-Interval database for both random projection and comb filtering schemes. Moreover, evaluation metrics are estimated for different comb filter orders of 6, 8, 10, and 12 in addition to the case of original iris features. Hamming distance and Receiver Operating Characteristic (ROC) curve are estimated for both random projection and comb filtering schemes to check robustness and stability. The experimental results show a significant gain in both privacy and performance. Also, the comb filtering scheme achieves a superior performance for all orders compared to the random projection scheme. The proposed comb filtering scheme achieves the highest accuracy of 99.75% for order 6 and a promising Equal Error Rate (EER) of 0.36% for order 10.