虹膜识别中几种特征提取方法的比较研究

虹膜识别是一种新颖的基于生物特征的身份鉴别方法,在信息及安全领域有着重要的应用价值;特征抽取与选择是模式识别的核心技术之一,因此在虹膜识别系统中起着举足轻重的作用;文中讨论了几种虹膜的特征提取方法,介绍了各自的产生背景、实现方法和应用情况,在此基础上做了简要地比较,为特定应用场合下选择适合的虹膜特征提取方法作参考,并为虹膜识别系统中下面的分类识别和特征匹配工作做准备.     

人体行为动作的形状轮廓特征提取及识别

将傅里叶变换与边缘小波矩描述子相结合,提出一种人体行为动作的识别方法。凹凸复杂图像的质心到轮廓为非单一直线,据此,给出一种多段定向距离轮廓描述矩阵,实现轮廓特征的提取。分别对2类人体和4种行为动作进行仿真实验,结果表明,边缘小波矩描述子能较好地体现人体行为动作的形状轮廓局部特征,具有较高的识别率。     

虹膜识别综述

回顾了虹膜识别的研究背景及发展,对近年来虹膜识别方法的研究进展进行综述,并对各种方法加以介绍和评价,总结了存在的研究难点并提出了解决方法及今后的发展方向。     

基于单方向特征提取的虹膜识别算法研究

虹膜纹理的方向特征在虹膜识别中具有重要地位。利用2D Gabor小波的方向选择性,对虹膜纹理的方向分布特性进行了分析,由分析结果发现：可供识别的虹膜纹理特征主要沿虹膜圆周方向分布,在此基础上提出单方向特征提取虹膜识别算法。实验表明,与多方向特征提取相比,只沿圆周方向对虹膜进行特征提取不仅编码短,而且识别效果更好。     

一种新的基于小波过零检测的虹膜识别算法*

虹膜识别被认为是目前最准确可靠的生物特征识别方法。提出了一种新的基于小波过零检测的虹膜识别算法,通过对分离的虹膜纹理采用小波变换来实现特征提取,最后通过Hamming距离完成模式匹配。实验结果表明,该算法识别率很高,可有效地应用于身份鉴别系统中。     

基于一维Gabor滤波器的虹膜特征提取算法

虹膜识别是一种基于生物特征的身份识别方法,具有高度唯一、稳定可靠、非侵犯等优点.特征提取在虹膜识别系统中具有重要地位.本文在讨论几种虹膜特征提取算法的基础上提出了一种基于一维Gabor滤波器的特征提取的新的算法,实验结果表明,该方法能够快速、有效的提取虹膜的特征信息.     

基于小波变换和方向向量的虹膜特征提取方法

虹膜纹理上的差异是不同虹膜相互区别的最主要原因和体现.因此,要想获得很高的虹膜识别率,就要有效地提取虹膜的纹理信息.基于二维小波变换和方向向量,提出一种新的虹膜特征提取方法.该方法的基本思想是考虑虹膜纹理的灰度变化,对于多层小波分解后的低频分量,分别求其在4个方向上的方向向量,最后形成虹膜码.测试结果表明,该方法能有效地提高虹膜的识别率,且算法简单、快速.     

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.     

基于DCT变换的虹膜识别算法

虹膜识别是一种新的生物识别技术。本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,在特征提取阶段,采用基于一维DCT变换的虹膜特征优选算法。其基本思想是：对预处理后的虹膜图像进行一维的DCT变换,在速度和准确率约束的条件下,对变换后得到的系数进行抽取作为特征矩阵,通过计算虹膜特征矩阵的相似度进行虹膜识别。实验结果表明;该算法速度比较快,准确率也比较高。     

基于DCT变换的虹膜识别

本文描述了一种新的基于虹膜局部频域特征的虹膜识别算法。其主要思想是：对预处理后的虹膜的局部子块进行DCT变换来,在速度和准确率约束的条件下,采用DCT变换后系数的加权平均作为特征编码,通过欧式距离进行特征匹配。实验结果表明：该算法速度比较快,准确率较高。     

基于纹理特征融合约减的虹膜识别研究

为了获得更完整的虹膜特征,通过空域和频域两个角度提取纹理特征,以变化分数维和小波特征值共同构成虹膜的初始特征序列．然后使用多目标遗传算法对所抽取的特征序列进行优化约减,最后以优化好的特征序列来训练虹膜分类器对虹膜进行识别．并针对虹膜认证实际应用中变化的安全性要求,使用了非对称的支持向量机．实验结果表明,结合时域和频域的特征序列较好地反映了虹膜的纹理变化特性,提高了虹膜识别的正确率．     

基于能量补偿和特征加权的虹膜特征提取算法

Contourlet变换不同子带的特征提取能力存在差异。针对该问题,提出一种基于能量补偿和特征加权的虹膜特征提取算法。采用正交图像对原图像进行能量补偿,利用广义高斯分布估计各子带数据的权值,为分类能力强的特征量赋予较大权值,以充分使用样本的统计信息高效地提取特征。实验结果表明,该算法的虹膜识别率较高,鲁棒性较强。     

基于投影变换的声纳图像特征提取与识别

用投影变换的方法进行了成像声纳采集的水声图像特征提取与识别。阐述了Radon与扇束投影变换的特点与关系,并提出了一种基于图像边缘Radon变换的水声图像矩特征提取和识别方法。首先使用一种形态学边缘提取算子和细化算法提取二维图像中目标的轮廓,构造目标轮廓在 Radon变换空间的平移、比例和旋转矩不变量,并应用于三类水下物体的分类识别中,实验仿真结果表明该方法在运算速度上优于Hu’s不变矩和图像目标面Radon投影空间不变矩,具有很好的性能和较高的实用价值。     

虹膜特性提取阶段的小波多尺度特征量化算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷。主要介绍虹膜特征提取阶段一种常见的小波多尺度特征量化算法,阐述了算法技术、解决方案和效果。     

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。     

Contourlet域目标不变特征提取

在基于形状的目标识别中,提取出鉴别力强并具有不变性的特征是至关重要的问题。多尺度几何分析具有多方向选择性和各向异性的特点,能够更有效地表示目标图像的局部特征,但这些变换本身不具备不变性,极大地限制了它在模式识别中的应用。利用图像广义矩的概念,提出了一种在Contourlet域具有平移、缩放及旋转不变性特征的描述子,该特征能精细地刻画目标区域的局部特性,并在位置、角度及尺寸变换情况下具有不变性,仿真实验验证了其不变性,并讨论了一般情况下,Contourlct变换分解尺度对不同类目标间分离度的影响,为提取最具鉴别性的特征提供了有益的参考。     

基于小波模极值的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷.主要介绍了虹膜特征提取阶段一种常见的小波模极值算法,阐述了算法技术、解决方案和效果.     

基于Contourlet变换的纹理特征提取及纹理分类

通过对传统小波多方向性缺失和Contourlet变换系数稀疏性的分析,提出运用方向性小波Contourlet分析纹理特征,以自组特征映射神经网络(SOM)处理Contourlet变换系数的重组序列.对SOM网络输出层codebook矩阵进行奇异值分解得到纹理图像特征向量的方法进行纹理分类,在充分利用图像各尺度方向信息的基础上,有效提取了图像纹理特征.实验结果表明,该方法分类效果显著,Contourlet变换比传统小波分解更适合于图像纹理特性的分析.