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。     

基于小波包分析的虹膜特征提取方法

提出了一种新的虹膜特征提取方法。针对虹膜纹理图像的特征表示主要集中在中高频能量部分,对图像进行二级小波包分解,并提取出第一级和第二级的中高频部分的能量分量作为特征向量,并采用欧几里德距离作为模式识别方法。克服了用小波分解只提取虹膜的低频部分,从而不能充分地反映纹理的特征的缺陷。试验结果和数据表明了此算法的合理性和有效性。     

基于多层小波分解的虹膜识别算法

该文提出了一种基于多层小波分解的虹膜识别算法。该算法既考虑了虹膜纹理的全局特征又考虑了局部特征。与Daugman的方法比较,在编码长度和编码时间方面有较明显的改进。实验结果表明,该算法能够有效地应用到身份鉴别系统中。     

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。     

一种基于小波包分解的虹膜防伪检测方法

虹膜识别系统易受到伪虹膜的攻击,包括利用打印在隐形眼镜、玻璃眼或其他材料上的假虹膜纹理进行的攻击,所以检测出假虹膜的防伪算法至关重要。为此,提出一种利用小波包分解进行特征提取的虹膜防伪检测方法。首先对目标图像进行二级小波包分解,然后计算各子带图像的熵,最后将各子带图像的熵值之和作为提取的特征值。实验在包含500幅虹膜图像的数据库中进行,结果表明此方法可以有效地将真假虹膜区分开来。     

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。     

基于小波尺度搜索的虹膜识别方法

利用小波的带通特性和小波变换检测奇异点的原理提取虹膜特征,并在此基础上提出了一种新的搜索合适小波尺度的虹膜识别算法。将虹膜纹理分成8个分析带,对每个分析带进行连续小波变换,取其中32个尺度下的结果量化编码。然后利用Hamming距离进行模式匹配,对每个分析带通过搜索最小的Hamming距离获得合适的尺度。实验结果表明,算法的识别率可达98.15%,同以前提出的算法相比识别性能进一步提高,可用于大规模身份识别系统。     

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。     

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Arnold置乱和小波包分解的自适应水印算法

针对小波变换的不足,根据原始图像各子块对水印信息的适应程度不同,提出一种基于Arnold置乱和小波包分解的自适应水印算法。首先,该算法采用Arnold变换对水印图像进行预处理,然后对原始图像进行小波包分解,小波包分解能够提供一种更为精细的分解方法,将频带进行了多层次的划分,最后将水印图像嵌入到小波包分解后的子带中,水印的嵌入强度和嵌入位置均根据原始图像的内容自适应地决定,这样很好地解决了水印鲁棒性和不可见性之间的矛盾。仿真实验结果表明,算法对常见的图像攻击具有较强的鲁棒性和稳健性。     

基于多通道sEMG小波包分解特征的人手动作模式识别方法

为了满足主动康复训练和人机交互等复杂应用场景对多样性的人手运动模式识别需求,提出了一种基于多通道表面肌电信号sEMG小波包分解特征的人手动作模式识别方法。通过实验对比分析,确定了最佳采样布局方案,通过采集前臂表面肌电信号,设计了基于数字滤波器的肌电信号活动段自动标识算法,能快速准确完成样本动作标签的制作。以原始肌电信号的小波包分解系数作为特征向量训练分类器。通过对比不同隐含层节点数对分类器模式识别准确率的影响,最终确定BP神经网络模式分类器的所有结构参数。设计并训练完成了BP神经网络人手运动模式分类器。对9种手部运动的平均识别率达到93.6%,计算时间小于150ms。     

基于小波包的表面肌电信号特征表示与识别

为提高智能轮椅人机接口中表面肌电信号的正确识别率和识别效率,主要研究了基于小波包多尺度分解的特征表示及识别。把采集的表面肌电信号在指定尺度及核函数的同一组正交小波包基下进行分解,用小波包多尺度分解的系数构造表面肌电信号的特征基向量。考虑到多通道表面肌电信号可能存在特征信息冗余,为消除这些冗余信息,对多通道表面肌电信号的特征空间通过正交规范化进行重构,并且用重构特征向量的对偶坐标向量作为表面肌电信号的最终特征表示。用非线性自回归神经网络实现了双通道表面肌电信号四种不同动作模式的分类。实验结果表明,小波包多尺度分解系数的重构对偶坐标向量不仅可作为表面肌电信号的特征表示,并能有效简化分类器的结构。     

基于纹理方向能量特征的虹膜识别算法

为了解决传统虹膜识别系统在非理想虹膜图像下识别性能不够好的问题,提出了基于纹理方向能量特征的虹膜识别方法。该方法先设计一组水平与垂直的方向滤波器提取虹膜的纹理边缘,比较虹膜纹理边缘在两个方向的能量强度,生成方向能量差异特征图。将特征图分块,选取每块能量差值的极值点作为有效特征点,编码生成特征向量。此外,膨胀噪声模板,消除噪声以及卷积运算中噪声点对周围有效特征点的影响。用汉明距离进行匹配。在采用中科院提供的CASIA3.0虹膜库测试中获得了较好的识别率。     

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.