掌纹识别算法综述

掌纹识别作为一种新兴的生物识别技术, 近年来得到了广泛的关注与研究. 与其他生物特征相比, 掌纹有许多独特的优势,包括识别率高、采集设备价格低廉、用户可接受性好等. 这些优势使得掌纹识别成为一种有着广泛应用前景的生物识别方法. 本文首先介绍了掌纹的特点、掌纹的采集设备和预处理方法, 之后详细介绍了近几年来提出的各种掌纹识别方法. 根据特征提取以及匹配方法的不同, 本文将掌纹识别方法分为基于结构的、基于子空间的、基于编码的和基于统计的四类方法. 在回顾和比较了各种算法的特点之后, 对未来的掌纹识别方法的发展方向作了展望.     

双树复小波变换结合LM神经网络的掌纹识别方案

针对现有掌纹识别方案不能够很好的提取多分辨率特征的问题,提出一种基于双树复小波变换（DT-CWT）和Levenberg-Marquardt（LM）神经网络的掌纹识别方案. 首先,将彩色手掌图像转换成灰度图像. 然后,提取出手掌图像中的感兴趣区域（ROI）,并构建成直方图. 接着,利用DT-CWT进行6层小波分解并获得特征系数,分别计算特征系数的最大值、平均值和中值构建36维特征向量. 最后,利用LM神经网络根据特征向量实现掌纹的识别分类. 在CASIA数据库上的实验结果表明,相比其他几种较新的识别方案,提出的方案的具有更高的识别率和更少的识别时间.     

一种用于掌纹识别的线特征表示和匹配方法

作为一种较新的生物特征,掌纹可用来进行人的身份识别.在用于身份识别的诸多特征中,掌纹线,包括主线和皱褶,是最重要的特征之一.本文为掌纹识别提出一种有效的掌纹线特征的表示和匹配方法,该方法定义了一个矢量来表示一个掌纹上的线特征,该矢量称为线特征矢量(1ine feature vector,简称LFV).线特征矢量是用掌纹线上各点的梯度大小和方向来构造的.该矢量不但含有掌纹线的结构信息,而且还含有这些线的强度信息,因而,线特征矢量不但能区分具有不同线结构的掌纹,同时也能区分那些具有相似的线结构但各线强度分布不同的掌纹.在掌纹匹配阶段,用互相关系数来衡量不同线特征矢量的相似性.实验表明,LFV方法无论是在速度、精度,还是在存储量方面都能满足联机生物识别的要求.     

基于特征融合的掌纹识别算法应用研究

研究掌纹准确识别问题,由于光照强度、位置移动、采集设备等影响,采集掌纹图像的分辨率较低。单一掌纹特征提取方法难以全面描述掌纹信息,导致掌纹识别率低。为了提高了掌纹识别率,提出一种基于Gabor滤波和LBP算法相融合的掌纹识别方法。首先对采集掌纹进行预处理,然后分别采用Gabor滤波和LBP算法进行特征提取,最后采用神经网络建立掌纹识别器。仿真结果表明,相对于单一特征提取算法,融合特征算法不仅提高了掌纹识别率,同时加快掌纹识别速度,能够很好满足实时掌纹识别系统的要求。     

一种掌纹图像感兴趣区域的提取方法

掌纹识别是生物特征识别中的一种,由于其分辨率要求低、设备成本低、用户易接受等优点受到众多研究者的关注。从一幅掌纹图像中,找出感兴趣的目标区域（ROI）,使之从图像背景中分离出来,这是掌纹特征提取和进行进一步匹配的关键步骤。论文提出一种新的感兴趣区域的提取方法：首先使用全局阈值对原掌纹图像进行二值化处理,并提取出手掌的边缘,然后使用食指和中指、无名指和小指之间的指缝确定一个斜率,再计算出手掌部分的中心,并据此建立一个新的坐标系,最后以此坐标系原点为中心提取出一个128×128的感兴趣区域。实验结果证实了该方法与相关文献所提方法相比更加有效。     

基于ICA的在线掌纹识别

个人身份认证和鉴别在现在社会显示着重要的作用,作为一种准确而可靠的个人鉴定方式,生物识别已经引起了广泛的注意.掌纹作为一种相对较新的生物识别技术也有着独特的优点.而掌纹特征的提取和选择是整个识别中最关键的一个环节,主要利用ICA（独立主成分分析）方法对掌纹进行特征提取,实验证明,相比较PCA（主成分分析）方法,基于ICA方法具有更高的识别效率.     

掌纹感兴趣区域定位与选择方法综述

作为生物特征识别领域的前沿课题,掌纹识别仅有十余年的研究历史。感兴趣区域（ROI）定位与选择是掌纹识别中的重要任务和热点问题,通过该步骤得到的ROI将用于后续的特征提取和匹配,其质量对识别率等指标影响很大。为了使研究者了解此问题的研究进展,对目前的掌纹ROI定位选择方法进行了综述。给出了定位选择的基本概念和步骤,并对各种不同方法进行了归类阐述和分析,在讨论了各自优缺点的基础上,提出掌纹ROI定位与选择方法发展方向的建议。     

基于主线特征的双向匹配的掌纹识别新方法

掌纹识别是利用人的手掌掌纹图像对其身份进行认证的一种生物特征识别技术,目前的掌纹研究主要集中在掌纹特征线的提取算法上,而对特征线的筛选和匹配的问题讨论较少,掌纹上的纹线比较复杂,深浅粗细长短不一,实施任何一种边缘提取算法都要考虑纹线的取舍问题,首先介绍了提出的应用最大内切圆对掌纹有效区域进行分割和对准的方法,较好地解决了掌纹的定位问题,然后提出了掌纹特征线族的概念,用以刻画掌纹上的主要特征,从而将掌纹纹线特征分为主要特征和次要特征．通过对主要特征与全部特征的双向匹配,给出最终的识别结果,将该方法与之前提出的基于傅里叶变换的方法在自行研制的掌纹采样设备所采集的掌纹库(90人450幅)上进行了比较实验,实验结果证明新方法可以处理原方法无法定位的掌纹图像,同时识别率也有明显提高。     

融合全局和局部方向特征的掌纹识别方法

摘 要：掌纹识别是受到较多关注的生物特征识别技术之一。在各类掌纹识别的方法中, 基于方向特征的方法取得了很好的效果。为了进一步提升识别精度,提出一种融合全局和局部 方向特征的掌纹识别算法,主要融合了基于方向编码的方法、基于方向特征局部描述子的方法 和结合方向特征和相关滤波器的方法。其中前 2 种方法属于空间域方法,可很好地提取掌纹的 局部方向特征;而第 3 种方法属于频域方法,能有效地提取全局方向特征。在匹配值层对该 3 种方法的识别结果进行融合。本文算法在 2 个掌纹数据库上进行了验证,实验结果表明,本文 方法的识别性能明显优于其他几种掌纹识别方法。     

基于匹配分数的多生物特征识别融合综述

受数据噪音和识别系统本身的限制,基于单一生物特征的身份认证系统所能达到的准确率是有限的。通过多生物特征识别来提高识别的准确率成为当前生物特征识别领域的研究热点之一。首先介绍了多生物特征识别的必要性、多生物特征识别的分类,然后重点介绍了基于匹配分数的多生物特征识别融合的研究现状,最后总结了多生物特征识别研究中的问题和未来的研究方向。     

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。     

基于稀疏表示的多特征融合害虫图像识别

为提高害虫图像识别的准确率,针对不同害虫具有不同的颜色、形状、纹理的特点,提出一种将颜色、形状、纹理特征与稀疏表示相融合的害虫识别方法.该方法利用已标注的训练样本构造不同特征下的训练样本矩阵,通过求解样本的最优稀疏系数以实现害虫图像识别.由于相同样本通过不同特征训练字典求解的稀疏系数不同,进而识别结果也不同.因此,文中进一步通过设计不同特征下的识别分类器实现多特征的融合.在实验室环境与农田环境下的实验结果表明,相较于其他方法,该方法的害虫识别率获得较大的提高.     

一种基于特征融合的人脸识别新方法

提出了一种基于特征融合的人脸识别新方法。首先采用两种不同的K-L变换分别降低原始图像空间的维数，避开人脸识别小样本集的局限，然后利用复向量将同一样本的两组特征向量合并在一起，通过运用具有统计不相关性的复线性鉴别分析来抽取人脸图像的有效鉴别特征，最后在ORL人脸库上实验结果表明所提出的方法不仅识别性能优于经典的Fisherfaces，而且仅用14个特征识别率就达到96％。     

图最优化线性鉴别投影及其在图像识别中的应用

在图最优化局部保持投影(GoLPP)算法的基础上,本文充分利用数据的类别信息,提出一种新的特征抽取算法——图最优化线性鉴别投影(GoLDP)。与GoLPP类似,GoLDP的邻接图是通过最优化一个目标函数创建的;与GoLPP不同,GoLDP利用数据的类别信息创建两幅最优邻接图——最优内在图和最优惩罚图,由这两幅最优邻接图求得最优投影矩阵。FERET与YALE人脸数据库以及PolyU掌纹数据库上的实验结果证明了GoLDP算法的有效性。     

语音识别技术研究进展

简单介绍了语音识别技术的发展历史和现状,阐述了语音识别系统的基本原理,对语音识别的基本方法和识别过程进行了深入分析,尤其对HMM模型及其改进型作了详细说明,探讨了语音识别技术发展过程中的难点问题,给出了相应对策,并对语音识别技术的发展方向和前景作了展望.     

耦合配准与分割的水平集演化模型

提出一种配准与分割耦合模型。配准项采用基于抽象匹配流的非参数配准模型,解决基于B样条的参数化配准方法与非参数活动轮廓模型在定义形式和求解方法上不一致的问题。分割项采用基于边缘的活动轮廓模型实现对感兴趣区域的分割,对分割模型的改进解决原有模型对初始化敏感的问题。整个模型直接定义在水平集函数上,定义直观,数值求解简单。对单模态及多模态大脑图像的实验,验证该模型的有效性。     

基于分块脊波变换的手背静脉识别算法

提出一种分块提取局部方向特征,并将所有特征融合的静脉识别算法．首先,静脉图像经预处理后,利用改进的细化算法对获得的二值图像进行细化处理,得到了静脉的骨架信息;其次,将细化后的静脉图像进行分块,对分块后所有的子图像进行脊波变换,并对脊波分解系数进行主成分分析(PCA)降维,得到静脉图像的特征向量;最后,基于图像特征向量,利用支持向量机(SVM)对静脉图像进行分类匹配．试验表明,该算法获得的静脉图像特征具有较高的区分度,识别效果受图像采集和预处理过程出现的误差影响较小,正确识别率可达到97%以上．     

基于神经元网络的选择型问卷识别技术

在问卷调查数据自动识别和统计过程中,由于纸张的折叠、弯曲、变形及受污染等原因引起的数据误判时有发生,考虑到手工统计的繁杂性,开发一种自动、高效的智能处理系统具有相当大的实用价值。提出应用神经网络对调查问卷扫描图像进行识别处理的方法,建立基于MATLAB的Hopfield网络识别模型,并详细讨论了图像预处理、特征提取及Hopfield网络训练与识别这三个重要环节。针对建立好的识别模型,系统仿真情况下,符号识别率达到100%;在实际操作过程中,当训练样本数充足,样本来源可靠的情况下,识别率高达96%,基本实现预期效果。     

行人步态的特征表达及识别综述

从人体测量学数据、空间时间数据、运动学数据、动力学数据和视频流数据的特有方法总结步态识别的各种方法。对视频流的方法做了更为详尽的分析,特别是对类能量图法中各种方法的表达式和含义、蕴含的信息是静态还是动态、时变特性进行对比研究。综述步态自身的多种特征融合的识别方法、步态与其它的生物特征融合的识别方法以及“扩展的”步态识别等方面的研究现状,给出现有步态识别研究的评估方法,指出未来步态识别的研究方向。