基于局部Gabor相位特征的手背静脉识别方法

文章介绍了一种新的手背静脉识别方法,和以往的手背静脉识别方法相比,本文的方法能够通过低质量的手背静脉图片来获得高质量的识别效果。本文提出的方法分文两个部分：一个是手背静脉的预处理和感兴趣区域（ROI）提取;另一个是静脉的特征提取和匹配,该部分利用静脉图像的局部的2DGabor相位编码变化特征来表示其局部特征,并且结合直方图全局特征来表达静脉图像的全局特征,采用卡方距离来实现特征匹配。在自制的手背静脉库的实验结果表明,本文的方法得到了100%的识别率和0%拒识率,这意味着该识别方法可以有效的运用于生物识别。     

基于均衡离散曲率波变换的手背静脉识别

针对滤波器尺度和方向的增加对识别速度影响较大的问题,提出了基于均衡离散曲率波变换（UDCT）的手背静脉识别方法。在进行手背静脉图像感兴趣区域提取和预处理的前提下,引用了均衡离散曲率波变换对感兴趣区域进行去滤波变换,然后对变换系数进行相位编码,计算编码统计直方图的卡方距离来进行静脉识别。实验结果表明,该方法在低质量的手背静脉图像情况下依然能得到较好的识别效果和较快的识别速度。     

基于特征点融合小波能量特征的手背静脉识别

手背静脉识别是生物识别领域的新兴课题,针对单一手背静脉识别方法在大量样本情况下正确识别率识较低的问题,提出了一种空间域特征融合小波域特征的识别方法,对预处理后的样本提取了空间域中的特征点以及在小波域中构造了小波能特征,并分别用改进的豪斯多夫距离以及加权城区距离进行度量,最后将两种方法进行加权融合,采用最近邻分类器进行识别;在具有100个样本的数据库上对该方法进行了测试,在最近邻分类阈值为9.46时识别率达到97.2%,表明了该方法的优越性.     

基于Gabor相位编码的手背静脉识别算法

提出了一种基于Gabor相位编码的手背静脉识别算法.该算法主要分为两部分:一个是对手背静脉图片的预处理部分,包括滤波去噪和感兴趣区域(ROI)提取;另一个是静脉特征提取和匹配识别部分,该部分主要利用静脉图像的Gabor相位编码作为静脉识别的有效特征,同时利用海明距离实现特征匹配识别.该算法应用于自制的手背静脉图库,可达到100%的识别率和0%的误识率.结果表明,该算法是一种有效的生物特征识别方法.     

基于多模板融合的异质手背静脉身份识别*

针对手背静脉识别过程中的多源异质问题,分别在图像预处理和识别算法上进行改进,提出了自适应手背静脉图像的归一化配准方法,并利用位置信息对SIFT(Scale-invariant feature transform,尺度不变特征变换)特征点进行精确筛选,降低了错误匹配概率,最后采用多模板融合的识别策略对异质图像进行配准识别,通过图像降维,进一步提高识别率和识别效率,使得平均识别结果达到90.17%。与其他算法的对比结果表明,该算法能够较好地解决多源异质问题对手背静脉识别所造成的影响。     

手背静脉图像增强和分割方法

近红外摄像机采集到的手背静脉图像对比度较低且静脉结构简单,为了有效提取手背静脉结构特征,首先分割出包含主要静脉结构信息的区域,并进行灰度归一化;然后利用动态全局阈值法对静脉结构进行粗分割;最后根据静脉的几何结构特征,去除虚假静脉,获得真实的手背静脉图像;实验结果证明了算法的有效性。     

改进的手背静脉识别算法

提出了一种基于不变矩和支持向量机的手背静脉识别算法。算法在采用修正的NiBlack算法从原始图中分割出静脉纹路,然后采用改进的条件细化算法进行细化获得静脉骨架的基础上,提取静脉骨架的7个修正的几何不变矩作为支持向量机分类器的输入进行静脉分类识别,在有500个样本的数据库上进行实验,获得了95.5%的识别率,表明了算法的有效性。     

基于稀疏编码的手背静脉识别算法

为提高静脉特征提取的有效性,提出了基于稀疏编码的手背静脉识别算法。首先,在图像采集过程中,依据实时的质量评价结果对采集系统参数进行自适应调整,获取高质量静脉图像;其次,针对主观选择的特征有效性主要依赖于经验的缺陷,提出了基于稀疏编码的特征学习机制,从而获得客观优质的静脉特征。实验结果表明,基于所提算法获得的静脉特征具有较好的类间区分性与类内紧凑性,令使用该算法的系统具有较高的识别率。     

基于LBP和多层次结构的异质手背静脉身份识别

针对多源异质的手背静脉异质图像的识别研究,提出了基于LBP和多层次结构的识别算法;首先对图像做适当的预处理,然后将LBP特征提取算法编码的手背静脉纹理特征图像作为多层次结构的输入,通过多层次结构的逐层由具体到抽象的特征提取,得到的特征具有更大的鲁棒性;最后该算法在多源异质的手背静脉图像库得到的识别率比传统的算法识别率高,达到96.57%;进一步表明该算法能够较好地解决由于多源异质问题对手背静脉识别所造成的识别率低的影响。     

基于方向特征的手掌静脉识别

目的 针对已有掌脉识别方法中计算复杂度高、未充分提取有效辨识信息的问题,提出一种计算简单、快速且充分利用掌静脉图像中有效方向信息的识别方法。方法 本文在构建新邻域模板的基础上,设计了相应的方向滤波器并优化,通过提取掌静脉图像的方向特征,得到了对静脉纹理响应最小的方向滤波器索引值矩阵——方向特征矩阵(Orientation Map,OM),并对其进行编码;同时采用汉明距离计算方法,提出了全局匹配算法,用于识别待测静脉OM与数据库中已有OM的相似度。结果 本文构建并优化的邻域模板和方向滤波器,提高了算法的识别精度,EER达到0.0002%;同时编码进一步降低了算法的计算复杂度,特征提取和匹配一次的速度分别为11ms和4ms,提高了算法识别效率并减少存储负担。结论 实验结果表明,与已有掌静脉识别方法相比,本文方法在计算复杂度和提取有效辨识信息上有较为明显的优势。     

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．     

基于有效维度特征的手背静脉识别算法

针对手背静脉识别过程中采集的图像出现干扰信息的问题,提出了一种基于有效维度特征的识别算法。首先,该算法对采集的图像进行自适应中值滤波去噪;其次,对图像进行分块处理,并基于混合高斯模型与梯度信息对子图像提取特征;然后,依据子图像间特征相似性,提出了判断子图像是否为干扰信息的方法;最后,融合所有真实静脉区域的特征,形成特征向量,并采用基于稀疏表示的算法对多种有效维度下的特征向量进行匹配。实验表明,该算法具有较高的准确识别率,即使采集的手背静脉图像存在部分遮挡,算法依然能够获得较好的识别效果。     

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％。     

基于AdaBoost的人脸特征挑选与特征融合算法研究

针对人脸识别中的特征挑选和特征融合问题进行研究。结合已有的基于AdaBoost的人脸特征挑选方法,挑选出最具分类能力的特征,并将挑选出的多类人脸特征在特征层进行融合,得到一个统一的人脸特征用于模式分类。通过在FERET人脸库上的实验表明,其识别方法具有良好的识别效果。     

PHOG特征与聚类特征选择的笑脸识别方法

基于Gabor特征的人脸表情识别系统虽具有良好的识别性能,但特征维数大、分类器复杂度高。因此,文中提出一种基于PHOG特征与聚类线性鉴别分析(CLDA)的笑脸识别方法。PHOG特征的引入在于简化系统的运算复杂度,而CLDA克服传统线性鉴别分析方法的多模态问题。实验结果表明PHOG特征免去Gabor特征在Adaboost耗时的特征选择过程,具有和Gabor特征相当或更优的识别性能,且CLDA在维数降低时,系统的识别率能得到更好保持。     

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.     

基于多角度旋转积分图的手背静脉身份识别

随着生物特征识别技术水平的飞速发展,手背静脉识别也广泛运用于各个领域。由于采集终端硬件设备和采集环境的差异,会降低识别的准确性。针对手背静脉图像在亮度,旋转,尺寸等方面造成的影响,,提出了基于多角度旋转积分图的和离散余弦变换的手背静脉图像识别方法,并进行参数优化。本文结合梯度增强的静脉图像分割方法,选取最佳角度间隔做旋转积分运算,然后通过二维离散余弦变换(DCT)截取最佳特征矩阵用做分类识别,识别率超过99.9％。 实验通过对比其它传统算法对手背静脉图像的识别效果来验证本文特征提取方法的可行性和优越性。     

手背静脉图像分割及细化算法研究

手背静脉识别技术通常基于静脉纹路的细节特征点对个人身份进行验证。为了准确地提取出手背静脉纹路中的细节特征点,提取手背静脉图像中的有效区域并对其进行归一化、增强和去噪处理．分别采用局部最大类间方差法（OSTU）、阈值图像法和NiBlack法对图像进行分割,分别采用Hilditch算法、快速细化算法、Zhang＆Suen算法和OPTA算法对分割后得到的二值图像进行细化以获取静脉纹路。实验结果表明,基于合理的参数,NiBlack法和Hilditch算法分别取得较好的分割与细化处理结果。     

基于神经网络的人脸特征提取及识别

该文使用神经网络技术对人脸的特征提取及识别做了研究。在降低图像解析度的基础上使用神经网络来进行特征压缩,可以有效地降低特征维数。使用神经网络分类器对压缩后的特征进行分类,分类结果以隶属度来表征待识别人脸属于各类别的可能性。实验结果证明了该方法的有效性。