基于SURF特征与模糊推理的掌纹识别

针对现有掌纹识别算法对掌纹图像在采集过程中的位置、方向、亮度变化缺乏足够的鲁棒性,而且计算复杂度较高的问题,提出了一种基于SURF描述字的掌纹识别算法。算法分为训练与识别两个过程,在训练过程中,提取属于同一类所有训练样本的SURF描述字进行互配,然后计算训练样本中互配频次超过该类样本数的1/2的每个关键点的匹配率及其在匹配训练样本中坐标的均值与方差以及SURF描述字均值、SURF描述字与均值的最大欧氏距离组成类别数据库。在掌纹识别过程,基于SURF提取待识别掌纹图像的关键点,确定关键点的SURF描述字与其位置坐标,然后,计算类别数据库中每个类别的每个关键点与待识别掌纹图像所有关键点模糊匹配度的最大值作为该关键点的模糊匹配度,最后基于模糊推理实现掌纹识别。实验结果表明该算法对掌纹图像的旋转、尺度和亮度的变化具有较好的鲁棒性,具有稳健和高精度的特性,并且识别过程计算成本较低,满足了实时性应用的要求。     

基于改进SURF特征与模糊推理的复杂图片中的文字识别

鉴于现有文字匹配算法在位置、方向和亮度变化上缺乏足够的鲁棒性，根据汉字结构的特殊性，本文采用改进的SURF算法--SSURF来提取文字特征。首先，计算所有训练样本的SSURF描述符，并将同一类别样本的描述符互相匹配，然后计算匹配次数超过1/2的关键点的匹配率，最后用训练样本SSURF描述符的均值和SSURF描述符与均值的最大欧氏距离来建立类数据库。在识别过程中，计算待识别文字的所有关键点，并将关键点的最大模糊匹配度作为该点的模糊匹配度，最后基于模糊推理实现文字识别。实验结果表明，本文算法识别性能更好。