基于二维Gabor的掌纹图像预处理研究

掌纹识别属于相对较新的一种生物特征识别技术,是利用人手掌上丰富的纹理特征来进行身份识别。掌纹图像的质量是影响掌纹识别性能的关键,因此,由掌纹的特点入手,对掌纹图像采用基于形态学方法进行感兴趣区域(ROI)的分割,为了防止由于采集时手放置位置的旋转或偏移导致的掌纹图像的差异,通过中值滤波、二值化、膨胀腐蚀等操作确定了特殊角点,再利用角点连线确定旋转角度,来旋转掌纹图像。然后对掌纹图像感兴趣的区域采取小波阈值法来去除噪声。最后结合Gabor滤波器的方向性,采用基于二维Gabor滤波器对掌纹纹线的特征进行提取。为了验证所提出的掌纹图像预处理方法的有效性,在PolyU掌纹图像库上进行实验并取得了较好的实验效果。     

基于空频域纹理特征的高分辨率遥感图像居民地提取

为了解决高分辨率遥感图像中居民地信息因光谱和结构复杂度高造成的提取精度低,速度慢等问题。提出一种基于空频域纹理特征的高分辨率遥感图像居民地提取算法,该算法首先对高分辨率居民地图像分别进行特定方向Gabor滤波和分形维数的计算,然后依据得到的空频域纹理图像的局部纹理灰度特征对居民地信息进行提取,最后对提取初步结果进行形态学优化得到最终的提取结果。实验结果表明,该算法对乡村地区和山区居民地信息提取的总体精度达到97%以上,与传统的分形维数方法和Gabor滤波方法相比,误提率降低了45%以上。实现了全自动、有效的提取平原、山区两种地貌的居民地信息。     

基于相位的图像特征检测算法

比较了灰度和相位的两种不同的图像边缘提取方法及其提取结果。相位的边缘检测方法是以Hilbert变换为出发点建立的相位一致性模型，并且它有一种计算量比较小的近似算法——局部能量模型。最后通过log Gabor函数构造的小渡，对图像边缘进行提取并比较了结果，说明了相位边缘的通用性；通过对马赫带现象的检测，说明相位一致性模型更符合人类视觉系统的特性。     

基于Gabor滤波的图像质量分区指纹特征提取

基于Gabor滤波器的指纹图像质量分区方法,对指纹图像的各个分区进行了质量评价。然后对高质量分区直接进行脊线跟踪,提取细节特征点;对低质量分区先使用普遍使用的预处理方法,再进行特征提取。对若干幅低质量指纹进行了实验,得到了不错的实验效果,并且实验的效率和准确率也有所提高。     

分块统计特征和最优分辨力选择特征相融合的掌纹识别

为提高掌纹识别的性能,提出一种分块统计特征和最优分辨力选择特征相融合的掌纹识别方法。首先对预处理后的掌纹图像进行多方向、多尺度Gabor变换;然后将掌纹划分多个子块提取特征,将各子块特征进行拼接得到整个掌纹特征向量;最后以特征分辨力为准则选出最优掌纹特征子集建立两分类器,通过投票机制建立掌纹多类分类器,并采用Po1yU掌纹库进行性能测试。测试结果表明,该方法的掌纹识别性能优于对比掌纹识别方法。     

基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。     

基于多方向滤波和邻域去噪的掌纹主线提取

为了提取完整的、接近自然生长规律的掌纹主线,提出了一种基于多方向滤波和邻域去噪的掌纹主线提取方法.首先对全手掌图像进行预处理,得到统一大小和灰度的ROI(Region of Interest, ROI)掌纹图;然后用中值和4个方向检测器对ROI图像滤波,并对滤波后的结果进行底帽运算从而得到粗提取的结果;最后对粗提取的主线进行二值处理和邻域去噪,得到最终的主线提取结果.在公开的数据集上将新方法与现有同类方法进行对比,主观实验结果表明:新方法提取得到的主线图像连续且完整,客观的PSNR值比对比文献平均高约2.315 3 dB,表明新方法能较好地去除断线、孤点噪声,从而完整、有效地提取掌纹主线.     

小波过零点方法在手纹特征提取中的应用研究

提出了一种新的掌纹特征提取方法,分别定位手指一维区域和掌纹的二维区域来提取手掌信号,并通过二进小波变换的过零点和Gabor滤波器分别对其进行编码,以此为基础进行掌纹识别。     

基于Gabor滤波的图像质量

基于Gabor滤波器的指纹图像质量分区方法，对指纹图像的各个分区进行了质量评价。然后对高质量分区直接进行脊线跟踪．提取细节特征点；对低质量分区先使用普遍使用的预处理方法，再进行特征提取。对著干幅低质量指纹进行了实验，得到了不错的实验效果，并且实验的效率和准确率也有所提高。     

一种用于掌纹识别的Gabor滤波器方向选取方法

根据掌纹图像的频谱特征,提出了一种自动选取Gabor滤波器方向的方法.该方法将掌纹图像的Fourier谱映射到极坐标域,分析并计算Fourier谱在角度轴上的投影峰值,从而设置Gabor滤波器的方向.实验结果表明:该方法提高了掌纹图像的识别率,且算法实现简单.     

指纹图像增强的一种新方法

指纹增强技术可以有效地增强指纹的脊线特征,为指纹细节提取和匹配提供可靠的基础.文章提出了一种基于Fourier变换和Gabor滤波的指纹图像增强新方法,首先通过快速傅立叶变换将指纹图像变换到频域,然后在频域分方向进行Gabor滤波,最后对合成的图像进行傅立叶逆变换.部分指纹图像的实验结果表明,该方法具有较强的有效性和鲁棒性.     

掌纹图像的主线特征提取

掌纹特征的提取在掌纹自动识别系统中是一个必不可少的重要环节.本文首先用基于掌纹图像灰度特性的方法提取出掌纹的主线特征,针对存在的大量干扰点和断点,运用数学形态学进行了后置处理.实验表明,该方法能够有效地去除干扰点、连接纹线的断点,从而保证主线特征的稳定性与可靠性.     

高分辨率掌纹图像的分割

研究了高分辨率掌纹图像的分割方法问题,将均值、标准差作为标准,实现了由纹线组成的掌纹图像的前帚分割。对于手指部分的干扰,将其分为孤立的手指部分和与手掌相连的手指部分分别进行处理,利用区域生长法提取最大连通域达到去除孤立手指部分的目的;利用轮廓跟踪法比较CD、PD距离,定位与手掌相连的手指部分的位置,从而实现将其去除的目标。实验结果表明,该方法很好地实现了高分辨率掌纹图像的分割,为后续的特征提取工作奠定了基础。     

基于结构的指纹特征抽取方法

为了弥补传统的提取细节特征点的方法在小面积指纹图像识别上的不足，针对指纹脊线纹理结构进行了详细研究，分析了Gabor滤波器应用在纹理上的原理，建立了用于指纹识别的Gabor滤波器的物理模型，在此基础上设计了基于Gabor滤波器获取指纹特征的算法.首先提出了一种快速和简便的自动定位指纹图像中心点方法，以中心点为参考点在其周围确定特征提取区，根据Gabor滤波器的性质对其进行8方向滤波提取特征.通过在标准指纹数据库上的对比实验，显示了该方法的有效性.     

肤色检测结合Grab Cut的服装图像前景提取的改进

为解决全自动化Grab Cut算法应用于服装图像的前景提取时,无法去除模特肤色的干扰以及对一些复杂背景图像存在欠分割的问题,提出了新的前景提取方法:为有效去除模特肤色区域,提出了一种基于双边滤波去噪的肤色检测改进方法;为有效地去除欠分割区域,保留服装前景区域,提出了一种轮廓检测算法;将改进的肤色检测方法、轮廓检测算法与全自动化Grab Cut算法相结合,进行服装图像的前景提取. 实验结果表明:改进的肤色检测方法相比于现有的肤色检测算法,肤色检测的准确性明显提高;改进的前景提取算法的服装前景提取效果显著优于全自动化Grab Cut算法.     

基于特征加权与核主成分分析的掌纹识别

针对掌纹采集受外界因素和噪声的影响较大, 传统方法掌纹识别率低、 鲁棒性差等问题, 提出一种基于特征加权与核主成分分析的掌纹识别算法. 首先采用Curvelet变换对掌纹图像进行分解, 得到不同尺度和角度的轮廓系数, 并对Curvelet系数进行加权融合操作; 然后通过核主成分分析对掌纹特征进行降维处理, 实现特征提取; 最后采用相关向量机实现掌纹匹配, 并采用PolyU掌纹图像对算法的性能进行测试. 结果表明, 与其他掌纹识别算法相比, 该算法取得的掌纹识别率更高, 且掌纹匹配的时间最短, 可以满足掌纹实时识别要求.