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.     

基于Gabor-BLPOC的指关节纹识别算法

指关节纹比手掌特征更明显,针对这种生物特征提出一种基于Gabor-带限相位相关(Gabor-BLPOC)的指关节纹识别算法.首先,使用Gabor滤波器抑制噪声,并采用限制对比度自适应直方图均衡化对指关节纹图像进行增强;其次,使用BLPOC算法提取指关节纹图像的相位特征;然后,通过计算2幅指关节纹图像的互功率谱对指关节纹图像进行校准;最后,再次计算校准后图像的BLPOC,根据2幅图像的互功率谱峰值进行指关节纹图像的匹配.通过在Poly U FKP数据库上的实验表明,所提出算法的等错误率为1.57%,具有更加精确的匹配效果,从而验证了该算法的有效性.     

基于轮廓相位相关的图像自动拼接

研究了图像的平面拼接,提出了一种基于轮廓相位相关的图像自动拼接算法.首先只考虑图像间的平移量和角位移,用轮廓相位相关算法将图像初始定位,得到图像间初始的投影变换矩阵;接着用迭代优化算法将图像间初始的投影变换矩阵优化求解,实现图像的准确拼接.本轮廓相位相关算法对常规的相位相关算法作了两点改进:(1)提取出图像的轮廓,只对二值化的轮廓图像进行相位相关计算,效率和鲁棒性提高;(2)当相位相关的δ函数阵列中存在多个和最大峰值比较接近的峰值时,将其对应的平移量都作为候选平移量,然后根据重叠区图像的一致性选取其中的最佳值.运行实例表明,在图像间的光照条件有较大差异、存在多个和最大峰值比较接近的峰值,以及图像间存在一定角位移时,算法都能实现正确拼接,稳定性较好.     

基于Curvelet稳定特征曲面的掌纹识别新方法

针对掌纹特征提取困难、稳定性较差以及特征维数较大的问题,提出一种基于Curvelet稳定特征曲面的掌纹识别方法.将掌纹图像经Curvelet变换得到稳定特征曲面,把该曲面作为特征进行匹配,不仅避免了特征提取或图像编码等传统繁琐操作,而且特征维数较低,在保证识别精度的同时,图像稳定性增强,识别速度较快.最后,采用归一化相关分类器对掌纹所属类别进行判定,通过PolyU掌纹库的验证,本文算法的等误率为1.769 0%,匹配时间为16.6 ms,表明了本文算法的有效性.     

基于特征点匹配的拼接算法研究与实现

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法.该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC(Normalized Cross Correlation)方法提取出匹配特征点对,最后用渐进渐出的方...     

一种用于虹膜识别的相位匹配算法

虹膜识别是一种非侵犯性的人类身份识别技术 .在虹膜自动识别过程中 ,特征的分析和匹配是非常重要的部分 .此文讨论了虹膜图像定位、增强等预处理的方法 ,并提出了一种相位相关的匹配算法对虹膜图像进行识别和判断 .实验证明 ,该方法运算速度较快 ,并有较高的识别率 ,效果良好 .     

基于log-Gabor小波的掌纹识别算法

掌纹识别是一种新兴的身份识别技术,具有易于采集、纹理丰富等优点,为此提出一种基于log-Gabor小波进行特征提取的掌纹识别算法.该算法首先用log-Gabor小波对掌纹目标区域（region of interest,ROI）进行滤波,然后根据滤波后图像的相位信息形成二进制掌纹特征码,最后用汉明距离来衡量不同掌纹特征码的相似度.在UST掌纹库上的实验结果达到了较高的识别率,验证了该算法的有效性.     

基于局部邻域四值模式的掌纹掌脉融合识别

为了解决掌纹掌脉识别技术中稳定性差和识别率低的问题,提出一种基于局部邻域四值模式的掌纹掌脉融合识别算法。对掌纹掌脉图像利用非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;利用局部邻域四值模式(local neighbor quaternary pattern,LNQP)获取掌纹掌脉融合图像的纹理特征向量,并用主成分分析(principal component analysis,PCA)算法对其进行降维;根据特征向量间的汉明距离实现匹配识别,并在PolyU图库和SUT图库上完成仿真验证。实验结果表明,算法的最低等误率分别为0.17%和0.75%,与其他传统及最新算法相比,算法能够有效地提取掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了系统的安全性。     

基于掌纹图像相关匹配的重复定位技术

基于每次测量时所采集掌纹图像之间同时存在平移和旋转变化,先对图像进行空域旋转校正,然后利用相位相关方法进行相关匹配,并通过二次曲面拟合方法使平移变化的检测精度达到亚像元级,从而达到精确定位.该方法已成功应用于掌纹图像匹配定位中,对于无噪声干扰的掌纹图像,平移检测精度达到0.01像元,旋转检测精度达到0.1°.     

基于MATLAB的傅里叶梅林变换算法图像拼接的实现

快速傅立叶变换(FFT)改进了离散傅立叶变换(DFT)的计算过程,被广泛应用于数字图像的实时处理中.在相位相关技术的基础上,提出了一种新的图像配准算法,即在需要配准的两幅图像中心选取相同区域大小,进行傅里叶梅林变换,变换后是一个二维脉冲信号,由此而得到图像配准参数.实验结果表明了该算法的有效性和可靠性.     

数字散斑相关方法的全场优化表述

从图像运动估计中的基本假设——灰度不变假设出发,用优化方法建立了基于整幅图像匹配的数字散斑相关方法(也称为数字图像相关方法)求解模型,即全场优化求解模型.从建立的全场求解模型出发可引申出常用的两类数字散斑相关方法的求解思路,即基于离散的子区匹配的数字散斑相关方法求解模型和基于有限元的数字散斑相关方法求解模型.从模型建立及求解分析中可知,位移表征模式是数字散斑相关方法求解模型的关键,不同的位移表征模式可构成不同的数字散斑相关方法求解方法.     

基于多尺度增量符号相关的图像匹配算法

将影像多尺度分解思想和增量符号相关方法相结合,提出了一种图像匹配算法.首先使用非线性的关键点滤波算子将参考图和待匹配图分解为不同尺度的子图;然后采用增量符号相关方法对影像进行二值化编码并进行相似性度量;最后通过由粗至精的逐层匹配得到最终的匹配结果.实验结果表明;在匹配区域存在一定灰度反差的条件下,该算法有效地解决了噪声干扰、光照差异大和阴影遮挡等条件影响下的匹配问题,同时大大的缩短搜索时间,提高了匹配定位速度.     

基于光谱融合的手掌异常纹识别

针对现有掌部封闭型病理纹识别算法提取的线特征较少、 识别率较低的问题, 提出一种基于非下采样剪 切波变换(NSST: Nonsubsample Shearlet Transform)域光谱融合的手掌异常纹识别算法。 首先, 选取融合效果最 佳的多光谱掌纹波段组合, 并在 NSST 域内进行多尺度、 多方向的分解; 其次, 根据分解各层子带图像的特点 设计融合规则进行相应系数矩阵的融合, 再通过 NSST 逆变换和形态学处理提取精细纹路特征; 然后, 利用像 素点的度特点寻找符合要求的闭合纹线回路; 最后, 采用一种基于矩形度和偏心率等形状描述符的方法识别封 闭型异常纹。 实验结果表明, 该识别方法能提取丰富的掌纹线特征, 同时, 还可准确识别 6 种不同类型的封闭 型病理纹, 识别率可达 90%以上。     

基于CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.     

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

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。     

非接触式掌纹识别中的图像复原方法

针对现有掌纹采集方法的不足, 设计一种新的非接触式高分辨掌纹采集方法, 并对可能产生的离焦现象提出一种基于方向小波的正则化掌纹图像复原方法. 理论和实验结果表明, 该方法有效地弥补了现有掌纹图像采集方法与图像分辨率的不足.