人体手背血管图像的特征提取及匹配

为了克服指纹识别系统的一些缺点,该文对一种全新的生物特征识别方法——基于手背的静脉图像的特征识别进行了初步研究。首先利用自主设计的近红外血管图像采集仪提取血管造影的原始图像,然后对采集到的图像作归一化和增强处理,以及进行特征提取和特征匹配算法研究。文中给出了65个小范围样本的匹配试验结果,在拒真率为4.6%条件下,误识率为0。利用手背静脉图像进行个人身份识别是完全可行的,文中提出的方法具有良好的应用前景。     

基于特征点距离的手背静脉特征融合方法

针对现有手背静脉识别利用手背静脉特征较少, 识别率较低的问题, 提出了一种基于特征点距离的手背静脉特征融合方法。该方法首先对手背静脉进行细化, 对不变矩特征的量化值求和再进行匹配; 然后提取手背静脉的端点及交叉点, 利用改进的Hausdorff 距离进行匹配, 从而去除零距离点的影响, 提高两幅图之间的非相似性; 最后将这两种匹配方法进行加权融合。实验证明, 该融合算法识别率可达96. 75%, 且运行时间仅为0. 97 s。     

多特征融合的鲁棒图像匹配

针对三种常见的图像匹配方法的优缺点进行了分析。然后利用一种常用的数据融合方法——DS理论,对匹配结果进行融合判断。最终形成了一种融合匹配算法,从而克服了单个特征和算法的局限性,实现了多特征、多算法优势互补,提高了匹配的适应性。     

手背静脉血管识别算法研究

由于指纹识别的易被污染性,虹膜识别给人造成的不舒服感等,为了克服这些已有的生物特征识别技术的缺点,本文对一种全新的生物特征识别方法——基于手背的静脉血管图像的特征识别算法进行了初步研究。提出了一种基于血管细化后的特征提取识别算法。分析了这种识别方法所要求的图像预处理过程,并对小数目样本进行仿真实验。实验证明,只要基于可靠的识别方案,手背静脉模式识别进行个人身份识别是完全可行的,具有良好的应用前景。     

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题, 提出一种基于图像梯度信息强化的尺度不变特征转换（SIFT）特征匹配算法的改进算法. 首先通过适当的梯度算子求出梯度图; 然后以特定权值将梯度图与原图融合, 归一化后对融合图像进行高斯模糊; 最后利用传统算法进行特征提取. 实验结果表明, 改进算法的视角、 旋转不变性明显优于原算法, 对亮度变化较大或有噪声的图像匹配率也略有提升, 有效提高了SIFT特征匹配算法的准确性.     

指纹与指静脉的特征层动态加权融合识别

结合指纹与指静脉两种生物特征的优点进行多模态特征识别,提出一种特征层动态加权融合匹配算法。在图像预处理的基础上分别提取两模式源的有效特征矢量,根据近邻消除和特殊区域保留原则对特征矢量进行降维;从待识别特征角度对特征点集的相对质量进行评价,根据对双模态特征优和差的分类引入动态加权策略,提高质量较好特征所占权重,削弱低质量及伪特征对识别结果的影响,实现了特征层特征自适应优化融合。在FVC2000公开指纹库和指静脉自建数据库上的测试取得了98.9%的识别率,较指纹、指静脉单模态识别分别提高了6.6%和9.6%,较匹配层加权平均融合识别提高了5.4%。     

一种多特征融合的特征匹配算法

特征匹配是目标识别的基础,文章针对特征描述子在多变复杂场景中的自适应问题,从特征向量的低维度、高稳健、易计算3个方面,结合核主成分降维、匹配核的空间映射以及Power-law归一化等特征处理方法,提出一种面向复杂变换环境的集成低维度的特征匹配算法。首先,采用线性内积核将特征向量映射至高维空间提取特征主成分,然后通过Hellinger匹配核完成主成分空间到RootSIFT的映射转换,最后对特征向量进行α中心化和Power-law归一化,形成新的稳健特征向量。实验证明该算法简单易行,特征维度得到了大幅度降低,且在复杂变换的场景中匹配精度优于同类其他算法。     

一种基于虹膜和人脸的多生物特征融合方法

针对单一生物特征识别方法易受干扰、应用受限制等问题,提出了一种基于虹膜和人脸的多生物特征融合方法以提高身份识别的精度及可靠性.该融合方法利用 Log-Gabor 相位编码算法和Laplacianfaces 算法对虹膜和人脸进行特征提取及匹配,然后在匹配层对两种生物特征的匹配得分值使用最小最大概率机策略进行融合,最后利用融合后得分值进行决策.该方法与单生物特征识别方法相比,识别性能明显提高.在UBIRIS虹膜库和ORL人脸库构成的多模生物特征库中进行了测试,实验结果表明:该方法的等错误率可降低到 0.28%,比单一虹膜和单一人脸方法分别降低了0.69%和 1.62%,与采用传统融合策略的方法相比,等错误率也降低了 0.2%以上.     

基于多方向角Gabor与RBF神经网络结合的目标识别算法

针对导弹末端制导过程中CCD摄像头抓捕目标的背景、光照及相对旋转角度变化和噪声等因素造成目标识别率降低问题,在结合多方向角Gabor滤波器和RBF神经网络的基础上,提出了一种基于特征匹配的目标识别算法。该算法采用Gabor滤波器对待匹配图像进行预处理,通过将多个不同方向角Gabor滤波器的结果进行叠加和归一化处理的方法,突出了目标轮廓特征,然后提取纹理图像的4类Haar-like特征,再利用训练完成的RBF网络模型进行识别。实验结果表明,算法在保证实时性的基础上提高了目标识别率。     

多特征融合的图像格贴近度匹配方法

针对目前基于内容的图像检索方法中存在噪声、边界划分模糊及相似匹配算法复杂而检索精度不高的问题,提出了一种多特征融合的格贴近度图像内容匹配方法。为了抑制噪声,对像素间的灰度关系S~g_(ij)与空间关系S~s_(ij)进行合成,提出了邻域窗口像素灰度特征描述子;为了对组成图像的对象的边界进行分割,设计了一个像素密度分布特征描述子;在对图像的灰度、纹理及密度特征进行融合的基础上,提出了一种格贴近度图像匹配方法,实现了两图像相似性比较。实验结果表明:在灰度图像的相似性检索中,多特征融合的格贴近度匹配方法与特征压缩匹配及兴趣区域匹配等其他方法相比,平均归一化修正检索秩低10%左右,查准率-查全率综合评价指标高5%左右,该方法不仅设计简单,而且具有较高的检索精度。     

基于核主元分析和局部保持投影的手背静脉识别

为了保持手背静脉空间的局部结构,运用局部保持投影(LPP)方法进行手背静脉识别.但是对于小样本图像识别,LPP中的特征方程矩阵通常存在奇异性.为了解决这个问题,提出首先利用核主元分析(KPCA)降低手背静脉空间的维数,再对低维图像应用LPP提取局部特征.对已有手背静脉图像库进行测试,实验结果表明,与传统的PCA和PCA+LPP相比,该方法大大提高了系统的识别率,而且特征提取时间为2.6 s,满足实时系统的要求.     

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。     

基于脊波变换的手背静脉图像增强及特征提取

根据人体手背静脉图像的结构及特点, 提出一种基于脊波变换的手背静脉图像增强方法, 并应用局部互联神经网络提取静脉图像特征, 加强了该生物识别系统对模糊图像的识别能力. 实验结果表明, 该方法与传统的拉普拉斯法、 平滑算法及小波变换相比有更加显著的效果.     

基于协同理论的不变性模式识别

提出了一种基于协同学理论的不变性模式识别模型．该模型首先对输入图象模式进行位置和大小上的归一化，然后提取其旋转不变性子波特征作为模型的试验模式，最后由协同系统的序参量迭代方程得出正确的识别结果．这种方法与Ｈａｋｅｎ提出的两种协同不变性模式识别方法相比，既比频域法更接近于人类的认识过程，又避免了“伪状态”的出现，使得系统严格收敛到正确的模式上．实验表明，该模型不但具有很好的识别精度，而且还表现出较好的抗干扰和缺损能力．     

指纹与指静脉双模态识别决策级融合方法

针对单模态生物特征识别系统固有的缺点,提出一种新的指纹与指静脉识别的决策级融合方法.首先对指纹及指静脉2种模态分别进行第一级分类器设计,得出各自的识别结果;然后将提取出的指纹与指静脉特征点集以特征串联的方式形成新的特征矢量,构成第二级分类器,再得出一个识别结果;最后将上述3个识别结果进行决策级融合得到系统最终的识别结果.实验结果表明本方法克服了单一模态识别方法的局限性,有效地提高了系统的性能.     

基于SVM的融合双特征信息的模式识别方法

分析了现有的多特征数据融合方法.针对双特征信息融合问题,建立了新的数学模型,提出了融合基本原理,给出了基于大间隔分类器设计技术的支持向量机融合方法.简单实例说明了算法的有效性.     

一种基于模拟退火的特征层融合模式识别实现方法

文章提出一种特征层融合模式识别的方法,定义"融合特征"和"特征融合系数"实现模式的特征融合。使用模拟退火算法搜索最佳的"特征融合系数",从而提高模式识别的正确性,降低分类决策的模糊性。特征层融合的交通标志形状识别实验和数字字符识别实验均表明:该方法具有以上两方面的优点。     

基于Gabor特征和局部二值模式融合的纹理图像识别

传统的Gabor滤波方法和局部二值模式(Local Binary Pattern,LBP)算法提取的纹理特征鉴别能力不足,导致纹理识别精度不够理想.为了解决上述问题,提出一种将全局Gabor特征和局部LBP特征进行融合的纹理图像识别方法.该方法利用Gabor滤波方法提取纹理图像的全局特征,利用LBP算法提取纹理图像的局部特征,然后在最近子空间分类器的框架下实现全局和局部特征的融合以及纹理图像识别.在CURe T和KTH-TIPS基准纹理库上的实验结果表明,笔者提出的方法显著超越了传统Gabor滤波方法和LBP算法的纹理识别精度.