排序方式: 共有28条查询结果,搜索用时 20 毫秒
1.
为解决采集的掌纹图像不完整的问题, 改进了SIFT 特征图像拼接算法, 从而得到完整掌纹图像, 提出LoG-SIFT 特征点匹配拼接算法并设计一种剔除误匹配点对策略。实验结果显示, 改进后算法能增强手掌表面纹线特征, 显著提高特征点对匹配数量, 降低点对匹配错误率。 相似文献
2.
在掌纹采集过程中,由于受光照噪声的影响,以及手掌的弓形常常给掌纹采集带来噪声.基于此,提出小波变换子带杂交的一种新颖掌纹识别算法.该算法综合考虑小波同层各子带及相邻层子带分解系数的噪声特点,采用基于掌纹图像空间能量加权,再由二维主元分析(Two-di mensional Principle component Analysis,2DPCA)算法降维、去相关,最终由最小距离分类器完成掌纹识别.基于香港理工大学公布的PolyU掌纹数据库的实验,此算法正确识别率达到100%.同2DPCA算法相比,提出的算法不仅正确识别率较高,识别效率也较高. 相似文献
3.
针对主线、褶皱线及噪声等造成高分辨率掌纹细节点提取困难的问题, 提出一种基于Gabor 相位和图像质量评价的高分辨率掌纹细节点提取算法。首先使用Gabor 振幅相位模型对掌纹图像进行描述, 并基于 Gabor 相位提出多尺度的细节点检测方法; 然后利用提取细节点过程中的信息, 设计基于傅里叶响应的质量评价方法和基于Gabor 振幅的质量评价方法; 最后融合两种质量评价结果, 并对检测到的细节点进行筛选。实验结果表明, 所提方法能够有效地提取高分辨率掌纹图像的细节点, 并去除不可信细节点。与其他方法相比, 具有更好的细节点提取结果。 相似文献
4.
面向大规模人群身份辨识的掌纹识别系统有广阔的应用前景。为了加速系统的响应时间,提出了一种基于局部方向场散列的快速掌纹识别方法局部方向场散列(LOFP hashing)。该方法首先使用一种方向特征双编码的方式,解决了传统编码方式不稳定、精度差的缺点。然后提出一种特征窗口化的处理方式,即局部方向场模式,加速目标掌纹的检索。在香港理工大学大规模掌纹数据库Hong Kong PolyU large-scale database,中国科学院掌纹数据库CASIA database以及一个大规模模拟数据库上进行对比实验,结果表明,提出的方法在基本不损失精度甚至有所提高的前提下,可以显著加速辨识速度。因此,LOFP hashing可以有效提升面向大规模人群掌纹识别系统的性能。 相似文献
5.
分析Harris角点检测算子的实现原理及其应用于掌纹定位中时的不足,提出了一种基于自适应Harris角点检测的快速掌纹定位算法,该算法可以人为选择感兴趣区域进行检测,然后利用角点进行定位。有效地避免了掌纹定位过程中二值化,边缘检测等一系列复杂的过程,并且克服了检测过程中的角点簇拥,计算量大的缺点。实验结果表明,该方法进行的掌纹定位非但计算量小,处理速度快,而且检测出的角点分布均匀合理,能更好的适应图像定位等一系列的应用。 相似文献
6.
基于脊波变换的掌纹识别方法 总被引:1,自引:1,他引:0
提出一种基于脊波变换的高分辨率多尺度特征提取算法, 并在此基础上设计一种由粗到精的分级匹配方法, 改善了高分辨率下掌纹特征的匹配速度. 理论和实验结果验证了该方法的有效性. 相似文献
7.
基于乳突纹方向特性的掌纹自动分类方法 总被引:1,自引:0,他引:1
针对在利用掌纹进行身份自动鉴别的过程中如何对掌纹进行自动分类 ,提出了一种利用乳突纹方向特性的掌纹自动分类方法。此方法首先生成具有 4个方向的掌纹方向图 ,然后利用改进的庞加莱指数算法对掌纹方向图进行处理来确定三角点和中心点 ,最后根据掌纹指根区和掌纹外侧区中三角点和中心点的数量对掌纹进行分类。利用此方法对340个指根区和 35 4个外侧区的油墨捺印掌纹图像进行了测试 ,在指根区的正确率为 95 .6 % ,在外侧区则为 96 .9%。实验结果说明上述方法能够有效地进行掌纹自动分类。 相似文献
8.
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。 相似文献
9.
单一生物特征识别方法在实际应用时容易受到限制,系统的识别率低、稳定性差.针对上述问题,提出了一种基于在线单机的手形和掌纹相结合的多生物特征识别方法.对于手形识别,提取手指的相对长度构成特征矢量,采用k近邻分类器和支持向量机分类器相结合实现个人身份的识别,然后利用二维Gabor提取掌纹感兴趣区域(ROI)的纹理方向信息作为掌纹特征,对手形分类结果加以认证.在混合图库上进行试验,二者相结合的识别方法的识别率达到98.65%.实验结果表明,采用手形和掌纹双模态特征识别,可以有效提高系统的安全性和稳定性. 相似文献
10.