掌纹掌脉图像超小波域融合识别算法

针对单一生物特征识别技术易受外界各种因素影响,识别率和稳定性有待提高的问题,提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先,对掌纹掌脉图像利用非下采样Contourlet变换（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;然后,对融合后的图像利用近邻二值模式（NBP）提取纹理特征,获得特征向量;最后,通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验,结果表明,NSCT-NBP算法可获得最低的EER,分别为0.72%和0.96%,识别时间仅为0.0530 s和0.0871 s,与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比,在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合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识别系统的安全性。     

单幅近红外手掌图像掌静脉和掌纹多特征识别

传统的掌静脉和掌纹图像融合识别一般需分别采集掌静脉和掌纹两类图像,而单幅近红外手掌图像中实际上同时包含了掌静脉和掌纹结构信息。由于二者局部纹理细节差异较大,且像素值分布范围不同,因此,可以先分离再分别增强处理。首先,提出了改进的引导滤波算法以便去除掌纹结构,并设计了反模糊细节增强模型增强掌静脉结构图像;然后,提出了一种改进的分块增强算法,可以在增强掌纹结构图像的同时滤除掌静脉结构信息,再利用基于Sobel算子的反锐化掩模算法以便突出掌纹主线条结构信息;最后,对单幅近红外手掌图像中获取的掌静脉和掌纹图像进行融合识别。在香港理工大学近红外手掌数据库上进行了实验,结果表明：所提出的算法识别率达到了99.63%,与其他已有算法相比等误率平均降低了0.66%,验证了所提出算法的有效性。     

改进的单幅近红外掌纹掌静脉图像融合识别*

现有的单幅近红外掌静脉掌纹融合识别算法不能很好的突出掌纹与掌静脉结构。针对这个问题,提出一种改进的融合识别算法。首先,采用分块模型去除图像中的掌静脉得到掌纹结构,通过隶属度函数对掌纹结构进行模糊化,再进行反锐化掩模增强,突出掌纹结构信息;然后,使用边缘检测加权引导滤波对掌静脉结构进行增强,突出掌静脉结构;最后,将掌纹和掌静脉图像进行融合。实验结果表明,改进后的融合识别算法的识别率达到了99.81%。     

加权自适应CS-LBP与局部判别映射相结合的掌纹识别方法

提取掌纹的最佳低维分类特征一直是掌纹识别研究领域的一个重要方向。针对掌纹图像具有丰富的纹理特征特点,提出一种基于加权自适应中心对称局部二值模式(WACS-LBP)与局部判别映射(LDP)相结合的掌纹识别方法。首先将掌纹感兴趣(ROI)图像分成大小均匀的小区域,利用自适应中心对称局部二值模式(ACS-LBP)算法获取不同区域的纹理特征直方图和权值,经过加权连接得到ROI的加权纹理特征直方图向量;再利用LDP算法对得到的特征向量进行维数约简;最后利用K-最近邻分类器进行掌纹识别。在掌纹公开数据库上进行实验,正确识别率高达97%以上。实验结果表明,该方法不仅是有效、可行的,而且研究思路比较明确。     

基于小波理论对掌纹主线提取和修复

掌纹识别作为生物特征技术的一个重要分支，以其信息丰富、采集简便和稳定性强而作为疾病早期诊断和身份识别的重要依据，而其中主线的提取一直是识别的关键。本文讨论了一种提取主线信息的新方法，和传统方法不同的是，它利用普通的光学扫描仪方便地采取图源，之后对预处理和正规化后的图像利用Symlet小波变换的理论，提取掌纹主线的4个方向分量进行合并，并且利用ASF（alternating sequential filter）对结果进行形态学处理。结合回归分析和图像融合的方法，有效地消除了结果中出现的断裂区域，成功地从掌线中分离出了主线。将该方法与以前提取主线的方法进行了效果对比，同时，对于不同类别的掌纹都进行了主线提取验证，其结果说明了这种方法的强鲁棒性。该方法提取的主线信息为后期的临床诊断、皮纹分类，以及编码识别提供了有效和准确的数据。     

掌纹ROI分割算法的研究与实现

掌纹感兴趣区(ROI)分割是掌纹识别的关键步骤,目前掌纹分割方法主要存在定位点不易确定和同类图像ROI提取偏移度较大等问题,为改善这些问题,提出一种新的ROI分割算法。首先确定手掌图像中的两个指谷点;然后利用手掌轮廓特定区域边界点拟合直线,以该直线为基准,以固定角度的方式建立直角坐标系,利用指谷点找到掌纹信息丰富的区域,确定掌纹的ROI,最后提取特征矢量进行匹配识别。实验结果表明,该算法分割掌纹ROI的准确度高、速度快,对同类图像分割的偏移度更小,掌纹ROI的提取率达98.2%,掌纹正确识别率提高了3%左右,为基于掌纹的身份认证系统的实现提供了理论和实验依据。     

大鱼际掌纹特征提取与识别算法研究

首先将掌纹图像经过定位分割获得感兴趣的大鱼际区域,再经中值滤波去噪,采用高频强调滤波和直方图均衡化相结合的方法增强图像,得到纹理清晰的大鱼际掌纹图像。然后采用灰度共生矩阵方法提取利于二分类的图像特征。最后基于支持向量机的方法实现大鱼际掌纹阴阳两类的识别。仿真实验结果表明,所提出的图像处理与识别算法对大鱼际掌纹阴性与阳性的分类具有较高的效率和准确率。     

基于二阶段小波多分辨率分析的掌纹分割算法

针对复杂掌纹纹线难以分割、有效性低的问题,提出一种基于二阶段小波多分辨率分析的掌纹分割算法.该方法首先利用小波多分辨率分析高频子图的候选子区域,对得到的相似掌纹纹线集合进行合并;接着对合并相似区域的集合和二值化集合求交集得到融合图像;最后利用区域生长法和形态学去噪得到掌纹主要纹理特征.实验结果表明,该方法不仅能有效地剔除复杂掌纹的噪声,而且能准确提取掌纹特征,从而达到准确识别的目的.     

基于八元数的彩色掌纹特征提取与识别算法

综合4种传统算法和八元数BP神经网络,提出一种掌纹特征提取算法,自动提取彩色掌纹图像的掌纹线。对掌纹线图像进行二维小波分解,并构造七维特征向量,采用八元数矢量积表示算法进行掌纹识别。实验结果表明,掌纹提取算法能提取出较精细的掌纹线,识别算法的成功率可达96%。     

应用轮廓波和ICA的掌纹去噪与识别

在掌纹识别的实际操作过程中,不可避免地会受到噪声的影响,为了增强掌纹图像信息,需要去噪。轮廓波变换能够便捷地描述自然图像中的方向和纹理信息,掌纹图像纹理信息丰富,所以应在掌纹识别中引入轮廓波去噪,以突出纹理特征,进而提高识别率。提出基于轮廓波去噪的ICA(Independent component analysis)掌纹识别算法,先对掌纹图像进行轮廓波去噪,利用ICA实现掌纹特征提取与识别。基于香港理工大学掌纹数据库的仿真结果显示,轮廓波去噪方法的识别率高于小波去噪方法,说明这种方法具有一定的理论研究意义和实用价值。     

高质量手掌静脉图像获取及ROI提取的研究

针对手掌静脉图像获取困难,获取的手掌静脉图像质量欠佳以及手掌区域定位方法复杂的问题,提出了一种手掌静脉采集装置,使用该装置进行手掌静脉图像采集。采用基于图像二维熵和局部二维熵方法来评价采集的图像质量,并依据反馈的评价结果作为依据,自适应控制近红外LED的亮度和摄像头的参数,重新采集直到获得高质量的手掌静脉图像。并将获得的高质量图像作为手掌感兴趣区域（ROI）提取及后续的图像处理算法的输入图像。本文的图像质量评价方法采用改进型适用于现场可编程门阵列（FPGA）平台的加速实现方法,ROI提取通过构建局部图像快速判别和定位。实验结果表明,使用二维熵评价图像的方法配合反馈控制PWM波的输出所采集的手掌静脉图像,比现有阶段方法采集的图像在灰度特性、静脉特征的效果方面得到提升,同时获得的图像减少了后处理中ROI提取算法的计算量。     

A palm vein identification system based on Gabor wavelet features

As a new and promising biometric feature, thermal palm vein pattern has drawn lots of attention in research and application areas. Many algorithms have been proposed for authentication since palm vein has special characteristics, such as liveness detection and hard to forgery. However, the detection accuracy of palm vein quite depends on the preprocessing and feature representation, which is supposed to be translation and rotation invariant to some extent. In this paper, we proposed an effective method for palm vein identification based on Gabor wavelet features which contains five steps: image acquisition, ROI detection, image preprocessing, features extraction, and matching. The 178 palm vein images from 101 persons were used to test the proposed palm vein recognition approach, where 176 images were correctly recognized with two in failure. The experimental results demonstrate the effectiveness of the proposed approach.     

Person recognition by fusing palmprint and palm vein images based on “Laplacianpalm” representation

Unimodal analysis of palmprint and palm vein has been investigated for person recognition. One of the problems with unimodality is that the unimodal biometric is less accurate and vulnerable to spoofing, as the data can be imitated or forged. In this paper, we present a multimodal personal identification system using palmprint and palm vein images with their fusion applied at the image level. The palmprint and palm vein images are fused by a new edge-preserving and contrast-enhancing wavelet fusion method in which the modified multiscale edges of the palmprint and palm vein images are combined. We developed a fusion rule that enhances the discriminatory information in the images. Here, a novel palm representation, called “Laplacianpalm” feature, is extracted from the fused images by the locality preserving projections (LPP). Unlike the Eigenpalm approach, the “Laplacianpalm” finds an embedding that preserves local information and yields a palm space that best detects the essential manifold structure. We compare the proposed “Laplacianpalm” approach with the Fisherpalm and Eigenpalm methods on a large data set. Experimental results show that the proposed “Laplacianpalm” approach provides a better representation and achieves lower error rates in palm recognition. Furthermore, the proposed multimodal method outperforms any of its individual modality.     

应用二维EMD和独立成分分析的掌纹识别

提出一种基于二维经验模式分解（Two-dimensional Empirical Mode Decomposition,2-D EMD）和独立成分分析（Independent Comment Analysis,ICA）相结合的掌纹识别新方法。利用2-D EMD自适应的时频局域化多尺度和ICA II表征数据的高阶统计特性来提取掌纹特征。首先,对预处理过的掌纹图像进行2-D EMD分解得到多层本征模函数（Intrinsic Mode Function,IMF）;其次,利用基于PCA（Principal Component Analysis）降维处理的FastICA II算法提取IMF子图像集的掌纹特征基向量;最后,设计实验测试（2-D EMD+ICA II）的识别性能。实验结果表明,该方法能更有效地提取掌纹特征,与传统的ICA II相比,具有重构图像信噪比好、识别率高等优点。     

基于自适应融合的手掌静脉增强方法

针对掌脉轮廓不清晰，图像对比度低、亮度低，进而导致识别性能降低的现象，提出一种自适应融合的手掌静脉增强方法。首先，基于暗原色先验（DCP）去雾算法，根据掌脉图像变异系数自适应选择去雾系数，得到DCP增强图像，并且基于部分子块重叠直方图均衡（POSHE）算法得到POSHE增强图像；然后，将图像分为16个子块，依据图像灰度均值与标准差确定各子块权重；最后，根据各子块权重对DCP和POSHE增强图像进行自适应融合，得到最终增强图像。该方法既保留了DCP算法在增强图像对比度和亮度的同时不引入明显噪声的优点，又保留了POSHE算法在增强图像对比度和亮度的同时不损失局部细节的特点；同时，两者的自适应融合既解决了DCP图像阴影部分掌脉缺失现象，又削弱了POSHE产生的块效应。在对两个公开库和自建库分别进行的实验中，三个数据库的等错误率分别为0.0004、0.0472、0.0579，识别率分别为99.98%、94.27%、92.05%。实验结果表明，与现有的图像增强方法相比，该方法降低了等错误率，提高了识别精度。     

手部三模态图像采集系统的设计与实现

设计了一种新的适用于安防、考勤等场合的非接触式手部三模态图像采集系统,解决了传统采集系统易传染疾病和单一模态图像变形模糊导致识别率下降的问题。分析手掌静脉、掌纹及掌形成像原理,设计选择可在多光谱条件下采集的双CCD图像传感器和镜头,并分析设计了系统补光系统、区域定位功能和上位机界面。可一次拍摄同时获取高质量的手掌静脉、掌纹及掌形特征图像,并可融合三模态特征识别算法进行在线识别,具有良好的人机交互界面,实用性强。     

Selection of optimized features for fusion of palm print and finger knuckle‐based person authentication

The impact of digital technology in biometrics is much more efficient at interpreting data than humans, which results in completely replacement of manual identification procedures in forensic science. Because the single modality‐based biometric frameworks limit performance in terms of accuracy and anti‐spoofing capabilities due to the presence of low quality data, therefore, information fusion of more than one biometric characteristic in pursuit of high recognition results can be beneficial. In this article, we present a multimodal biometric system based on information fusion of palm print and finger knuckle traits, which are least associated to any criminal investigation as evidence yet. The proposed multimodal biometric system might be useful to identify the suspects in case of physical beating or kidnapping and establish supportive scientific evidences, when no fingerprint or face information is present in photographs. The first step in our work is data preprocessing, in which region of interest of palm and finger knuckle images have been extracted. To minimize nonuniform illumination effects, we first normalize the detected circular palm or finger knuckle and then apply line ordinal pattern (LOP)‐based encoding scheme for texture enrichment. The nondecimated quaternion wavelet provides denser feature representation at multiple scales and orientations when extracted over proposed LOP encoding and increases the discrimination power of line and ridge features. To best of our knowledge, this first attempt is a combination of backtracking search algorithm and 2D²LDA has been employed to select the dominant palm and knuckle features for classification. The classifiers output for two modalities are combined at unsupervised rank level fusion rule through Borda count method, which shows an increase in performance in terms of recognition and verification, that is, 100% (correct recognition rate), 0.26% (equal error rate), 3.52 (discriminative index), and 1,262 m (speed).     

基于HOG与改进的SVM的手掌静脉识别算法

手掌静脉识别是一种新兴的生物特征识别技术,随着时代的进步,在各种安全领域中起着越来越重要的影响和应用。提出了一种改进的手掌静脉图像预处理方法,采用对像素灰度值映射来增强图像中的静脉纹理以去除其他干扰。针对手掌静脉纹理的特征提取和识别,提出了一种基于方向梯度直方图（HOG）与改进的阈值支持向量机（T-SVM）的算法,以更好适应手掌静脉识别的特点。通过大量实验证明,该方法不仅可以较为迅速地进行身份识别,而且达到了较高的识别率。