基于人体手指静脉特征提取算法的研究

根据人体手指静脉图像的特点,提出了一种基于降维思想的手指静脉特征提取方法,即搜索二维灰度图像中的静脉在一维灰度曲线上形成的谷形区域来实现静脉特征的提取.为了对手指静脉特征的充分提取,在进行特征提取前,采用了高频强调滤波对图像进行增强处理.实验结果表明,该方法思想独特,简单易行,对手指静脉的特征提取达到满意的效果.     

手指静脉图像特征提取算法的研究

根据手指静脉图像的结构特点,提出了一种手指静脉特征的提取算法,其基本思想是利用灰度图像中静脉灰度值所形成的谷形区域来实现特征的提取。详细讨论了该算法的基本原理和具体计算步骤。实验结果表明：该算法与传统的特征提取算法相比,方法简单,易于实现,具有自适应性,而且思想新颖,对手指静脉的提取得到了非常理想的效果,提取的特征不但准确而且连续光滑。     

静脉灰度图像拓扑特征提取方法

二值化处理作为静脉识别中关键步骤不可避免会造成特征信息的部分减损,为了克服这种情况,文中提出一种跳过二值化过程直接对静脉灰度图像进行拓扑特征提取的新方法,该方法首先根据像素的邻域信息计算图像的方向场极值图(EGDF,extreme graph of direc tional fields),并利用预先定义的约束模板集从EGDF中逐步提取出静脉主脊,然后在设定的范围约束图中,利用最大邻域点跟踪算法从静脉主脊的各个端点开始搜索从而获得静脉次脊,最后由静脉主脊和静脉次脊组成了静脉灰度图像的全部拓扑特征.通过对比实验,发现文中算法提取的静脉拓扑特征优于常规组合方法即二值化后再进行骨架提取得到的静脉拓扑特征,且克服了基于新小波函数的对称分析法中无法提取漂浮静脉纹路以及将两条相距较近的纹路误识为一条纹路的问题.因此,是一种有效的静脉灰度图像拓扑特征提取方法.     

一种模糊手指静脉图像预处理方法的研究

对光传感器获取的手指静脉图像进行了预处理,模糊的原始图像经过归一化、图像增强、图像分割、后处理、图像细化及修正等步骤为图像的特征提取和图像匹配奠定了基础.同时,针对低质量静脉图像静脉纹路的提取问题,NiBlack 方法对静脉特征提取的效果是比较理想,能够提高特征提取的正确率.     

基于DFT和共生矩阵的纹理特征描述方法

本文提出了一种基于离散傅立叶变换和共生矩阵的纹理特征提取方法.离散傅立叶变换将纹理图像从图像空间变换到频率空间,将图像的纹理特征转化成频谱特征.然后再利用共生矩阵的思想,完成纹理特征的提取.由于直接计算共生矩阵的计算量较大,因此我们首先对图像进行灰度正规化处理,缩小灰度值的范围,然后再将正规化处理后的灰度图像进行分块,最后计算相应块的共生矩阵的5个特征参数,把相应的特征参数取平均值,得到一个5维的特征向量来描述图像的纹理特征.     

融合LBP纹理特征与B2DPCA技术的手指静脉识别方法

鉴于传统局部二进制模式 （local binary pattern， LBP） 算法对光照方向的变化非常敏感的问题，本文提出一种融合旋转不变模式的LBP算子与B2DPCA技术的手指静脉识别方法。首先提取手指静脉图像子块的LBP纹理谱特征，然后采用双向二维主成分分析方法对LBP特征向量构成的特征矩阵进行有效的降维处理，再通过比对降维后的待识别静脉图像特征向量与其他样本的特征向量之间的欧式距离来实现最终的样本分类。通过在天津市智能实验室静脉库及马来西亚理科大学FV-USM静脉库上进行实验验证，在不同训练样本数量下比较了8种算法的识别性能，相比于单一的LBP特征提取算法、经典降维算法和LBP与经典降维组合特征提取算法，该方法的识别率有很大的提高，证明了本文方法的有效性。     

基于PCA-LBP特征的掌纹识别研究

关于掌纹特征提取要求提高识别率,局部二值模式(LBP)掌纹识别,提取的特征维数高,特征之间存在一定冗余,导致掌纹识别率较低.为了提高掌纹识别率,提出一种主成份分析(PCA)的LBP的掌纹特征提取方法(PCA-LBP).首先对掌纹图像进行灰度预测,采用LBP算法计算灰度直方图,得到256个灰度对应的像素数据,将其作为掌纹图像的原始特征,用主成分分析方法消除各特征之间的高度冗余性,并有效地降低了特征集的维数,得到了最有利于识别的最佳特征.根据最小欧式距离判别法对掌纹图像的进行识别,对PolyU标准库中的掌纹进行仿真实验,结果表明,相比传统的LBP算法和离散小波变换提取算法,可以提较少的特征维数取得了更高的的识别率,说明改进算法既不会丢失掌纹图像的原有信息,提高了识别率.     

一种基于2DHOL特征与(2D)~2FPCA结合的手指静脉识别方法

文中提出一种基于二维方向线直方图统计(2DHOL)特征与双向二维费希尔主成分分析((2D)~2FPCA))相结合的手指静脉识别方法.首先针对手指静脉图像纹路走向的特点,改进基于梯度直方图(HOG)特征中有关梯度幅值和方向的计算方法,采用二维Gabor滤波器获取静脉图像的线形响应和方向,提取2DHOL特征;然后综合考虑行列相关性和类别信息,采用(2D)~2FPCA对2DHOL特征进行降维处理,得到手指静脉特征向量;最后计算特征向量的欧氏距离.应用不同手指静脉数据库进行实验的结果表明,该方法能够有效地提高手指静脉识别率,并对训练样本数变化具有较强的鲁棒性.     

基于Gabor小波与分形维的人脸情感特征提取

提出一种基于Gabor小波变换与分形维的人脸情感特征提取算法,对包含情感信息的静态灰度图像进行预处理,对表情子区域实行Gabor小波变换,提取情感特征矢量,对人脸兴趣区图像求盒维数和差分分形维数,将经过Gabor小波变换所得的特征矢量和分形维数作为所提取的特征。分析比较了不同测试者7种基本情感的识别效果,实验表明该方法能有效提取与情感变化有关的特征。     

基于两个方向二维核主成分分析的手指静脉识别

手指静脉识别是一种更优于指纹识别的生物特征识别技术,具有广阔的应用前景。核主成分分析法是一种非线性特征提取方法,克服了线性提取方法未能利用图像中高阶统计信息和多个像素间非线性相关性的缺点。二维核主成分分析法解决了一维操作中出现的矩阵过大导致计算量过大的问题,但却需要更多的系数来表达图像信息,压缩效果远不如一维操作方法。文章基于核主成分分析法,结合线性判决分析法和最大边界准则分析法,对图像的垂直和水平方向分别进行二维分析,使得手指静脉识别取得了最优效果。     

使用方向滤波技术的手指静脉纹路提取方法

为了准确高效地提取手指静脉纹路,提出一种新的基于方向滤波的手指静脉纹路提取方法。该方法结合静脉纹路特点设计手指静脉图像的方向图及方向滤波器,根据所得的方向图及方向滤波器对图像进行滤波增强,对增强后的图像提取手指静脉模式。与传统的二值化方法相比,在进行二值化操作前,先对图像进行方向滤波处理,使得该方法提取出的手指静脉纹路连通性与光滑性好、噪声与伪特征少,且其不仅对高质量图像能够准确有效地提取出静脉纹路,对低质量图像处理效果也比较理想。     

一种基于模板匹配的手指静脉识别算法

相对于指纹识别等传统生物特征识别手段,手指静脉识别是一种新兴的具有较好应用前景的生物特征识别技术。本文设计了具有自适应光源系统的手指静脉采集仪,能够自动获得亮度均匀的手指静脉图像;提出了一种基于模板匹配的手指静脉识别算法,采用基于多方向灰度谷底搜寻方法提取手指静脉特征,然后将从同一手指多个图像中提取的静脉特征合成模板,并通过门限阈值消除模板中的随机差异信息。实验结果表明,运用本研究提出的基于模板匹配的手指静脉识别算法能有效提高识别准确性,具有99.10%的识别准确率和1.03%的等错误率。     

基于ARM的手指静脉识别系统的设计与实现

手指静脉识别是第二代生物认证的高端手段.为了实现识别设备的小型化,针对嵌入式系统独立运行的优点,设计并实现了一种基于ARM11和Windows CE的手指静脉识别系统.ARM11处理器从数字摄像头获取手指静脉图像,通过开发的应用软件进行图像预处理和特征提取,与建立的手指静脉图像库中的对应模板比对,完成身份认证.实验结果...     

基于分频和多感受野残差密集的指静脉图像超分辨率重建

针对红外线CCD摄像头采集指静脉图像较为模糊造成指静脉识别误检率高的问题,提出了基于分频和多感受野残差密集的指静脉图像超分辨率重建方法。该方法构建了图像高低频信息处理子网络,并将RRFDB结构集成到高频子网络中,以RFB为核心的残差密集块设计提升了感受野并降低计算复杂度,更好地保留了原始指静脉图像的线状纹理特征。实验结果表明,该方法能有效改善指静脉图像质量,与SRCNN、VDSR,DRRN等超分辨率重建方法在FV-USM和MMCBNU-6000数据集上进行对比实验,该方法对指静脉特征提取效果好,重建的图像质量高,PSNR与SSIM均优于其他方法。     

供应链质量追溯的烟草叶片图像帧特征动态识别方法

目前叶片特征识别方法多依据叶片颜色识别叶片形状、脉络等特征,导致识别的图像特征存在清晰度低的问题,提出了生产线质量追溯的烟草叶片图像帧特征动态识别方法。采用无线网络硬盘录像机设置叶片图像采集流程,采集生产线质量追溯时的烟草叶片图像,并且引入直方图均衡化、灰度化、降噪预处理技术,预处理叶片图像;引入四叉树分裂算法分割烟草叶片图像,从叶片的纹理着手,通过分形维数、缝隙量、能量、熵、对比度、对比度和相关性特征提取技术,提取叶片图像帧纹理复杂程度、疏密程度、灰度、信息量、清晰度和线性相关度特征;根据图像帧特征提取结果,使用DS合成算法动态识别烟草叶片图像帧特征。结果分析：此次研究方法应用后,提取的雪茄烟叶片脉络特征清晰度分别提升8.2、2.68;白肋烟叶片脉络特征清晰度分别提升7.56、1.5。     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.