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%。     

多光谱掌脉和掌纹离焦图像融合方法

非接触条件下单模态手部图像纹理信息有限,不利于识别。本文提出利用同一装置在多光谱下分时快速获取掌纹和掌脉图像。通过掌纹图像在静脉图像中进行掌纹主线增强处理,达到增加纹理信息、改善识别效果的目的。控制掌纹、掌脉两幅图像获取间隔小于0.1s,忽略手掌细微空间移位,对获取的掌纹图像进行感兴趣区域(Region of interest,ROI)提取,并利用掌纹ROI坐标参数进行静脉图像的ROI提取。然后对两个ROI区域进行预处理,通过多层小波分解得到的掌纹高频信息快速定位掌纹主线。最后根据掌纹主线归一化后的高频分量,进行掌纹和掌脉小波系数的融合,最终得到在静脉纹理图像中增强掌纹主线纹理的融合图像。实验结果表明,融合后的图像中在保持静脉纹理信息原有状态下,掌纹主线纹理信息明显增加,识别效果得到改善。     

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。     

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。     

基于卷积神经网络梯度和纹理补偿的单幅图像超分辨率重建

现有的单幅图像超分辨率重建算法大都在追求高峰值信噪比（Peak signal-to-noise ratio, PSNR）,在特征提取过程中缺少对图像纹理细节信息的关注,导致重建图像的人眼主观感知效果不太理想。为了解决这一问题,本文提出了一种基于卷积神经网络梯度和纹理补偿的单幅图像超分辨率重建算法。具体设计了3条支路分别用于结构特征提取、纹理细节特征提取及梯度补偿,然后利用所提出的融合模块对结构特征和纹理细节特征进行融合。为防止重建过程中丢失图像的纹理信息,提出纹理细节特征提取模块补偿图像的纹理细节信息,增强网络的纹理保持能力;同时,利用梯度补偿模块提取的梯度信息对结构信息进行增强;此外还构建了深层特征提取结构,结合通道注意力与空间注意力对深层特征中的信息进行筛选及特征增强;最后利用二阶残差块对结构和纹理特征进行融合,使重建图像的特征信息更加完善。通过对比实验验证了本文方法的有效性和优越性。     

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。     

基于6416和FPGA的手部三模态识别装置设计与实现

介绍了将手形、掌纹和手掌静脉身份识别理论与FPGA和DSP数字处理系统相结合构成能够方便用于门禁、考勤等的具有高可靠性和高安全性要求的快速身份识别装置。装置采用可见光和近红外双摄像头提高对手形、掌纹和手掌静脉图像的有效获取。利用FPGA实现双摄像头图像数据的同步采集、数据缓存以及对液晶显示屏、补光系统等的控制,以减少DSP的负担,使DSP能够专注于对手形、掌纹和手掌静脉的数据处理识别工作,保证系统运行的实时性。     

基于傅立叶变换的掌纹识别方法

掌纹识别是指由计算机自动识别哪些掌纹图像来自同一只手掌,哪些来自不同的手掌.在掌纹识别中,特征提取算法的优劣至关重要.提出了一种基于傅立叶变换的掌纹特征提取方法.该方法的基本思想是先将掌纹图像应用傅立叶变换转换到频域,然后在频域中进行特征提取和描述.提取出来的特征备用来索引掌纹数据库,以便当一个新的掌纹图像被输入时,可以很快确定该手掌是否已经在掌纹库中注册.该方法可以用来做基于人体生物特征的身份识别,在安全领域有广泛的应用前景.实验验证了该方法的有效性.     

基于OMAP3530的嵌入式多光谱掌纹识别系统

基于OMAP3530双核平台实现一个嵌入式多光谱掌纹识别系统。采用Palm Code掌纹识别算法,通过融合掌纹与手掌静脉提高系统防伪性,同时使算法的准确率从可见光的91.33%提高到95.33%。在OMAP3530实现时,让具有强大运算能力的DSP处理器专注于复杂的特征提取运算,ARM处理器则负责图像采集、外设控制、任务调度及用户交互。所设计的系统集成图像采集模块和中心处理主板,识别率高、防伪性强并且具备实时处理性能。     

一种新的掌纹图像预处理方法

掌纹图像预处理主要包括图像分割和图像增强。在分析现有掌纹图像预处理方法中存在的不足之后,提出了一种新的掌纹图像预处理方法。该方法以手掌外侧轮廓作为定位参考线,首先实现手掌定位;然后以手掌的最大内切圆圆心为掌纹图像坐标系的原点构建坐标系,并截取出该圆的内接正方形区域内的掌纹图像,以完成图像分割。另外,该方法将模糊理论引入到反锐化掩模系统框架中,并用方向可调滤波器替代传统反锐化掩模算法中的Lap lac ian滤波器来获取掌纹图像中的高频成分,以实现在线掌纹图像的增强。实验结果表明,该方法不仅在手指完全并拢的情况下,仍然能提取出掌纹中心子图,而且能有效增强掌纹图像中主线和皱纹线的对比度。     

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.     

融合水平梯度与局部信息强度的掌纹识别算法

掌纹纹线特征是掌纹最有效的特征.由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点.针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII).首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别.在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89％,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性.     

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。     

基于局部线性二值模式的掌纹掌脉融合识别

为了改善图像模糊导致鲁棒性下降这一问题,提出了一种基于掌纹掌脉双模态融合的多生物特征识别方法.对传统的线性二值模式(LBP)方法进行改进,提出了一种新的特征提取方法——局部线性二值模式(LLBP);对掌纹掌脉图像进行分块操作,形成分块局部线性二值模式(BLLBP),并将掌纹和掌脉特征进行融合;利用汉明距离进行匹配.实验图库分别为接触式公用图库和自建PolyU模糊图库以及自建SUT-D模糊图库,并与目前典型方法进行对比实验,结果表明:在三个图库中可分别获得最低等错误率(EER)为1.1513%,4.5162%和7.0439%,充分证明了该方法能够进一步提高身份识别的防伪性、鲁棒性及识别精度,具有可行性.     

基于2D-FFT的掌静脉图像Gabor滤波快速增强法

手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,被广泛用于个人身份鉴定领域.有效提取手掌静脉特征对于手掌静脉分类至关重要.然而,由于采集到的手掌静脉图像的质量较差,必须在识别前对手掌静脉图像进行增强.使用二维离散快速傅里叶变换（2D-FFT）代替传统空域卷积滤波,实现Gabor滤波器与原图像的频域卷积滤波.实验结果显示,本文提出的增强方法,相比较传统的自适应直方图均衡化和Retinex算法具有更佳的增强效果,相比于传统Gabor空域卷积滤波具有更低的计算复杂度,更适用于实时系统.     

基于Stein-Weiss函数的彩色掌纹特征识别算法

针对目前掌纹识别算法中对彩色掌纹图像的识别研究不多,提出一种新的基于Stein-Weiss函数解析性质的BP神经网络彩色掌纹图像的识别算法。首先为彩色掌纹图像中的每个像素点构建一个Stein-Weiss函数,再根据Stein-Weiss函数的解析性,计算出相应像素的十六个特征值,将这些特征值输入到BP神经网络的输入层,通过BP神经网络的自学习能力对这些数据进行分类学习;然后通过BP神经网络的泛化能力来获取掌纹边缘线;最后对掌纹边缘线提取成对几何特征建立特征库,通过成对几何直方图相交算法进行掌纹识别。实验结果表明,相对于以往的灰度掌纹图像识别算法,该算法能够更快地提取出更精细的掌纹线,识别率更高,并且对于旋转和噪声的干扰具有较强的鲁棒性。     

刚性变形成像条件下掌纹识别方法研究

目前广泛使用的掌纹图像采集装置是非接触式,这种方式适应了掌纹识别生活化的实用要求。但是构成了不稳定的成像环境,拍摄过程中会产生平移、旋转、扭曲,我们将这些不会影响掌纹线结构特征的变形称之为刚性变形。本文从手掌长度和宽度两个角度衡量掌纹图像刚性变形程度,设计了一种归一化校正方法。建立不同变形程度的掌纹图库,对掌纹特征匹配结果进行比较实验;实验结果表明,这种方法能够降低由于刚性变形对识别率产生的影响。