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。     

非接触式多模态手成像采集系统设计

为了提高传统生物识别系统的可靠性和易接受性,设计了一款非接触式多模态手成像采集系统。该系统可以在自然光条件下,在被采集者手掌不接触采集设备的情况下,同时获取被测者的掌纹、掌形和掌静脉3种特征信息。为提高系统的识别准确率,着重研究采集装置中的光学成像部分,其中主要包括滤光片的选取、图像传感器的配置、镜头的参数计算以及双路图像传感器与主处理器(DSP)视频口的硬件连接。同时,该系统还具有实时显示、网络传输和语音播报等功能。     

基于CCD的掌纹掌脉采集模块设计

针对掌纹掌脉身份认证的需求,以掌纹和掌静脉图像采集系统作为研究对象,设计了一种基于CCD的掌纹掌脉采集模块.采集模块采用单CCD作为图像感应芯片,在单颗芯片上同时获得掌纹掌脉图像,光源设计上突破性地采用了激光二极管作为红外补充光源,采集的图像以USB数据形式进行上传.实验表明:采集模块能够获得满足图像处理要求的清晰可靠的掌纹掌脉图像.     

非接触式在线掌纹识别模拟系统的实现

为研究非接触式采集模式下的在线掌纹识别技术,利用Matlab提供的图像采集工具箱及GUI功能设计并实现了一套非接触式在线掌纹识别模拟系统;在Matlab环境下,设计的系统可模拟真实的非接触式在线掌纹识别过程,实现掌纹图像采集、预处理、特征提取及特征匹配等功能模块,在线实验多种掌纹特征提取方法的正确识别率及运行时间,为非接触式在线掌纹识别技术的深入研究和产品开发提供实验数据和理论依据.     

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。     

手掌静脉识别系统的研究与设计

手掌静脉识别技术是静脉识别领域的新兴课题,原理相当简单,但具体实现有很多的挑战,包括如何设计一个能获得手掌静脉图像的采集实验装置和能够进行精确识别的算法等;对手掌静脉识别系统进行了初步的分析与研究,在研究的基础上为手掌静脉识别系统提供了一些硬件解决方案,包括如何选取CCD摄像机、怎样设计光源系统等,设计了手掌静脉采集实验装置,完成了手掌静脉识别系统的整体搭建,并采集到了较清晰的手掌静脉图像。     

手掌静脉图像识别技术综述

人体的手掌静脉具有唯一性、稳定性,隐藏在表皮下,结构复杂很难被复制,手掌静脉图像难以窃取拍摄,这些使得手掌静脉成为一种高安全性的生物特征。作为生物特征识别领域的前沿课题,手掌静脉图像识别技术以其高安全性等优势拥有着广泛的应用前景,成为近几年的研究热点。本文从手掌静脉图像识别技术的原理入手,综述了手掌静脉图像识别的四个阶段：图像采集,图像预处理、特征提取及匹配。根据特征提取方法不同,将掌脉图像识别方法分为基于结构特征的方法、基于纹理特征的方法和基于子空间的三类方法。最后,对掌脉图像识别技术的难点进行了总结,对发展趋势进行了展望。     

基于CS的高质量掌静脉图像获取方法

为了获得高质量的手掌静脉图像,设计了一种能快速采集到高质量掌静脉图像的多光谱自适应采集系统方法及装置。通过研究高质量静脉图像对应的近红外光强度配比区域,结合图像质量评价模型和布谷鸟搜索(CS)算法搜索策略,构建出760,850,940 nm三种混合近红外光强自适应配比模型。该模型能够快速调优混合光源强度配比,以获得复杂场景下高质量手掌静脉图像。实验结果表明:CS算法模型及系统方案能快速有效地适应不同人群手掌静脉特征,在保证图像质量的前提下提供快速有效的光源配比方案,为在线手掌静脉识别的后续处理提供了良好的基础。     

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。     

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%。     

应用非负矩阵分解和RBPNN模型的掌纹识别方法

提出一种基于非负矩阵分解（NMF）和径向基概率神经网络的掌纹识别方法。NFM是一种有效的图像局部特征提取算法,用于图像分类时能得到较高的识别率。考虑PolyU掌纹图像数据库,应用NMF、局部NMF（LNMF）、稀疏NMF（SNMF）和具有稀疏度约束的NMF（NMFSC）算法分别对掌纹图像进行特征提取,并对提取到的局部特征基图像进行分析对比;在特征提取的基础上,应用径向基概率神经网络（RBPNN）模型对掌纹特征进行分类,分类结果表明了RBPNN模型对掌纹特征具有较好的识别能力。实验对比结果证明了基于RBPNN的NMF掌纹识别方法在掌纹识别中的有效性,具有一定的理论研究意义和实用性。     

基于快速尺度空间特征检测的手势识别方法

在基于几何模型的手势识别方法中,尺度空间特征检测是一种最常用的方法。由于传统方法涉及大量的高斯卷积运算,计算非常复杂。提出了一种快速的尺度空间特征检测方法,采用一组简单的矩形特征模板近似传统方法中复杂的高斯导数卷积模板,得到了尺度空间几何特征的快速检测子。通过对手势图像中Blob和Ridge结构的检测,得到手掌和手指结构的描述,进而完成手势识别。矩形特征模板的卷积可以用积分图进行快速计算,该方法使特征检测的速度得到了很大提高。在标准数据集和自然环境图像数据上的实验结果表明,该方法在保证识别准确率的同时,有效地提高了手势识别的实时性。     

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.     

悬臂式掘进机巷道位姿监测系统设计

实现煤矿井下巷道的无人化自动掘进,需要实时掌握掘进机的空间姿态参数.结合巷道和掘进机本身特点,设计了一种基于图像识别的掘进机位姿监测系统.掘进机空间姿态发生变化时,双十字激光在2个激光标靶上的图像出现中心点偏移和角度偏转,对其进行数字图像处理得到精确的特征点、特征光线参数,即可求出掘进机位姿参数.基于Matlab软件GUI模块开发的监测软件具有图形用户界面,通过对标靶的图像识别,实时显示掘进机位姿参数,方便用户使用.模拟环境下的试验测试结果表明,在测量范围＜40 m时,位移误差＜5 mm.该系统测量精度高,实时性强,能够满足测量需求,实现煤矿并下掘进过程中的位姿监测.     

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.     

Real-time synthesis of a humanlike agent in response to the user's moving image

This paper describes a parallel computing system and a software algorithm for real-time interaction between a human user and a synthesized, humanlike, moving image. The realistic humanlike agent on a monitor can recognize the palm position and finger motion (finger sign) of the user. She/he then tracks and gazes at the hand position to change her/his facial expression in response to the finger sign in real time. This visual software agent (VSA) is expected to play an important role in building an advanced human interface. We regard this type of interactive agent as avisual software robot. To achieve real-time image recognition and image synthesis, we have developed a parallel visual computer system the transputer network with visual interface to transputers (TN-VIT). The imagesynthesis speed of the TN-VIT is about 24 frames/s, including finger-sign recognition. Some samples of synthesized images and experimental results are shown.     

一种新的个性化的图象分类方法

图象分类系统的建立是信息检索以及模式识别中一个重要部分，其中，特征选择问题，即确定描述图象的特征参数是需要解决的关键问题，基于和图象检索技术的研究，近来得到了广泛的关注，由图象特征向量维数过高而引起的图象检索困难是基于内容的图象检索技术研究所面临的一个挑战，因此需要寻找一个有效降维技术，为解决此问题，设计了一个新的图象分类标准模型，通过寻找不同的特征组合来作为分类标准，进而提出了一种算法，用于实现此模型，实验结果显示，该模型能实现图象特征向量降维，并且算法能够极大地降低计算所花费的时间，同时，多种不同分类标准的引入，使得本方法能与信息检索技术进行有效的结合，为个性化信息检索提供一种实现思路。     

无约束手掌图像采集系统及相应特征定位算法

为解决高自由度手掌图像的采集和手掌特征定位问题,本文提出了新型的无约束手掌图像采集系统及相应的特征定位算法.采集系统以弧形采集区域对手掌进行采集,过程中对用户左右手类别,手掌放置的位置、角度,手掌形状和大小无限制.手掌图像特征定位算法利用肤色信息分割手掌区域,以修正手掌重心点为原点建立极坐标系,通过计算掌形边缘点在极坐标下的分布特征,得到指尖指凹点坐标和左右手判别信息,作为手掌特征定位的输出结果.实验表明,本系统所采集的手掌图像清晰,特征定位算法的正确率达到98.5%.