小波包分解在虹膜识别中的应用研究

小波包分解是从小波变换延伸而来的一种更精细的信号分析算法，具有分析高频特征信息的优势。文中结合小波包分解的特点，提出了一种基于小波包分解的虹膜识别算法。该算法首先对虹膜图像实行分窗小波包分解，并对各窗口的子带图像作筛选处理；然后通过奇异值分解对筛选后的各子带图像作进一步的特征提取和压缩，得到虹膜识别特征；最后利用加权欧氏距离分类器进行识别。实验结果表明了该算法的有效性。     

一种基于小波包分解的虹膜防伪检测方法

虹膜识别系统易受到伪虹膜的攻击,包括利用打印在隐形眼镜、玻璃眼或其他材料上的假虹膜纹理进行的攻击,所以检测出假虹膜的防伪算法至关重要。为此,提出一种利用小波包分解进行特征提取的虹膜防伪检测方法。首先对目标图像进行二级小波包分解,然后计算各子带图像的熵,最后将各子带图像的熵值之和作为提取的特征值。实验在包含500幅虹膜图像的数据库中进行,结果表明此方法可以有效地将真假虹膜区分开来。     

一种基于SVD分解的小波域数字水印算法

本文提出了一种基于离散小波变换和奇异值分解的数字水印算法。该算法充分利用了离散小波分解和矩阵奇异值分解(SVD)的固有特征,对Arnold置乱后的水印的多层小波分解子带做奇异值分解,把分解后的奇异值嵌入到原始图像的多层小波分解的相应子带中。水印的提取是嵌入算法的逆过程。Matlab仿真试验表明了算法的透明性、稳健性和安全性。     

结合小波变换和Log-Gabor滤波的虹膜识别方法

提出了一种将小波变换和Log-Gabor滤波结合起来进行虹膜识别的方法:小波分解后的低频子带包含了虹膜图像的主要信息,而Log-Gabor滤波能有效提取图像的纹理信息.将归一化的虹膜图像进行两层小波分解,再取其低频子带进行Log-Gabor滤波并量化生成虹膜模板,采用汉明距进行快速分类.实验结果验证了本算法具有很好的识别率和等错率.     

基于小波包变换和支持向量机的虹膜识别方法

提出了一种基于小波包变换和支持向量机的虹膜识别方法.用小波包变换对归一化的虹膜图像进行2层分解,并计算出每个子频带的能量;通过选择具有最大能量值的特征作为小波基特征,以减少进入支持向量机的样本数目和提高识别准确率;最后,用支持向量机对虹膜特征进行模式匹配.实验结果表明,该方法取得了较好的识别效果.     

基于小波包分解的虹膜识别算法

特征提取是虹膜识别的关键技术;由于虹膜图像具有丰富的纹理,提出了基于小波包分解的虹膜识别算法。小波包分解不仅包含了图像的低频部分而且还保留了高频部分,它能够有效地提取虹膜纹理特征,并按hamming距离对虹膜进行匹配。实验结果表明,该算法具有良好的鲁棒性。     

一种改进Log-Gabor滤波的虹膜识别算法

研究虹膜识别问题,由于在图像采集过程中,噪声影响准确性,为提高虹膜识别准确率,针对一维Log-Gabor滤波特征提取方法丢失二维信息的缺陷,提出一种改进Log-Gabor滤波的虹膜识别算法。首先采用小波变换对虹膜图像进行分解,获取虹膜图像低频子带信息,然后采用不同方向尺度的2维Log-Gabor滤波器组提取虹膜纹理特征,最后采用支持向量机对生成的虹膜特征码进行匹配。采用CASIA和UBIRIS虹膜库对算法性能进行测试,测试结果表明,改进Log-Gabor滤波的虹膜识别算法提高了虹膜识别准确率,加快识别速度,更加适合于实时虹膜识别,为虹膜准确识别提供了依据。     

基于流形的表情分解算法

提出了基于流形的表情分解算法。首先,运用保局投影将图像投影到低维的表情流形子空间,再在流形子空间里对它们进行高阶奇异值分解,最后在个人子空间和表情子空间里完成人脸和表情识别。该算法用流形学习解决了高阶奇异值分解中的图像特征值提取问题,用高阶奇异值分解解决了流形表情识别中个人模式影响表情识别的问题。是一种流形学习与高阶奇异值分解优势互补的算法。在CMU-AMP和JAFFE人脸库上的实验表明,该算法对人脸和表情识别都十分有效。     

一种鲁棒的变换域数字水印算法

本文提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的混合水印方案。在该方案中,首先把原始载体图像分成多个分块（32×32）,然后对各个分块进行离散小波变换得到四个子带,之后对低频子带应用奇异值分解,并修改每个分块低频子带的最大奇异值．从而嵌入水印图像的各个奇异值。实验证明该算法对于常用的各种图像处理攻击具有良好的鲁棒性。     

基于DWT-SVD的图像盲水印研究

提出了一种新的基于离散小渡变换(DWT)与奇异值分解(SVD)相结合的数字图像水印算法.该算法将原始图像作小波分解并将小波分解得到的低频子带进行分块,对每一块进行奇异值分解后,选取每块中最大的奇异值通过量化的方法嵌入经过Arnold置乱后水印信息.水印的提取不需要原始图像,但受到密钥的限制,不知道密钥的人无法正确地恢复数字水印.实验结果表明,该算法具有较好的不可感知性、鲁棒性和安全性.     

基于小波和奇异值分解的人脸识别方法

该文提出了一种基于小波和奇异值分解的人脸识别方法。首先对人脸图象进行小波分解,由于小波变换具有良好的多尺度特征表达能力,能将图象的大部分能量集中到低频子图中,使图象得到有效压缩。然后,对得到的每幅低频子图进行基于奇异值分解的特征提取,并将奇异值特征向量进行压缩,把压缩后的特征向量作为每幅人脸图象的特征,进而求出每一类人脸图象的特征向量中心。最后,将每一类的特征向量中心输入到分类器中进行识别。最终得到了令人满意的识别结果。     

基于多通道小波滤波的虹膜识别新算法

为克服小波变换过零检测虹膜识别算法对纹理灰度变化敏感的缺点,利用小波变换多通道滤波的特性,提出了一种新的基于Daubechies-4小波的虹膜识别新算法。根据虹膜纹理分布的特征,将虹膜分成10个分析带,对每个分析带采用一个合适尺度的小波滤波,小波变换各个通道的小波系数的均值及标准差作为虹膜的特征值,最后得到虹膜的128位特征编码。特征匹配采用的是加权欧式距离的分类器方法。实验结果表明算法是有效的,取得了高识别率;同时,提出的算法对虹膜图像的尺度、旋转、平移等的变化具有不变性。     

基于二维正交滤波的虹膜识别算法

提出一种针对灰度虹膜图像进行虹膜特征提取及匹配的方法,其利用四元数二维正交Log Gabor小波提取虹膜图像的纹理特征,以滤波后图像的解析信号作为虹膜的特征编码.该方法可以同时表征虹膜纹理多方向上的特征,更加全面地描述了虹膜纹理的特征空间.特征匹配采用类似汉明距的方式,同时以虹膜图像中眼睑、睫毛以及光斑的分布为匹配模版来减少它们的干扰.大量实验的结果表明该方法具有非常优越的识别性能.     

基于比特流的虹膜特征数据的隐藏算法

对生物特征数据的攻击是生物特征识别自身安全的主要威胁。为了提高虹膜特征数据的安全性,根据现有主要的虹膜识别方法中特征模板的数据特性和基于汉明距的比对方法,提出一种基于比特流的将虹膜特征模板数据嵌入人脸图像的数据隐藏算法。实验结果表明,该算法具有较强的隐蔽性,隐藏算法本身误码率为零,计算效率高,不会影响虹膜识别技术本身的性能,能够有效保护特征模板数据,增强虹膜识别系统自身的安全性。     

基于改进的Log-Gabor小波的虹膜识别算法

对二维Gabor复小波应用于虹膜识别进行了详细的理论分析,提出了采用二维奇对称Gabor小波代替二维Gabor复小波来提取虹膜纹理特征的改进算法.在此基础上,进一步提出一种采用改进的二维 Log-Gabor小波来提取虹膜纹理特征,采用汉明距来进行特征匹配的新方法,克服了二维Gabor复小波应用于虹膜识别的缺陷.与已有算法进行比较的实验数据表明,采用二维奇对称Gabor小波的改进算法在识别率略有提高的基础上,能大大地减少编码存储空间以及编码和匹配的时间.而采用改进的二维Log-Gabor小波算法则进一步的提高了识别率.     

基于局部奇异值检测的虹膜识别算法

虹膜识别以其唯一性、稳定性和非侵犯性等优点成为生物特征识别中极具发展潜力的身份识别技术;提出一种基于二次样条小波变换的虹膜识别算法;运用紧支撑的二次样条小波对构造的一维灰度信号进行分析,选择适当尺度上的小波变换结果进行量化,构造出二进制特征向量;采用Hamming距离进行移位匹配;最终完成虹膜识别;算法的错误接受率和错误拒绝率都比较低,能够达到较好的识别效果.     

基于相位谱互相关的虹膜识别方法研究

利用虹膜图像中丰富的结构和纹理特征作为身份鉴别的依据，与其他生物特征识别相比，具有更高的可靠性。该文提出一种基于图像相位谱互相关的虹膜识别方法。本系统先对虹膜图像进行滤波、定位、增强等预处理，再利用相位谱互相关匹配算法对虹膜图像进行识别，最后，进行了小样本的实验。实验结果表明，该方法是可行的，并且识别准确率高，速度快。     

SVD与LDA相结合的人脸特征提取方法

提出一种新的SVD与LDA相结合的人脸特征提取方法.首先选用练训样本的均值图像作为标准图像,把训练样本投影到标准图像经奇异值分解产生的基空间中,其次提取投影系数矩阵左上角信息作为初步特征,最后再采用LDA分析方法降维提取最终的特征.该方法解决了奇异值分解用于人脸识别基空间不一致的固有缺陷,同时又增加的特征的类别信息,也避免了LDA的小样本问题.在ORL与CAS-PEAL人脸库的实验结果表明了该方法的有效性,同时对光照有一定的鲁棒性.     

一种基于子块图像互相关的虹膜识别方法

虹膜识别是一种新兴的生物特征身份识别方法,在场所或资源的安全控制等方面具有重要的应用价值。该文提出了一种基于子块图像互相关的虹膜识别方法。在特征提取时,把图像划分为许多子块,计算两幅虹膜图像的对应子块间的归一化相关系数,并把最小的几个归一化相关系数去除掉,然后求得剩下的归一化相关系数的均值及方差,作为两幅虹膜图像的联合特征。这能够有效地减小图像强度的局部畸变对虹膜识别的影响。为了实现模式的非线性划分,判别函数采用径向神经网络来构造。最后,进行了小样本实验,实验结果表明,这种基于子块图像互相关的虹膜识别方法是可行的。