论文部分内容阅读
Gabor滤波器已经广泛应用于掌纹识别和人脸识别上。然而,大多数现有方法在图像进行Gabor变换后并没有充分利用到所有方向的纹理信息。另一方面,局部特征模式常用于描述图像的局部纹理特征。我们认为设计一个带方向性的局部特征可以提取出更多来自Gabor响应图的纹理信息,可以增强基于Gabor滤波器的方法的鲁棒性。本文先是提出了一种基于自适应方向的Gabor响应排序编码(Orientation Adaptive response Order Pooling,OAROP)方法,在该方法中,2D Gabor响应的每个像素按照设计的邻域根据方向进行编码,所有编码拼接在一起进行特征描述,最后用L1或L2范数来度量特征向量之间的距离。我们在四种公共掌纹数据库上进行了大量的验证和识别实验,其中包括非接触式,深度图以及多光谱,高光谱的数据库。实验结果表明,该方法得到了比目前业界方法更高的准确率。在验证实验中,该方法可以进一步降低该任务的等误率。在识别实验中,错误率可以降低到0%。这些结果显示了该方法的鲁棒性,并且为掌纹识别提供了一个更有竞争力的工具。单一生物特征只能表达个体的部分身份信息,相比之下,多种特征的融合能有效的充分利用更多的身份信息,提高身份识别的正确性。我们对多光谱掌纹数据进行多特征融合,其中单一波段的图像信息视作一类特征。我们针对每一波段提取OAROP特征,不同波段的OAROP特征进行分数融合,并得到优于目前主流方法的结果。3D Gabor比起2D Gabor多一个方向,可以进一步地利用三维空间信息。以往处理高光谱数据的很多方法是采用二维的角度,没有充分利用到光谱方向的信息。本文将提出的OAROP局部特征模式进一步拓展成3D模式,从而加强了3D Gabor特征信息的表示。本文针对三维Gabor特征直接连接维度大的问题,设计了联合稀疏表示特征融合方法。对多个3D Gabor滤波器得到的特征信息进行联合稀疏表示。高光谱人脸识别上的实验证明,3D Gabor的信息得到有效的增强,得到了优于其他主流方法更高的准确率。