论文部分内容阅读
作为对现有人体生物特征识别技术的重要补充,对掌纹识别算法的研究具有重要的现实意义,是一项具有挑战性的研究课题。在借鉴其它生物特征识别技术的基础上,本文在特征提取环节提出了三种算法:(1)采用小波变换对掌纹图像进行多分辨率分析,并定义了一种用于掌纹识别的纹理特征—小波能量特征(Wavelet Energy Feature, WEF)。利用构成掌纹的主线和皱纹线具有天然多分辨率的特性,对较粗较强的主线进行低分辨率分析,对较细较弱的皱纹线则进行高分辨率分析。(2)利用Gabor滤波器组对掌纹进行多尺度滤波,提取每个方向子带的均值和方差特征,并采用绝对值距离衡量特征向量间的差异。在基于Gabor纹理特征的基础上,借鉴分级检索的思想,先采用Gabor滤波器提取掌纹的全局能量特征,后采用LBP算子提取局部纹理特征实现两次分类。(3)提出了一种融合能量与方向两级特征的掌纹识别方法,通过不同方向不同尺度的多通道滤波,对得到的各个方向子带进行模糊分块,计算每一小块区域的能量,在同一尺度不同方向上找出能量最大的区域,并标记此区域对应的Gabor方向。采用格雷码对方向特征进行编码,分别计算能量特征的欧氏距离和方向特征的汉明距离,最后将两种距离按权相加。本文对每种算法的性能都进行了讨论,并利用Matlab语言实现了一个基于Gabor纹理的脱机掌纹识别系统试验平台,通过对各种算法性能的对比,为进一步的研究提供了方向和经验。