西安邮电大学计算机学院, 陕西 西安 710121
生物特征识别在信息安全领域发挥着重要作用, 掌纹识别作为一种新型生物特征识别方式, 具有低失真、 非侵入性和高唯一性等优势。 传统掌纹研究大多使用自然光成像系统以灰度格式获取, 识别精度很难进一步提升。 为了获得更多的身份鉴别信息, 提出利用多光谱掌纹图像代替自然光掌纹图像。 针对现有掌纹识别算法由于没有考虑到不同光谱的特性而导致纹理细节丢失, 识别精准率低的问题, 提出了一种基于多光谱图像融合的掌纹识别算法。 该方法通过对不同光谱下的掌纹图像进行快速自适应二维经验模式分解(FABEMD), 将多光谱掌纹图像分解成一系列频率由高到低的二维固有模态函数(BIMF)和一个残余分量, 残余分量可被视为该光谱图像低频信息的初步估计。 图像采集过程中光照条件很难保持稳定, 而近红外光谱图像在进行FABEMD分解时对光照变换敏感, 容易导致分解后的BIMF背景信息过于冗余; 因此对分解后的近红外掌纹图像进行背景重建及特征细化, 在对背景冗余信息进行平滑处理的同时可以有效增强高频信息的特征表达。 为避免直接融合处理后引发的图像过度曝光问题, 提出对近红外特征压缩后再融合。 此外, 提出了一种结合了注意力机制的改进残差网络(IRCANet), 用于融合后的掌纹图像分类, 在网络中引入分阶段残差结构, 缓解了网络的退化问题, 在学习过程中有效地减少信息丢失, 对于融合后的多光谱掌纹图像, 分阶段残差结构能够稳定地将图像信息在网络间传输, 但对图像中的高低频信息区分效果不够显著, 为了使网络关注更多区分性特征, 利用特征通道间的相互依赖性, 在分阶段残差结构中结合了通道注意力(Channel Attention)机制。 最终, 在香港理工大学(PolyU)多光谱掌纹数据集上进行的综合实验表明, 该方法可以取得良好的效果, 算法识别准确率能达到99.67%且具有良好的实时性。
多尺度分解 图像融合 多光谱掌纹识别 注意力机制 Multiscale decomposition Image fusion Multispectral palmprint recognition Channel attention mechanism 光谱学与光谱分析
2022, 42(11): 3615
淮北师范大学计算机科学与技术学院, 安徽 淮北 235000
韦伯局部描述子(WLD)是一种有效的图像特征描述子。但是,构成WLD特征的差分激励和梯度方向无法准确地刻画掌纹图像的局部灰度变化和纹线的方向,因此基于WLD的掌纹识别性能并不高。针对掌纹图像纹线特征较丰富的特点,对WLD特征进行改进获得多尺度Gabor方向韦伯局部描述子,以提高掌纹识别的性能。首先,采用多尺度Gabor滤波器对掌纹图像进行滤波,得到多尺度能量图和方向图;然后,基于能量图计算差分激励;最后,基于多尺度差分激励图和方向图构造直方图特征,并将不同尺度下的特征向量串联,进而生成掌纹图像的最终特征集。在PolyU,PolyU Multi-spectral和CASIA三种数据库上的实验结果表明,本文方法与一些现有的掌纹识别方法相比,具有较高的识别率和较低的等错误率。
模式识别 掌纹识别 韦伯局部描述子 Gabor方向 多尺度特征 激光与光电子学进展
2021, 58(16): 1610018
上海理工大学 光电信息与计算机工程学院, 上海 200093
为了实现从掌纹图像中提取出稳定的感兴趣的区域(ROI)图像的目标,设计了一种新的掌纹ROI提取方法。使用Harris角点检测算法对二值化后的掌纹图像进行角点提取,收集相应区域的角点,利用聚类算法得到角点簇的中心点坐标,从中寻找关键点建立坐标系,提取ROI。分别利用该方法在不同掌纹数据库中进行了ROI提取实验。实验结果表明,该方法对不同的掌纹数据库图像均能保持很好的提取效果,成功率均达到了99%以上。
掌纹识别 Harris算法 聚类算法 感兴趣的区域 palmprint recognition Harris algorithm clustering algorithm region of interest
华南理工大学自动化科学与工程学院, 广东 广州 510641
搭建了基于视频的掌纹掌脉联合识别系统。首先对掌纹掌脉采用新的注册和识别方式,用系统获取的手掌运动视频来代替传统采集方式所获取的静态图像,认证时手掌无需刻意停留,只需横扫而过,有效地增强了认证的亲和性。提出了将旋转视频和横扫视频进行融合注册的新策略,从而确保了注册特征的丰富性和完整性,增强了系统对不同认证姿态的稳健性。为了提升已注册用户的识别速度,提出一种级联融合策略来进行识别。构建了一个包含100个手掌、1200段带有运动模糊的掌纹掌脉视频数据库,并在数据库上进行了大量仿真,结果显示新系统在915 ms的期望耗时内能够达到1.51%的等误率,验证了所构建新系统的有效性和实用性。
机器视觉 生物特征认证 掌纹识别 掌脉识别 级联融合
宁波大学信息科学与工程学院, 浙江 宁波 315211
针对传统掌纹识别方法易受噪声干扰, 且旋转鲁棒性差的问题, 提出一种采用均匀局部二元模式 (Uniform Local Binary Patterns, ULBP)及稀疏表示的掌纹识别方法。该方法利用善于表达图像纹理特征, 且具有良好旋转不变性和抗干扰性的 ULBP提取掌纹图像特征; 同时考虑到直接对整幅图像进行 ULBP处理会丢失局部纹理, 采用先对各图像进行分块, 再对各块分别进行 ULBP处理的特征提取方案。在分类算法的设计上, 本文利用掌纹图像库中训练样本的 ULBP特征构造过完备字典, 通过求解 l1范数意义下的最优化问题实现测试样本的稀疏分解, 并提出一种基于统计残差平均的稀疏表示分类方法, 实现了测试掌纹图像的分类识别。实验结果表明, 本文方法不仅具有良好的旋转及噪声鲁棒性, 而且总体识别率明显优于基于 PCA及 2DPCA的传统稀疏表示分类方法, 对于包含 5 000031 0人的掌纹数据库, 识别率分别提高了 8.8%和 6.8%。
掌纹识别 均匀局部二元模式 稀疏表示 鲁棒性 palmprint recognition uniform local binary patterns sparse representation robustness
1 杭州电子科技大学认知与智能计算研究所, 杭州 310018
2 中国计量学院, 杭州 310018
3 大连理工大学计算机科学与技术学院, 辽宁大连 116023
近年来, 自动掌纹识别方法的研究吸引了越来越多的关注, 已有的工作主要集中于二维掌纹识别。然而, 二维掌纹图像存在着易伪造、抗噪能力差的缺陷, 实际应用中会带来潜在的安全隐患。因此, 三维掌纹识别被视为一种可行的解决方案来进一步提高识别的性能。基于局部纹理特征, 本文提出一种有效的三维掌纹识别方法。该方法首先利用形状指数来描述三维掌纹的局部几何特征, 接着提取形状指数图像的局部三值模式以及 Gabor小波特征, 最后在匹配分数层次上对这两种互补的局部纹理特征进行融合, 随后的实验证明了融合特征较单独特征要好。在香港理工三维掌纹数据库上的实验结果表明, 本文方法在识别率上要优于目前流行的其它三维掌纹识别方法, 从而验证了本文方法的有效性。
三维掌纹识别 局部纹理特征 形状指数 多重特征融合 3D palmprint recognition local texture feature shape index multiple feature fusion
1 沈阳工业大学 视觉检测技术研究所, 辽宁 沈阳 110870
2 辽宁工程技术大学 电子与信息工程学院, 辽宁 葫芦岛 125105
针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊, 从而降低识别系统性能的问题, 提出了一种基于稳定特征的模糊掌纹识别方法。建立了掌纹的离焦退化数学模型; 在分析模糊机理的基础上, 使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征, 利用特征向量之间的欧式距离进行匹配和判别。文中给出了算法的步骤, 并通过实验确定了需要选取的低频系数的个数。在建立的SUT-D模糊掌纹库上进行了识别测试, 结果表明本文算法的等误率可达17.101 7%, 与传统的DCT变换及Eigen Palm, Palm Code等8种典型识别方法比较, 等误率最高可降低7.908 4%。这些结果显示本文方法不但能够提升识别效果, 而且特征维数较低, 改善了模糊掌纹识别系统的性能。
生物特征 掌纹识别 离焦 模糊识别 拉普拉斯平滑变换 biometric feature palmprint recognition blurred recognition defocus Laplacian Smoothing Transform (LST)
宁波大学信息科学与工程学院, 浙江 宁波 315211
提出一种基于稀疏表示的掌纹识别方法, 该方法借鉴二维主成分分析(PCA)良好的数据压缩属性和较快的特征提取速度, 生成掌纹特征图像。二维 PCA不仅克服了一维 PCA数据维数过大不易计算的缺点, 而且保留了原始图像的数据结构, 提取的特征能更好的代表原始图像。为了便于稀疏表达, 对提取的掌纹特征图像利用一维主成分分析进行二次特征提取, 得到训练样本。虽然此处使用了一维 PCA, 但是由于这是二次特征提取, 提取的特征还是保留了原始图像的数据结构, 相比单纯的一维 PCA, 提高了识别率。利用训练样本构造出冗余字典, 并采用稀疏表示理论将测试样本表示为字典原子的线性组合, 然后根据表示系数的稀疏性与稀疏集中度实现分类识别。由于该方法利用了表达系数的稀疏性, 因此减小了算法的时间和空间复杂度。实验表明, 针对香港理工大学的 MSpalmprints Database, 本文方法的识别率较传统方法有明显提高。
稀疏表达 二维主成分分析 掌纹识别 sparse representation 2D-PCA palmprint recognition
1 沈阳工业大学视觉检测技术研究所，沈阳 110870
2 沈阳化工大学信息工程学院，沈阳 110142
特征提取是低对比度掌纹识别的关键步骤。针对掌纹纹理特征明显的特点，本文提出了一种分块 Radon变换的掌纹特征提取方法。该方法先对掌纹感兴趣区域进行一级小波分解去噪降维，接着对低频子图像进行分块以圈定局部主要纹理，最后把所有分块后的子图像进行 70°～140° Radon变换，所获得的线积分组合在一起构成该图像的特征向量。运用 UST掌纹图像库，对本文算法进行了测试。从识别率达到 94%的实验结果看，此方法能够满足对采集图像无过多要求的认证系统的使用。
生物特征识别 掌纹识别 特征提取 小波变换 分块 Radon变换 biometrics recognition palmprint recognition feature extraction wavelet transform block Radon transform
