掌纹的秘密-掌纹的秘密全解 pdf( 二 ) _生活百科

文章插图
图 3 图片获取系统的外观. [4]
2.2 预处理
除了图像增强、滤波等步骤，提取 ROI 的算法是预处理阶段的关键步骤。近十年来，距离是ROI 提取中最重要的指标。即保持ROI边缘与谷点连线之间有固定像素距离。然而，由于掌纹图像的大小多变，如果仅使用该方法， ROI 区域将不会被精确提取，识别的结果不佳。因此，研究人员提出了比率和角度法。前者使 ROI 的大小占掌纹图像中的固定比例，后者使 ROI 边界点和谷点连接线与谷点连线之间具有恒定角度。实验结果显示， 45°或 60°最适合精确特征提取[5] 。由于图像中出现重叠，不同的谷点数量将导致 ROI 提取结果不同。大多数文章使用 2~6 个谷点数，也有一些使用 12 和 15 谷点，平均使用谷点数为 5 。
三、特征提取与匹配3.1 特征提取
特征提取的目的是为了最大限度地区分不同类的掌纹。近十年，特征类型越来越多，特征表征的方法也更加有效。
最近十年主要特征对象是纹理、方向、细节和频率等。而许多新特征也相继出现了，如Laplacialpalm、LRV(Local relative variance)、GMP(Gabor magnitude and phase)信息、Blur不变相、能量信息等。多特征融合也是特征提取的趋势，使得特征之间可以互补。
现有的特征表征的方式可以分为三种类型: 编码、图片和学习。图片方法直接使用图像信息，我们又将其划分为三个子类，即基于结构、统计和子空间的算法。
(1)基于编码的算法
编码将图像转换成数字信息，可以减少空间复杂度。常用的编码方法首先使用预定义的滤波器对图像滤波，然后根据特定原理编码，并使用位编码存储。之后，使用二进制运算获得相似度。为了研究 Gabor 滤波器的数量和方向的影响，一种改进的模糊C均值聚类算法被提出来确定每个Gabor 滤波器的方向。 Kim 等人[6]设计了一种使用主线和倾斜方向的新型混合方法，以减少照明条件对位置信息的影响。该方法可以处理非手掌线周围的像素，从而优化了鲁棒线方向编码(RLOC) 和二进制方向共生矢量(BOCV)这两个算法。
(2)基于结构的方法
基于结构的方法关键在于利用边缘检测算法提取脊线、主线或特征点的方位信息。 Huang 等人[7]基于方向和频率提出了一种新的脊特征提取方法，使用了一组 Gabor 滤波器来捕获局部和全局细节，将脊线表示为不同的点集。相应的等错误率(EER)低至 1.5% 。 Li 等人[8]首先减少图像中的噪点，然后基于多样性和对比度来检测手掌线，接着改进了Hilditch算法并应用边缘跟踪方法来消除分支，最后获得单像素主掌纹图像。
(3)基于统计的方法
这类方法使用图像的统计概念，即方差、平均值、不变矩等。目前有两个研究方向，一个基于变换，另一个是非变换法。经典变换由小波变换，傅里叶变换组成，可以完美地表示掌纹图像在频域的多尺度信息，但是该法是局部的。近十年，离散曲波变换、Riesz 变换、力场变换和数字剪切变换已经被引入。在变换后，统计指标被转换为对应的向量。科研人员还改进了局部二值模式直方图(LBPH)，并将其与双树复数小波变换(DT- CWT)相结合，提出一种基于 DT-CWT 的 LBPWH 方法。无变换统计方法一般来自 Zernike 矩的研究。 Gayathri 等人[10]设计了一个使用高阶Zernike矩的鲁棒识别系统。该方法不受旋转影响，并且拥有正交性和旋转不变特性。
(4)子空间方法
子空间方法将图像视为高维矩阵或矢量，并通过投影或数学变换将其转换为低维矢量。通常，需要建立不同类型的掌纹训练集，并且选择最优投影方式来表示特征。

以上关于本文的内容，仅作参考！温馨提示：如遇专业性较强的问题（如：疾病、健康、理财等），还请咨询专业人士给予相关指导!

「辽宁龙网」www.liaoninglong.com小编还为您精选了以下内容，希望对您有所帮助：