掌纹的密码 掌纹的秘密全解 pdf( 二 )



掌纹的密码 掌纹的秘密全解 pdf

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: