提出了一种基于区域分割和二次判别的手静脉识别方法,首先,将静脉图像分割成一些相同大小的互不重叠的子区域,在每一个小的子区域内抽取仅带有该区域局部特征的Gabor相位信息,再将这些特征信息级联成整幅图像的特征矢量,进行静脉识别。...提出了一种基于区域分割和二次判别的手静脉识别方法,首先,将静脉图像分割成一些相同大小的互不重叠的子区域,在每一个小的子区域内抽取仅带有该区域局部特征的Gabor相位信息,再将这些特征信息级联成整幅图像的特征矢量,进行静脉识别。在抽取特征的过程中,使用Fisher线性判别(Fisher linear discriminant,FLD)降低特征矢量维度。最后,利用得到的相位信息重建一幅静脉图像,并根据阈值将图像二值化,从而分割出手静脉骨架,结合静脉骨架的相似性得到手静脉的二次识别。在香港理工大学的数据库上测试了算法性能,实验结果表明,通过区域分割获取局部特征在手静脉识别中起到了关键作用,在进一步结合了二次判别后,本文提出的手静脉识别方法取得了0.09%的等错误概率(Error equation rate,EER)。展开更多
文摘提出了一种基于区域分割和二次判别的手静脉识别方法,首先,将静脉图像分割成一些相同大小的互不重叠的子区域,在每一个小的子区域内抽取仅带有该区域局部特征的Gabor相位信息,再将这些特征信息级联成整幅图像的特征矢量,进行静脉识别。在抽取特征的过程中,使用Fisher线性判别(Fisher linear discriminant,FLD)降低特征矢量维度。最后,利用得到的相位信息重建一幅静脉图像,并根据阈值将图像二值化,从而分割出手静脉骨架,结合静脉骨架的相似性得到手静脉的二次识别。在香港理工大学的数据库上测试了算法性能,实验结果表明,通过区域分割获取局部特征在手静脉识别中起到了关键作用,在进一步结合了二次判别后,本文提出的手静脉识别方法取得了0.09%的等错误概率(Error equation rate,EER)。
