一种基于2DHOL特征与(2D)~2FPCA结合的手指静脉识别方法

文中提出一种基于二维方向线直方图统计(2DHOL)特征与双向二维费希尔主成分分析((2D)~2FPCA))相结合的手指静脉识别方法.首先针对手指静脉图像纹路走向的特点,改进基于梯度直方图(HOG)特征中有关梯度幅值和方向的计算方法,采用二维Gabor滤波器获取静脉图像的线形响应和方向,提取2DHOL特征;然后综合考虑行列相关性和类别信息,采用(2D)~2FPCA对2DHOL特征进行降维处理,得到手指静脉特征向量;最后计算特征向量的欧氏距离.应用不同手指静脉数据库进行实验的结果表明,该方法能够有效地提高手指静脉识别率,并对训练样本数变化具有较强的鲁棒性.

基于两方向二维主成分分析木材识别的研究

两个方向的费希尔主成分分析方法(2D)2FPCA结合了二维主成分分析方法(2DPCA)和二维费希尔线性方法(2DFLD)的特点,很好地解决2DPCA特征提取时比传统PCA需要更多系数来表达图像信息的问题。根据木材体视图受光照影响及同一树种的样本图片之间差别较大等特点,适当增加了识别的类内散布矩阵从而提高了木材的识别率。(2D)2FPCA为木材的智能识别提供了一条新途径。