融合潜在纹理和表面一致性的三维掌纹识别

针对三维(3D)掌纹识别由于噪声干扰和忽略相邻深度信息引起识别率低的问题,提出融合潜在纹理和表面一致性的3D掌纹识别方法。首先,利用能量局部边缘二值码(energy local edge binary code,ELEBC)从能量图中提取潜在的纹理方向信息,消除噪声。然后,通过平均块模式表面类型(mean block pattern surface type,MBST)获取表面一致性。最后,利用主成分分析(principal component analysis,PCA)进行数据降维,并使用决策级融合,从而获取最终的识别结果。在香港理工大学3D掌纹数据库中进行相关实验,结果表明,正确识别率最高可达到99.71%,相比于其他新颖算法具有优势,并且识别分类时间保持在0.5 s以下。这显示出本文方法不仅具有良好的识别效果,同时能够满足实时性的要求,具有应用价值。