基于灰度差统计分析的掌纹线提取

为了快捷而准确地提取掌纹线,提出了一种基于灰度差统计分析的方法。采用了带有修正因子的直方图均衡化方法使掌纹图像灰度分布均匀化,并应用基于邻域平均灰度的计算方法有效抑制伪纹线的干扰。在预先设置长度阈值的情况下,对图像灰度差值图进行统计分析并设置灰度阈值,进而使用具有方向性的8邻域搜索方法,通过判断对象点的灰度值和连续掌纹线点集的点数,提取出掌纹线的二值图像。最后通过计算掌纹图像间的隶属度评价掌纹线的提取效果。实验结果表明,该方法提取出的掌纹线图像清晰,识别正确率较高,达到94.51%以上。

一种基于数学形态学和模板匹配的掌纹线特征提取方法

本文提出了一种有效的掌纹线特征提取方法,将数学形态学与模板匹配相结合,从4个不同的方向提取掌纹线。然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征。实验结果表明基于数学形态学和模板匹配的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来,能够满足大型数据库掌纹识别的要求。

基于模板匹配和形态学的掌纹线特征提取方法

该文提出了一种有效的掌纹线特征提取方法,将模板匹配与数学形态学相结合,从4个不同的方向提取掌纹线。然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征。实验结果表明基于模板匹配和数学形态学的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来了,能够满足大型数据库掌纹识别的要求。

基于Log-Gabor小波相位一致的掌纹线特征提取

研究掌纹线的特点,提出了一种基于相位一致的掌纹线特征提取方法,多方向、多尺度的Log-Gabor小波用来计算掌纹图像的相位一致不变量以获得更丰富的掌纹线特征信息和精确的特征定位。方法提取的线特征不仅包含掌纹的结构信息,还具有纹线的强度和宽度信息;此外,由于使用图像的相位信息,方法受图像亮度和对比度影响较小,提取的特征比较稳定。方法在PolyU掌纹库上测试,结果(EER=0.6%)表明线特征提取的良好效果。

基于Gabor滤波的掌纹图像线特征提取技术

利用Gabor滤波器增强掌纹线特征方法,将掌纹图像分割成若干子块并将子块变换到频率域。利用Gobar滤波器在频域内对子块在其主方向上进行滤波,增强特征纹线信息。然后对增强后的图像进行形态学Bot-Hat变换提取出掌纹特征纹线。实验证明,该方法可有效提取掌纹图像特征纹线信息。

掌纹屈肌线纹型的量化研究

本文提出一组定量描述掌纹屈肌线纹型的特征向量,以描述和区分传统皮纹学中定义的6种掌纹屈肌线纹型。用该特征向量对151例(302只手掌掌纹)样本的6种屈肌线纹型进行了描述,并用Fisher判别分析进行了多类判别。结果发现,6种屈肌线纹型的分类判别正确率达到96.0%,其中桥贯型、悉尼型、通贯型、叉贯型的分类正确率为100%。为检验判别效果,用"刀切法"原则进行了回代交叉核实,验证后的正确率亦为96.0%,验证效果较好。结论认为,所采用的特征向量与相应的判别方法结合,能描述并区分不同的屈肌线纹型,并可得到较高分类正确率。