基于MATLAB的掌静脉图像去噪算法研究

在获取、传输图像的过程中,图像常会受到噪声污染,导致图像质量下降,因此要对图像进行去噪处理。本文对几种经典的图像去噪算法进行研究,并将它们应用于掌静脉图像去噪,最后通过MATLAB仿真进行了测试。

基于模态信息度评估策略的掌纹掌静脉特征识别方法

多模态生物特征识别技术凭借其出色的识别效果和稳健的可靠性引起了业界的广泛关注。然而,传统多模态生物特征识别方法通常直接在特征层或决策层进行融合,很少考虑模态样本质量不同导致的融合效果差异。此外,由于缺乏大规模公开多模态生物特征数据库,多模态生物特征识别方法的研究受到一定程度上的限制。因此,设计了一款手部多模态数据采集设备,并自建了手部多模态数据库,用于多模态生物特征识别方法的验证与评估;提出了一种基于模态信息度评估策略的掌纹掌静脉特征识别方法,利用样本标签对应的类别置信度来评估每个模态特征的信息度,从而使模型在融合过程中根据不同模态对身份识别的贡献率进行自适应的权重分配。实验表明该方法在2个公开的数据库以及自建数据库上均取得了最高识别率。

基于局部灰度极小值的掌脉图像分割方法

针对手掌皮下静脉(简称掌脉)成像照度不均匀、对比度低和噪声严重,提出一种基于局部灰度极小值掌脉图像自动分割方法,回避了阈值选择,能够有效解决光照不均、对比度低、噪声严重等干扰。通过自建掌脉图库的实验结果表明,该方法除了能够有效地抑制噪声、光照不均和对比度低的影响外,与目前的掌脉分割方法相比,在掌脉提取连续性和不需要选择阈值等方面具有更大优势。