基于区域特征映射的模糊掌纹识别方法

针对掌纹在非接触采集时易出现模糊现象从而导致系统识别性能降低的问题,建立了区域到点的特征映射模型,提出了一种基于区域特征映射(Region feature map,RFM)的模糊掌纹识别方法.首先根据图像的模糊原理,建立等价的模糊模型,获取模糊掌纹;然后使用RFM对模糊掌纹进行操作,将高维的区域特征映射到低维的点特征;最后,采用归一化相关性分类器对掌纹所属类别进行判定识别.使用模糊模型对Poly U掌纹库进行处理得到Poly U模糊掌纹库,并分别在Poly U掌纹库和Poly U模糊掌纹库上进行测试,识别结果较为稳定.在模糊掌纹库上,本文算法的等错误率(Equal error rate,EER)最小可达0.9069%,优于传统算法,且进行一次识别的时间为33.95 ms,得到的特征数据维数较小,降低了算法复杂度,表明了本文算法的有效性和实时性.

VO图像分解模型的模糊掌纹识别方法

针对掌纹图像在进行非接触式采集时易产生离焦模糊图像,从而导致系统识别性能降低的问题,提出了基于VO图像分解模型的模糊掌纹识别方法.首先建立高斯离焦退化模型模拟图像的模糊过程,通过对模糊原理的研究与分析得出在图像模糊过程中存在稳定的特征,这种特征从图像层次结构划分可表现为图像的结构层;然后使用VO图像分解模型得到模糊掌纹的结构层图像;为了提高特征的可区分性,采用分块的梯度方向直方图提取结构层中的稳定特征;最后采用归一化相关性分类器度量特征间的相似度.在清晰PolyU掌纹库和模糊PolyU掌纹库上进行测试的实验结果表明,该方法在不同掌纹库上获得较优的识别精度,且识别结果较为稳定;在模糊PolyU掌纹库中的等错误率最小可达0.309 1%,优于传统高性能掌纹识别方法;且进行一次身份辨识的时间小于1.3s,满足实时性要求,表明了该方法的有效性和优越性.