基于局部Gabor相位特征的手背静脉识别方法

文章介绍了一种新的手背静脉识别方法,和以往的手背静脉识别方法相比,本文的方法能够通过低质量的手背静脉图片来获得高质量的识别效果。本文提出的方法分文两个部分:一个是手背静脉的预处理和感兴趣区域(ROI)提取;另一个是静脉的特征提取和匹配,该部分利用静脉图像的局部的2DGabor相位编码变化特征来表示其局部特征,并且结合直方图全局特征来表达静脉图像的全局特征,采用卡方距离来实现特征匹配。在自制的手背静脉库的实验结果表明,本文的方法得到了100%的识别率和0%拒识率,这意味着该识别方法可以有效的运用于生物识别。

基于UDCT和三角形测量特征融合的手背静脉识别

提出了一种基于特征融合的手背静脉识别算法,首先对手背静脉图像感兴趣区域进行预处理,然后采用均衡离散曲率波变换对感兴趣区域进行变换,接着对变换系数进行相位编码,并计算编码统计直方图的卡方距离,当此距离与阈值相差较大时,得到识别结果;否则,对预处理后的图像提取静脉骨架,确定相关的特征点,通过三角测量法来计算匹配距离,对和采用加权平均法来获得最终的识别结果。该方法在识别时间没有明显增加的情况下,而识别的效果却得到了提高。

基于均衡离散曲率波变换的手背静脉识别

针对滤波器尺度和方向的增加对识别速度影响较大的问题,提出了基于均衡离散曲率波变换(UDCT)的手背静脉识别方法。在进行手背静脉图像感兴趣区域提取和预处理的前提下,引用了均衡离散曲率波变换对感兴趣区域进行去滤波变换,然后对变换系数进行相位编码,计算编码统计直方图的卡方距离来进行静脉识别。实验结果表明,该方法在低质量的手背静脉图像情况下依然能得到较好的识别效果和较快的识别速度。