基于MMNBP的手指静脉识别方法

针对传统的局部二值模式(LBP)手指静脉特征识别率不高的问题,提出基于多块均值近邻二值模式(MMNBP)的手指静脉识别方法。对LBP算法改进,提出基于近邻二值模式(NBP)的特征提取方法;将指静脉图像分块并取子块均值,对所有子块均值构成的图像采用NBP方法提取特征,从而形成MMNBP方法;利用汉明距离进行匹配。在国外和国内两个图库上与几种典型算法进行对比实验,结果表明,提出的方法可获得最低等误率分别为2. 4611%和0. 3137%,证明MMNBP方法能够进一步提高身份识别的鲁棒性,具有较好的稳定性和有效性。

掌纹掌脉图像超小波域融合识别算法

针对单一生物特征识别技术易受外界各种因素影响,识别率和稳定性有待提高的问题,提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先,对掌纹掌脉图像利用非下采样Contourlet变换(NSCT)进行分解,将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合;然后,对融合后的图像利用近邻二值模式(NBP)提取纹理特征,获得特征向量;最后,通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率(EER)。在Ploy U图库及自建图库上进行实验,结果表明,NSCT-NBP算法可获得最低的EER,分别为0.72%和0.96%,识别时间仅为0.053 0 s和0.087 1 s,与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比,在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征,具有良好的识别性能,并且掌纹掌脉特征的融合增强了识别系统的安全性。