指關(guān)節(jié)圖像的特征抽取方法研究.pdf

1、特征抽取在模式識(shí)別領(lǐng)域是核心問題之一，其主要任務(wù)便是從原始樣本信息中提取出最有利于模式分類的有效鑒別信息。在生物識(shí)別中，基于編碼的方法，由于其具有很多優(yōu)勢，如精確度高、魯棒性好、緊湊且匹配速度快，使其得到成功且廣泛的應(yīng)用。本文著重研究了基于編碼的指關(guān)節(jié)紋識(shí)別方法。但是一般基于編碼的的特征抽取方法通常只考慮到圖像的局部信息而忽略了全局信息，因此對(duì)于局部和全局信息的融合也是本文的研究內(nèi)容之一。本文的研究內(nèi)容主要分為四個(gè)部分:
　　(1

2、)研究了采用可操控濾波器(steerable filter)，提取出指關(guān)節(jié)紋的連續(xù)方向信息，避免了競爭編碼中Gabor濾波器提取的方向不連續(xù)的問題，研究了自適應(yīng)可操控方向編碼方案(ASOC)。實(shí)驗(yàn)結(jié)果表明，該方法能很好的解決競爭編碼中方向信息不連續(xù)的問題，獲得較高的識(shí)別率。
　　(2)提出基于二值Gabor模式的指關(guān)節(jié)紋識(shí)別方法。首先對(duì)圖像提取多尺度的Gabor響應(yīng)并二值化，然后進(jìn)行BGP編碼，即提取出樣本圖像的BGP特征圖。最后

3、的分類是基于BGP直方圖實(shí)現(xiàn)的。實(shí)驗(yàn)結(jié)果表明，無論是在識(shí)別率，還是存儲(chǔ)空間上，該方法都要優(yōu)于LGBP。
　　(3)研究了基于局部和全局信息融合的指關(guān)節(jié)紋識(shí)別方法LGIC。首先分別對(duì)局部和全局信息進(jìn)行特征抽取和匹配，最后主要研究了將局部和全局匹配結(jié)果進(jìn)行融合的算法。實(shí)驗(yàn)結(jié)果證實(shí)了局部和全局融合的方法超越了僅依靠局部或全局某一種特征的幾種方法。
　　(4)提出基于(SMCC)的指關(guān)節(jié)紋識(shí)別方法。首先由18個(gè)sDoGs構(gòu)成稀疏表示