目的将韦伯局部描述子WLD(Weber local descriptor)应用于掌纹识别,并针对掌纹具有丰富线特征的特点,在WLD基础上改进获得线特征韦伯局部描述子LWLD(line feature weber local descriptor),以提高掌纹识别的效率。方法首先采用MFRAT或Ga...目的将韦伯局部描述子WLD(Weber local descriptor)应用于掌纹识别,并针对掌纹具有丰富线特征的特点,在WLD基础上改进获得线特征韦伯局部描述子LWLD(line feature weber local descriptor),以提高掌纹识别的效率。方法首先采用MFRAT或Gabor滤波器对掌纹图像进行线性滤波,生成方向图和能量图;然后对能量进行韦伯差分激励滤波生成差分激励图;最后,基于方向图和差分激励图构造线韦伯特征直方图,并基于线韦伯特征直方图进行掌纹特征识别。结果基于PolyU Ⅱ和Cross-Sensor掌纹库进行对比实验,采用曼哈顿距离和卡方距离进行匹配,其中在PolyaⅡ库上的识别率最高均达到100%,在识别率和容错性方面均优于其他主要基于局部描述子的识别方法。结论首次将韦伯局部描述子引入掌纹识别领域,发展了一种新的基于局部描述子的掌纹识别方法。和其他基于局部描述子的掌纹识别算法相比,本文方法具有更高识别率和稳定性。展开更多
文摘目的将韦伯局部描述子WLD(Weber local descriptor)应用于掌纹识别,并针对掌纹具有丰富线特征的特点,在WLD基础上改进获得线特征韦伯局部描述子LWLD(line feature weber local descriptor),以提高掌纹识别的效率。方法首先采用MFRAT或Gabor滤波器对掌纹图像进行线性滤波,生成方向图和能量图;然后对能量进行韦伯差分激励滤波生成差分激励图;最后,基于方向图和差分激励图构造线韦伯特征直方图,并基于线韦伯特征直方图进行掌纹特征识别。结果基于PolyU Ⅱ和Cross-Sensor掌纹库进行对比实验,采用曼哈顿距离和卡方距离进行匹配,其中在PolyaⅡ库上的识别率最高均达到100%,在识别率和容错性方面均优于其他主要基于局部描述子的识别方法。结论首次将韦伯局部描述子引入掌纹识别领域,发展了一种新的基于局部描述子的掌纹识别方法。和其他基于局部描述子的掌纹识别算法相比,本文方法具有更高识别率和稳定性。
文摘传统的检测方法存在识别率低、特征维度高的缺点,为此对特征维度与拼接检测精度之间的关系进行分析,基于以像素为基础的改进特征维度的思想,提出一种信息熵与差分激励融合的图像拼接检测方法。提取图像信息熵和韦伯局部特征中(Weber local descriptor,WLD)的差分激励,采用差分直方图进行特征融合,使用v-SVM(v-support vector machine)分类器建立模型,判定图像是否经过拼接。实验结果表明,在哥伦比亚图片库拼接检测中,相比传统的马尔科夫特征、韦伯局部特征等算法,该方法的检测结果具有特征维度低、检测精度高、应用范围广的优点,为快速拼接检测提供了依据。
