基于方向局部描述子的掌纹和手掌静脉识别研究.docx

基于方向局部描述子的掌纹和手掌静脉识别研究
基于方向局部描述子的掌纹和手掌静脉识别研究
摘要：掌纹和手掌静脉是人体生物特征识别中常用的形态特征之一。为了提高掌纹和手掌静脉识别的准确性和鲁棒性，本文提出了一种基于方向局部描述子的识别方法。首先，使用方向梯度直方图提取掌纹和手掌静脉的方向信息。然后，通过将方向局部描述子与支持向量机相结合，构建了一个有效的识别框架。实验证明，本文方法能够对掌纹和手掌静脉进行准确可靠的识别。
关键词：掌纹、手掌静脉、方向梯度直方图、方向局部描述子、支持向量机
1.引言
掌纹和手掌静脉是人体生物特征识别中常用的形态特征，具有唯一性和稳定性，对个体识别具有重要意义。随着生物特征识别技术的快速发展，掌纹和手掌静脉识别已广泛应用于安全领域、身份验证、边境控制等场景。然而，由于掌纹和手掌静脉受皮肤状况、姿势变化等因素影响，其准确性和鲁棒性尚待提高。
本文旨在针对掌纹和手掌静脉识别的特点，提出一种基于方向局部描述子的识别方法，以提高其准确性和鲁棒性。
2.相关工作
传统的掌纹和手掌静脉识别方法主要使用特征点匹配和相关特征提取算法。例如，通过检测掌纹和手掌静脉的特征点，并通过特征点的排列和匹配来进行识别。然而，这些方法容易受到噪声和变形的影响，识别准确性较低。
近年来，基于局部描述子的识别方法取得了重要进展。局部描述子通过提取局部图像区域的特征来表示图像。例如，局部二值模式（LBP）、方向梯度直方图（HOG）等方法被广泛用于人脸识别、指纹识别等领域。然而，这些方法对掌纹和手掌静脉的特征描述较为有限。
3.方法
3.1方向梯度直方图提取
方向梯度直方图是一种常用的特征提取方法，用于表示图像的纹理信息。在本文中，我们使用方向梯度直方图来提取掌纹和手掌静脉的方向信息。首先，将原始图像划分为小的局部区域，然后计算每个局部区域中的方向梯度直方图。最后，将所有局部区域的方向梯度直方图连接起来，形成一个全局的方向梯度直方图。
3.2方向局部描述子
为了进一步改善掌纹和手掌静脉的特征描述能力，我们引入了方向局部描述子。方向局部描述子通过对局部区域进行细粒度的特征提取，能够更好地表达图像的细节信息。在本文中，我们使用LBP算法提取方向局部描述子。对于每个局部区域，我们计算其LBP特征，并将所有局部区域的LBP特征连接起来，形成一个全局的方向局部描述子。
3.3识别框架
为了实现掌纹和手掌静脉的识别，我们将方向局部描述子与支持向量机（SVM）相结合。SVM是一种常用的分类器，能够根据训练样本学习出一个边界超平面，将不同类别的样本分开。在本文中，我们使用SVM来训练一个分类器来区分不同的掌纹和手掌静脉图像。
4.实验结果
为了评估我们提出的方法的性能，我们收集了一组包含掌纹和手掌静脉图像的数据集。实验结果表明，我们的方法在准确性和鲁棒性上都超过了传统的特征点匹配和特征提取方法。此外，与其他基于局部描述子的方法相比，我们的方法在识别速度上也取得了显著的提升。
5.结论
本文提出了一种基于方向局部描述子的掌纹和手掌静脉识别方法。通过提取方向梯度直方图和方向局部描述子，我们构建了一个有效的识别框架。实验证明，我们的方法能够对掌纹和手掌静脉进行准确可靠的识别。未来的工作可以进一步优化算法，提高识别的性能和鲁棒性。
参考文献：
[1]SaraswathiS,SubhashiniKS.Palmprintidentificationusingmajorcreasesbasedcorrelation[J].InternationalJournalofAppliedEngineeringResearch,2017,12(12):3173-3176.
[2]ZhangQ,ZhangD.Vascularpatternrecognitioninhandimaging[C]//BiometricAuthentication.SpringerBerlinHeidelberg,2004:34-41.
[3]HuangL,JiangS,XuY.Palmprintrecognitionbynonlinearneighborhoodfeatures[J].Neurocomputing,2007,70(10-12):1791-1797.
[4]ShanC,ZhangS,SuF.AnintegrationofGaborfiltersandLDAforfacerecognition[J].Patternrecognition,2010,43(5):1780-1787.