掌纹纹线特征是掌纹最有效的特征。由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点。针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(...掌纹纹线特征是掌纹最有效的特征。由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点。针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII)。首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别。在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89%,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性。展开更多
文摘掌纹纹线特征是掌纹最有效的特征。由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点。针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII)。首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别。在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89%,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性。
