融合LBP纹理特征与B2DPCA技术的手指静脉识别方法
鉴于传统局部二进制模式(local binary pattern,LBP)算法对光照方向的变化非常敏感的问题,本文提出一种融合旋转不变模式的LBP算子与B2DPCA技术的手指静脉识别方法.首先提取手指静脉图像子块的LBP纹理谱特征,然后采用双向二维主成分分析方法对LBP特征向量构成的特征矩阵进行有效的降维处理,再通过比对降维后的待识别静脉图像特征向量与其他样本的特征向量之间的欧式距离来实现最终的样本分类.通过在天津市智能实验室静脉库及马来西亚理科大学FV-USM静脉库上进行实验验证,在不同训练样本数量下比较了8种算法的识别性能,相比于单一的LBP特征提取算法、经典降维算法和LBP与经典降维组合特征提取算法,该方法的识别率有很大的提高,证明了本文方法的有效性.
手指静脉识别、特征提取、LBP纹理特征、二维主成分分析、双向二维主成分分析、欧氏距离、图像特征向量、降维
14
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61573132;黑龙江省高校基本科研业务费项目HDRCCX-201602;黑龙江省高校重点实验室开放基金项目DZGC201610
2019-08-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
533-540