卜 宇, 刘俊霞, 唐学军



双树复小波变换结合LM神经网络的掌纹识别方案①

卜 宇1, 刘俊霞2, 唐学军1

1(新疆工程学院计算机工程系, 乌鲁木齐 830052)2(新疆工程学院电气与信息工程系, 乌鲁木齐 830023)

针对现有掌纹识别方案不能够很好的提取多分辨率特征的问题, 提出一种基于双树复小波变换(DT-CWT)和Levenberg-Marquardt(LM)神经网络的掌纹识别方案. 首先, 将彩色手掌图像转换成灰度图像. 然后, 提取出手掌图像中的感兴趣区域(ROI), 并构建成直方图. 接着, 利用DT-CWT进行6层小波分解并获得特征系数, 分别计算特征系数的最大值、平均值和中值构建36维特征向量. 最后, 利用LM神经网络根据特征向量实现掌纹的识别分类. 在CASIA数据库上的实验结果表明, 相比其他几种较新的识别方案, 提出的方案的具有更高的识别率和更少的识别时间.

掌纹识别; 双树复小波变换; 特征提取; LM神经网络; 感兴趣区域(ROI)

生物识别技术是基于固有生理特征(如指纹、脸、手、虹膜、视网膜、等)或行为特征(如声音、步态、签名动力学等)的自动识别个体的方法[1]. 近年来, 基于掌纹的生物识别得到了越来越多的关注, 相比其他可用生物特征, 掌纹识别可以在较低分辨率下提取主线和褶皱等有效识别掌纹的特征, 且采集设备简单、可接受性和普适性强[2]. 因此, 掌纹识别具有更广阔的应用前景.

在掌纹识别中, 特征提取至关重要. 目前学者提出了多种掌纹特征提取的方法, 例如, 文献[3]提出一种利用Sobel算子来提取掌纹线特征, 如主线、单……