掌纹掌脉图像超小波域融合识别算法

摘要 针对单一生物特征识别技术易受外界各种因素影响，识别率和稳定性有待提高的问题，提出一种掌纹掌脉图像超小波域融合识别算法NSCT-NBP。首先，对掌纹掌脉图像利用非下采样Contourlet变换（NSCT）进行分解，将得到的低频和高频子图像分别利用区域能量和图像自相似原理进行融合；然后，对融合后的图像利用近邻二值模式（NBP）提取纹理特征，获得特征向量；最后，通过计算特征向量间的汉明距离比较融合图像间的近似程度来计算等误率（EER）。在PloyU图库及自建图库上进行实验，结果表明，NSCT-NBP算法可获得最低的EER，分别为0.72%和0.96%，识别时间仅为0.0530 s和0.0871 s，与当前最优的基于小波变换和Gabor滤波器的掌纹掌脉融合方法相比，在两个图库上EER分别降低了4%和36.8%。NSCT-NBP算法能够有效融合掌纹掌脉图像的纹理特征，具有良好的识别性能，并且掌纹掌脉特征的融合增强了识别系统的安全性