掌纹识别是一种比较新颖的生物特征识别技术,提取最佳分类特征一直是掌纹识别研究领域的一个重要方向。掌纹图像纹理特征丰富,但传统方法难以准确将其表征。针对此问题,将固定尺度及自适应多尺度Gabor滤波器结合起来,提出基于混合Gabor滤波器与加权中心对称局部二值模式(weighted center symmetric local binary pattern,WCS-LBP)的掌纹识别方法。首先,利用混合Gabor滤波器对掌纹感兴趣区域进行滤波得到特征图像,并将其串联在掌纹特征空间;然后,使用WCS-LBP提取该空间掌纹特征形成特征向量;最后,通过匹配WCS-LBP直方图序列的相似度来实现分类。在PolyU图库、同济大学图库、IIT-D图库和自建非接触图库中进行实验。结果显示,该算法获得的识别率最高分别可达99.7685%、99.5109%、99.0916%和98.5010%,最低等误率分别为0.7945%、1.2357%、1.6725%和2.3391%,且识别时间都在1 s以内,相比其他传统和流行算法具有优势,显示出方法良好的效果。
展开▼
