JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

×
“关于规范使用生成式人工智能工具的启事

基于小波子带融合的单训练样本掌纹识别方法

张延强 ,  李哲谦 ,  王博涵

downloadPDF
张延强, 李哲谦, 王博涵. 基于小波子带融合的单训练样本掌纹识别方法[J]. 轻工学报, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
引用本文: 张延强, 李哲谦, 王博涵. 基于小波子带融合的单训练样本掌纹识别方法[J]. 轻工学报, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
shu
ZHANG Yan-qiang, LI Zhe-qian and WANG Bo-han. Single training sample palmprint recognition method based on wavelet subbands fusion[J]. Journal of Light Industry, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
Citation: ZHANG Yan-qiang, LI Zhe-qian and WANG Bo-han. Single training sample palmprint recognition method based on wavelet subbands fusion[J]. Journal of Light Industry, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
shu

基于小波子带融合的单训练样本掌纹识别方法

  • 国家信息中心 信息化研究部, 北京 100045;

  • 北京交通大学 国际合作交流处, 北京 100044;

  • 国家信息中心 公共技术服务部, 北京 100045

  • 基金项目: 国家自然科学基金项目（61201158）

  • 中图分类号: TP391.41

Single training sample palmprint recognition method based on wavelet subbands fusion

  • Informatization Institute, State Information Center, Beijing 100045, China;

  • Department of International Cooperation and Exchange, Beijing Jiaotong University, Beijing 100044, China;

  • Public Technology Service Department, State Information Center, Beijing 100045, China

  • Received Date: 2017-03-29
    Available Online: 2017-09-15

    CLC number: TP391.41

  • 摘要: 针对目前大多数掌纹识别方法对于单训练样本系统识别性能欠佳的问题，提出一种基于小波子带融合的主成分分析方法，用于单训练样本掌纹识别.该方法将小波低频子带与水平和垂直高频子带相结合进行身份识别，使用低通滤波增强相应边缘信息的鲁棒性，以提高高频子带的识别性能，然后采用求和算子对各匹配分数进行融合.实验结果表明，对于单训练样本掌纹识别，该方法平均识别率达89.93%，较传统方法有6%~9%的性能提升.
    Abstract: In view of the poor performance of the present most palmprint recognition for single training sample system,a principal components analysis method for single training sample palmprint recognition was presented,which combined multi-subbands of wavelet transformation.This method combined wavelet low frequency subband with horizontal and vertical subbands to identify.Low-pass filter was utilized to enhance the robustness of horizontal and vertical subbands,and the summation operator was used to fuse their matching scores.Experimental results showed that for single training sample palmprint recognition the average recognition rate of the proposed method was 89.93%,which was 6%~9% higher than some of the traditional algorithms.
    1. [1]

      CONNIE T,JIN A T B,ONG M G K,et al.An automated palmprint recognition system[J].Image Vision Computing,2005,23(5):501.

    2. [2]

      KONG A,ZHANG D,KAMEL M.A survey of palmprint recognition[J].Pattern Recognition,2009,42(7):1408.

    3. [3]

      岳峰,左旺孟,张大鹏.掌纹识别算法综述[J].自动化学报,2010,36(3):353.

    4. [4]

      PANG Y H,JIN A T B,LING D N C.Palmprint authentication system using wavelet based pseudo Zernike moments features[J].International Journal of the Computer,the Internet and Management,2005,13(2):13.

    5. [5]

      LI W X,ZHANG D,XU Z Q.Palmprint identification by Fourier transform[J].International Journal of Pattern Recognition and Artificial Intelligence,2002,16(4):417.

    6. [6]

      刘玉芹,苑玮琦,郭金玉.小波变换与分块统计在掌纹识别中的应用[J].计算机工程与应用,2011,47(24):17.

    7. [7]

      LU G M,ZHANG D,WANG K Q.Palmprint recognition using eigenpalms features[J].Pattern Recognition Letters,2003,24(9/10):1463.

    8. [8]

      ZHANG D,KONG W K,YOU J,et al.Online palmprint identification[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(9):1041.

    9. [9]

      高涛,何明一.改进投影梯度非负矩阵分解的单训练样本特征提取研究[J].电子与信息学报,2010,32(5):1121.

    10. [10]

      张亮,王磊,董吉文,等.基于trace变换特征的单训练样本人脸识别算法[J].计算机工程与应用,2015,51(11):139.

    11. [11]

      WU J,QIU Z,SUN D.A hierarchical identification method based on improved hand geometry and regional content feature for low-resolution hand images[J].Signal Processing,2008,88:1447.

    12. [12]

      YANG J,ZHANG D,FRANGI A F,et al.Two-dimensional PCA:A new approach to appearance-based face representation and recognition[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2004,26(1):131.

    13. [13]

      苑玮琦,黄静,桑海峰.小波分解与PCA方法的掌纹特征提取方法[J].计算机应用研究,2008,25(12):3671.

    14. [14]

      JAIN A K,KARTHIK N,ROSS A.Score normalization in multimodal biometric systems[J].Pattern Recognition,2005,38(12):2270.

    1. [1]

      章存勇 , 庄海锋 , 时雅琪 , 邹鹏 , 丁乃红 , 纵坤 , 贾良元 , 郭东锋 . 国内外雪茄烟叶热解产物差异性研究. 轻工学报, 2024, 0(0): -.

    2. [2]

      章存勇 , 庄海锋 , 时雅琪 , 邹鹏 , 丁乃红 , 纵坤 , 贾良元 , 郭东锋 . 国内外雪茄烟叶热解产物差异性研究. 轻工学报, 2024, 39(5): 118-126. doi: 10.12187/2024.05.014

    3. [3]

      吴启贤 , 陈子杰 , 崔要强 , 伍锦鸣 , 赵谋明 , 任胜超 , 冯云子 . 不同产地烟叶碱提香料卷烟加香效果及化学成分差异分析. 轻工学报, 2025, 40(1): 98-106,119. doi: 10.12187/2025.01.012

    4. [4]

      杨鹏飞 , 吴薇 , 孙海峰 , 刘龑章 , 尚紫博 , 薛晶晶 , 许志杰 , 宋梦坤 . GC-MS结合多元统计分析研究两种工艺提取的脐橙挥发性成分差异. 轻工学报, 2025, 0(0): -.

    5. [5]

      李艳坤 , 张伟 , 刘彦伶 . 数据融合策略在食用油真实性鉴别中的研究与应用进展. 轻工学报, 2024, 39(5): 50-59. doi: 10.12187/2024.05.006

    6. [6]

      张伟伟 , 姬远鹏 , 元春波 , 王君婷 , 齐晓任 , 张卫正 , 李萌 , 饶智 . 基于改进Mask R-CNN模型的粘连烟丝识别方法. 轻工学报, 2024, 39(5): 78-85. doi: 10.12187/2024.05.009

    7. [7]

      钟昕怡 , 陈紫麟 , 骆勇 , 汪高玮 , 王周利 , 赵子丹 , 李鸣雷 . 香菇-大球盖菇复合饼干研制及其品质特性分析. 轻工学报, 2024, 39(6): 27-36. doi: 10.12187/2024.06.004

    8. [8]

      池哲翔 , 廖敏 , 史尚 , 李声毅 , 廖芸 , 丁冬 . 国外烟草活性成分提取及纤维材料利用现状与展望. 轻工学报, 2024, 0(0): -.

    9. [9]

      张丽华 , 陈云莉 , 石勇 , 李顺峰 , 查蒙蒙 , 李昌文 , 纵伟 , 王小媛 . 植物乳杆菌发酵对红枣汁挥发性香气成分的影响. 轻工学报, 2024, 0(0): -.

    10. [10]

      许克静 , 刘语煊 , 张展 , 吕晶晶 , 梁淼 , 李瑞丽 , 张峻松 , 陈小龙 . 辊压法全烟梗再造烟叶的制备工艺优化及结构与性能分析. 轻工学报, 2025, 40(1): 64-74. doi: 10.12187/2025.01.008

    11. [11]

      黄朵朵 , 王乐 , 雷萍 , 孙志伟 , 李林洪 , 张智轩 , 黄锋 , 李斌 . 基于烟芯段和滤嘴段耦合的加热卷烟烟气关键成分释放模型构建. 轻工学报, 2024, 0(0): -.

    12. [12]

      黄朵朵 , 王乐 , 雷萍 , 孙志伟 , 李林洪 , 张智轩 , 黄锋 , 李斌 . 基于烟芯段和滤嘴段耦合的加热卷烟烟气关键成分释放模型构建. 轻工学报, 2024, 39(6): 116-126. doi: 10.12187/2024.06.014

  • 加载中
WeChat 点击查看大图
计量
  • PDF下载量:  63
  • 文章访问数:  1153
  • 引证文献数: 0
文章相关
  • 收稿日期:  2017-03-29
  • 刊出日期:  2017-09-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
张延强, 李哲谦, 王博涵. 基于小波子带融合的单训练样本掌纹识别方法[J]. 轻工学报, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
引用本文: 张延强, 李哲谦, 王博涵. 基于小波子带融合的单训练样本掌纹识别方法[J]. 轻工学报, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
shu
ZHANG Yan-qiang, LI Zhe-qian and WANG Bo-han. Single training sample palmprint recognition method based on wavelet subbands fusion[J]. Journal of Light Industry, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
Citation: ZHANG Yan-qiang, LI Zhe-qian and WANG Bo-han. Single training sample palmprint recognition method based on wavelet subbands fusion[J]. Journal of Light Industry, 2017, 32(5): 88-94. doi: 10.3969/j.issn.2096-1553.2017.5.012
shu

基于小波子带融合的单训练样本掌纹识别方法

  • 国家信息中心 信息化研究部, 北京 100045;
  • 北京交通大学 国际合作交流处, 北京 100044;
  • 国家信息中心 公共技术服务部, 北京 100045
  • 收稿日期: 2017-03-29
  • 网络出版日期: 2017-09-15
基金项目:  国家自然科学基金项目（61201158）

摘要: 针对目前大多数掌纹识别方法对于单训练样本系统识别性能欠佳的问题，提出一种基于小波子带融合的主成分分析方法，用于单训练样本掌纹识别.该方法将小波低频子带与水平和垂直高频子带相结合进行身份识别，使用低通滤波增强相应边缘信息的鲁棒性，以提高高频子带的识别性能，然后采用求和算子对各匹配分数进行融合.实验结果表明，对于单训练样本掌纹识别，该方法平均识别率达89.93%，较传统方法有6%~9%的性能提升.

English Abstract

参考文献 (14) 相关文章 (12)

目录

/

返回文章

网站版权 © 轻工学报编辑部

地址：河南省郑州市科学大道136号邮编：450001

本系统由北京仁和汇智信息技术有限公司开发 技术支持： info@rhhz.net