基于Gabor小波与NBP算法的手掌静脉识别方法

简介：
本文提出了一种结合Gabor小波变换和NBP（非二进制相位）算法的手掌静脉识别方法，旨在提升生物特征识别的安全性和准确性。通过优化特征提取过程，该方法能够有效抵抗光照变化和图像噪声的干扰，为个人身份认证提供了可靠的解决方案。 为了提取手掌静脉图像的纹理特征并有效提高其识别率, 提出了一种基于Gabor小波与近邻二值模式(NBP)相结合的方法来提取纹理特征。此方法利用掌静脉结构中血管粗细及延伸方向不同的特点，通过将感兴趣区域与4尺度、4方向的Gabor小波卷积获得多个幅值特征，并在不同尺度下求取均值得到Gabor尺度均值模式(GSP)，再使用NBP描述算子提取局部邻域关系模式（即GSPNBP）。接下来，将多尺度和多方向下的GSPNBP分块区域编码序列的总和作为掌静脉图像特征向量。最后通过计算这些特征向量之间的汉明距离来衡量静脉图像相似程度并确定识别率，在PolyU图库与自建图库中的实验结果显示该算法获得的最佳识别率分别可达99.7935% 和 99.3965%，且其识别时间均在1秒以内，从而有效增强了算法的稳健性。