留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

指静脉红外图像特征不变性编码新方法

贾桂敏,  李树一,  杨金锋,  夏冬

downloadPDF
文章导航 > 红外与激光工程  > 2018 >  47(9): 926006-0926006(7)
贾桂敏, 李树一, 杨金锋, 夏冬. 指静脉红外图像特征不变性编码新方法[J]. 红外与激光工程, 2018, 47(9): 926006-0926006(7). doi: 10.3788/IRLA201847.0926006
引用本文: 贾桂敏, 李树一, 杨金锋, 夏冬. 指静脉红外图像特征不变性编码新方法[J]. 红外与激光工程, 2018, 47(9): 926006-0926006(7). doi: 10.3788/IRLA201847.0926006
shu
Jia Guimin, Li Shuyi, Yang Jinfeng, Xia Dong. Novel invariant feature encoding method for finger-vein IR images[J]. Infrared and Laser Engineering, 2018, 47(9): 926006-0926006(7). doi: 10.3788/IRLA201847.0926006
Citation: Jia Guimin, Li Shuyi, Yang Jinfeng, Xia Dong. Novel invariant feature encoding method for finger-vein IR images[J]. Infrared and Laser Engineering, 2018, 47(9): 926006-0926006(7). doi: 10.3788/IRLA201847.0926006
shu

指静脉红外图像特征不变性编码新方法

doi: 10.3788/IRLA201847.0926006
  • 1.

    中国民航大学 天津市智能信号与图像处理重点实验室,天津 300300

基金项目: 

国家自然科学基金（61502498，61379102，U1433120）;天津市自然基金（15JCQNJC04400）;中央高校基本科研业务费民航大学专项B类项目（3122017001）

详细信息
    作者简介:

    贾桂敏(1982-),女,讲师,博士,主要从事光电探测与成像、模式识别等方面的研究。Email:gmjia_cauc@163.com

  • 中图分类号: TP391.4

Novel invariant feature encoding method for finger-vein IR images

  • 1.

    Tianjin Key Laboratory for Advanced Signal Processing,Civil Aviation University of China,Tianjin 300300,China

  • 摘要: 基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势，成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像，加之手指内部其他组织的固有影响，图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合，重点研究一种新的对称邻域交叉图结构，将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图，充分表达像素点周围邻域的位置信息和梯度信息，具有良好的旋转不变性。实验结果表明：提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能，对图像姿态变化更鲁棒。
    Abstract: The feature representing method based on encoding has advantages in illumination invariance, calculation efficiency and feature representation. It is one of the new feature extracting methods. The finger-vein images were captured in a perspective view by using infrared light source. Due to the complex biological tissue and the imaging mode, the image quality was usually poor. The Gabor filtering was used to enhance the image texture and the local graph structure encoding was adopted. A new feature encoding method was proposed with emphasis on a new local graph structure which was symmetric and crossed in neighborhood. The image texture of local neighborhood was converted to weighted encoding strings. The filtered image of each channel of Gabor filter was encoded in different directions so as to express the information of position and gradient in the neighborhood adequately, and it was rotation invariant as a result. The experiments results show that new method achieves better performance in finger recognition than common feature encoding methods and is more robust in rotation.
  • [1] Miura N, Nagasaka A, Miyatake T. Feature extraction of finger-vein patterns based on repeated line tracking and its application to personal identification[J]. Machine Vision and Applications, 2004, 15:194-203.
    [2] Kono M, Ueki H, Umemura S. Near-infrared finger vein patterns for personal identification[J]. Appl Opt, 2002, 41(35):7429-7436.
    [3] Lee E C, Kang R P. Image restoration of skin scattering and optical blurring for finger vein recognition[J]. Optics Lasers in Engineering, 2011, 49(7):816-828.
    [4] Yang J, Shi Y. Finger-vein ROI localization and vein ridge enhancement[J]. Pattern Recognition Letters, 2012, 33(12):1569-1579.
    [5] Ojala T, Harwood I. A comparative study of texture measures with classification based on feature distributions[J]. Pattern Recognition Letters, 1996, 29(1):51-59.
    [6] Ojala T, Pietik, Inen M, et al. Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Patterns[M]. Berlin Heidelberg:Springer, 2000:404-420.
    [7] Affendi R B, Wuh S C, Azmin S S. Finger vein recognition using local line binary pattern[J]. Sensors, 2011, 11(12):11357-11371.
    [8] Lu Y, Yoon S, Xie S J, et al. Finger vein recognition using generalized local line binary pattern[J]. Ksii Transactions on Internet Information Systems, 2014, 8(5):1766-1784.
    [9] Meng X, Yang G, Yin Y, et al. Finger vein recognition based on local directional code[J]. Sensors, 2012, 12(11):14937.
    [10] Abusham E E A, Bashir H K. Face Recognition Using Local Graph Structure(LGS)[M]. Berlin Heidelberg:Springer, 2011:169-175.
    [11] Abdullah M F A, Sayeed M S, Muthu K S, et al. Face recognition with symmetric local graph structure(SLGS)[J]. Expert Systems with Applications, 2014, 41(14):6131-6137.
    [12] Dong S, Yang J, Chen Y, et al. Finger vein recognition based on multi-orientation weighted symmetric local graph structure[J]. Ksii Transactions on Internet Information Systems, 2015, 9(10):4126-4142.
    [13] Shen L, Bai L. A review on gabor wavelets for face recognition[J]. Pattern Analysis Applications, 2006, 9(2-3):273-292.
    [14] Yang J, Yang J. Multi-channel gabor filter design for finger-vein image enhancement[C]//Fifth International Conference on Image and Graphics, IEEE Computer Society, 2009:87-91.
    [15] Yang Jinfeng, Zhang Haijin. Study of region of interest extraction from finger-vein images[J]. Journal of Shandong University(Engineering Edition), 2012, 42(3):6-12.(in Chinese)
    [16] Yang Jinfeng, Shi Yihua. Finger-vein network enhancement and segmentation[J]. Pattern Analysis Applications, 2014, 17(4):783-797.
    [17] Yang Jinfeng, Yang Jinli, Shi Yihua. Personal identification based on finger-vein features[J]. Computers in Human Behavior, 2011, 27(5):1565-1570.
    [18] Yin Y, Liu L, Sun X. SDUMLA-HMT:A multimodal biometric database[C]//CCBR, 2011:260-268.
    [19] Swain M J, Ballard D H. Color indexing[J]. International Journal of Computer Vision, 1991, 7(1):11-32.
  • [1] 王中军, 晁艳锋.  采用SURF特征和局部互相关信息的图像配准算法 . 红外与激光工程, 2022, 51(6): 20210950-1-20210950-6. doi: 10.3788/IRLA20210950
    [2] 王明军, 易芳, 李乐, 黄朝军.  自适应局部邻域特征点提取和匹配的点云配准 . 红外与激光工程, 2022, 51(5): 20210342-1-20210342-10. doi: 10.3788/IRLA20210342
    [3] 职玉, 朱娟娟, 刘锐, 张海东.  应用特征轮廓四边形的热红外图与可见光图配准 . 红外与激光工程, 2021, 50(S2): 20200520-1-20200520-10. doi: 10.3788/IRLA20200520
    [4] 卜迟武, 赵博, 刘涛, 张喜斌, 李锐, 唐庆菊.  CFRP/Al蜂窝结构缺陷巴克编码热波检测及匹配滤波 . 红外与激光工程, 2021, 50(10): 20210050-1-20210050-11. doi: 10.3788/IRLA20210050
    [5] 陈芳, 高超, 罗世魁.  大面阵红外焦平面杜瓦冷指支撑结构设计 . 红外与激光工程, 2020, 49(8): 20200060-1-20200060-7. doi: 10.3788/IRLA20200060
    [6] 徐云飞, 张笃周, 王立, 华宝成.  非合作目标局部特征识别轻量化特征融合网络设计 . 红外与激光工程, 2020, 49(7): 20200170-1-20200170-7. doi: 10.3788/IRLA20200170
    [7] 焦安波, 邵立云, 李晨曦, 马俊凯, 王学娟, 罗海波.  基于直线组仿射不变特征的自动目标识别算法 . 红外与激光工程, 2019, 48(S2): 142-148. doi: 10.3788/IRLA201948.S226003
    [8] 贾桂敏, 李振娟, 杨金锋, 李乾司茂.  手指静脉红外图像血管网络修复新方法 . 红外与激光工程, 2019, 48(4): 426003-0426003(7). doi: 10.3788/IRLA201948.0426003
    [9] 陈宇, 温欣玲, 刘兆瑜, 马鹏阁.  稀疏自动编码器视觉特征融合的多弹分类算法研究 . 红外与激光工程, 2018, 47(8): 826004-0826004(8). doi: 10.3788/IRLA201847.0826004
    [10] 程全, 樊宇, 刘玉春, 王志良.  多特征融合的车辆识别技术 . 红外与激光工程, 2018, 47(7): 726003-0726003(6). doi: 10.3788/IRLA201847.0726003
    [11] 薛俊韬, 倪晨阳, 杨斯雪.  特征聚类的局部敏感稀疏图像修复 . 红外与激光工程, 2018, 47(11): 1126001-1126001(9). doi: 10.3788/IRLA201847.1126001
    [12] 杜恩宇, 张宁, 李艳荻.  基于Gabor滤波器的车道线快速检测方法 . 红外与激光工程, 2018, 47(8): 817008-0817008(8). doi: 10.3788/IRLA201847.0817008
    [13] 贾同, 周忠选, 高海红, 王炳楠.  基于红外编码结构光的深度测量方法 . 红外与激光工程, 2015, 44(5): 1628-1632.
    [14] 徐超, 高敏, 杨耀.  卡尔曼粒子滤波中基于精确运动模型的局部区域估计 . 红外与激光工程, 2015, 44(11): 3475-3482.
    [15] 崔法毅.  色度马氏距离图与灰度图特征自适应融合的彩色人脸识别 . 红外与激光工程, 2015, 44(4): 1382-1389.
    [16] 杨绪峰, 林伟, 延伟东, 温金环.  采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
    [17] 王欢欢, 杨清平, 王向军.  物体特征的快速检测与识别方法 . 红外与激光工程, 2014, 43(3): 1002-1008.
    [18] 王国刚, 史洪岩, 汪滢, 袁德成.  仿射不变子空间特征及其在图像匹配中的应用 . 红外与激光工程, 2014, 43(2): 659-664.
    [19] 王明明, 朱枫, 郝颖明.  测地自旋图院三维物体局部形状描述符 . 红外与激光工程, 2014, 43(8): 2709-2714.
    [20] 王灿进, 孙涛, 陈娟.  一种新的快速局部不变特征算法 . 红外与激光工程, 2014, 43(6): 2013-2020.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  439
  • HTML全文浏览量:  108
  • PDF下载量:  33
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-04-10
  • 修回日期:  2018-05-21
  • 刊出日期:  2018-09-25

指静脉红外图像特征不变性编码新方法

doi: 10.3788/IRLA201847.0926006
  • 1. 中国民航大学 天津市智能信号与图像处理重点实验室,天津 300300
    • 作者简介:

    贾桂敏(1982-),女,讲师,博士,主要从事光电探测与成像、模式识别等方面的研究。Email:gmjia_cauc@163.com

  • 收稿日期: 2018-04-10
  • 修回日期: 2018-05-21
  • 刊出日期: 2018-09-25
基金项目:

国家自然科学基金（61502498，61379102，U1433120）;天津市自然基金（15JCQNJC04400）;中央高校基本科研业务费民航大学专项B类项目（3122017001）

  • 中图分类号: TP391.4

摘要: 基于编码的特征表达方法在光照不变性、运算效率、特征表述能力等方面具有较大优势，成为新型的特征提取方法之一。手指静脉图像采用红外光透射成像，加之手指内部其他组织的固有影响，图像质量普遍较低。将Gabor滤波对图像纹理的增强与局部图结构编码的思想相结合，重点研究一种新的对称邻域交叉图结构，将局部邻域的纹理变化转换为加权的编码串。通过不同方向特征编码提取每个通道Gabor滤波图像的特征编码图，充分表达像素点周围邻域的位置信息和梯度信息，具有良好的旋转不变性。实验结果表明：提出的手指静脉特征编码新方法比多种常用特征编码方法具有更好的识别性能，对图像姿态变化更鲁棒。

English Abstract

    全文HTML

参考文献 (19)

目录

    /

    返回文章
    返回

    版权所有 © 2019 《红外与激光工程》编辑部｜ 地址: 天津市空港经济区中环西路58号｜ 邮政编码: 300308

    津ICP备19007885号-1

    本系统由 北京仁和汇智信息技术有限公司 开发    百度统计