苏州大学 物理与光电能源学部, 江苏 苏州 215006
在双边总变分(BTV)正则化方法中, 由于同时考虑了周围像素与中心像素的几何距离和灰度相似性, 获得了比Tikhonov正则化方法和总变分(TV)正则化方法更好的重建质量。然而, 在BTV方法中, 由于正则化参数λ为一个定值, 使得该方法不能同时保持图像的边缘纹理信息和抑制图像噪声。针对这个问题, 提出一种图像局部纹理特征自适应的正则化重建方法, 基于灰度共生矩阵提取图像局部纹理特征, 建立正则化参数与图像局部纹理特征的函数关系, 使正则化参数λ随图像局部纹理特征自适应调整。实验结果显示, 与BTV方法相比, 该方法能使图像的边缘和纹理细节重建效果更好, 并有效抑制噪声。
超分辨率重建 图像局部纹理特征 正则化参数 灰度共生矩阵 双边总变分 super resolution reconstruction image local texture feature regularization parameter gray level co-occurrence matrix bilateral total variation
1 杭州电子科技大学认知与智能计算研究所, 杭州 310018
2 中国计量学院, 杭州 310018
3 大连理工大学计算机科学与技术学院, 辽宁大连 116023
近年来, 自动掌纹识别方法的研究吸引了越来越多的关注, 已有的工作主要集中于二维掌纹识别。然而, 二维掌纹图像存在着易伪造、抗噪能力差的缺陷, 实际应用中会带来潜在的安全隐患。因此, 三维掌纹识别被视为一种可行的解决方案来进一步提高识别的性能。基于局部纹理特征, 本文提出一种有效的三维掌纹识别方法。该方法首先利用形状指数来描述三维掌纹的局部几何特征, 接着提取形状指数图像的局部三值模式以及 Gabor小波特征, 最后在匹配分数层次上对这两种互补的局部纹理特征进行融合, 随后的实验证明了融合特征较单独特征要好。在香港理工三维掌纹数据库上的实验结果表明, 本文方法在识别率上要优于目前流行的其它三维掌纹识别方法, 从而验证了本文方法的有效性。
三维掌纹识别 局部纹理特征 形状指数 多重特征融合 3D palmprint recognition local texture feature shape index multiple feature fusion