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。

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。