针对单样本环境下传统人脸识别算法识别效果不佳的问题，提出一种结合改进中心对称局部二值模式和位平面分解的单样本人脸识别算法(ICSDBP)。采用改进中心对称局部二值模式算子提取人脸的特征信息得到两幅不同半径的纹理特征图像，将每幅纹理特征图像分解为4幅位平面图像，最后将8幅特征图像串联融合，使用最近邻分类器进行分类识别。在AR、CAS-PEAL和Extend Yale B人脸数据库上的仿真结果表明，该算法具有较高的识别率和较快的识别速度，对光照和表情等变化具有较好的稳健性。

为了解决当前图像Hash算法难以兼顾较高的感知稳健性与篡改识别率的不足, 提出了基于数据投影降维机制与对称局部二值模式的紧凑图像Hash算法。利用双线性插值来预处理图像, 使Hash具有固定的长度; 引入对数极坐标变换, 将其转变为二次图像; 利用Gabor滤波器平滑二次图像; 基于模糊集理论, 设计对称局部二值模式算子, 获取稳健特征; 定义数据投影降维机制与量化规则, 生成紧凑的中间Hash比特序列; 构造一维组合混沌映射, 建立加密模型, 完成比特序列扩散, 以生成图像Hash; 并引入汉明距离, 估算初始图像与接收端图像的Hash相似度, 联合决策阈值, 完成图像认证。测试数据表明, 与当前图像Hash技术相比, 该算法的Hash更紧凑, 且其感知稳健性与敏感性更高。

由于中心对称局部二值模式(CS-LBP)的虹膜识别具有特征维数高、对噪声敏感等缺点, 提出了基于统计特征中心对称局部二值模式(SCCS-LBP)的虹膜识别方法。首先, 根据虹膜纹理的分布特性, 用CS-LBP对归一化的虹膜图像进行编码; 为了进一步降低特征维数, 对编码后的图像进行特征统计。然后, 根据统计结果的分布, 提取出有效的二值特征图像。最后, 用Hamming距离进行虹膜识别。对CASIA1.0、CASIA2.0、CASIA3.0-Interval、MMU1图像库进行了识别, 最高正确识别率分别为99.955%、99.848%、99.989%、99.916%。实验结果表明: 该方法有效地利用了虹膜纹理分布特性, 与LBP和CS-LBP方法相比, 具有更少的特征维数、更高的正确识别率和更好的鲁棒性。