为了提取指关节纹图像的纹理特征并进一步提高其识别精度, 提出一种基于改进Gabor小波和Tetrolet的指关节纹识别方法。首先, 利用某点邻域像素的融合幅值特征代表该点的Gabor幅值特征, 增强每个像素点之间的局部关联性; 其次, 将滤波后的指关节纹特征图像经过具有高稀疏性的Tetrolet变换以获取图像的最优稀疏表示; 最后, 利用带限相位相关(Band-Limited Phase-Only Correlation, BLPOC)算法提取指关节纹图像的互功率谱进行匹配。在PolyU-FK、PolyU-CFK、IITD图库得到的识别准确率分别为99.1300%, 98.8324%, 98.7937%, 最低等误率为1.4601%, 最短识别时间为0043 2 s。本文方法能够提高识别系统的性能, 具有可行性和有效性。

针对目前指关节纹识别方法鲁棒性差的问题,提出了一种基于非下采样的Shearlet变换(NSST)和Tetrolet能量特征的指关节纹识别方法。首先,采用直方图均衡化调整图像的灰度,以减少光照分布不均对识别系统产生的影响。其次,利用NSST及其逆变换得到去噪后的重构图像,并对其进行Tetrolet变换,建立低频图像的能量曲面。最后,将不同图像的能量曲面作差,得到能量差曲面,进一步计算曲面的方差,并以此为依据对不同指关节纹图像进行分类识别。在HKPU-FKP、IIT Delhi-FK、和HKPU-CFK图库及其噪声图库的实验结果表明,本方法的正确识别率可达98.0392%,最短识别时间为0.0497 s,最低等误率为2.5646%。相比其他方法,本方法可以明显提高指关节纹识别系统的性能,具有可行性和有效性。