一种新的图像融合掌纹识别算法：基于小波分析与局部二值模式

"基于图像融合的掌纹识别算法，通过结合小波分析和局部二值模式(LBP)来提高掌纹识别的准确性和鲁棒性。该算法由刘东霞和孙冬梅提出，旨在解决传统方法在掌纹图像处理中易受噪声干扰和难以充分表达特征的问题。" 在掌纹识别领域，纹线的尺度变化是关键特征，包括纹线的深浅、长短和宽窄。在灰度图像中，这些纹线表现为尺度不一的边缘，即灰度显著变化的区域。然而，直接在空间域处理掌纹图像时，容易受到各种噪声的影响，并且难以充分捕捉到这些特征。 为了解决这些问题，该论文提出了一个创新的图像融合方法。首先，采用两种不同类型的小波变换来分别提取掌纹图像的低频和高频特征。小波分析能够有效地分解图像，揭示不同尺度和频率的信息。接下来，对小波分解后的低频和高频子带进行融合，以保持原始图像信息的完整性。这一过程有助于强化有用信息并抑制噪声。 然后，利用局部二值模式(LBP)算子提取融合后的图像的纹理特征。LBP是一种简单而有效的纹理描述符，对于局部灰度变化敏感，能有效捕获图像的纹理细节。这种结合小波分析和LBP的方法，使得掌纹图像中的关键信息得以增强，同时噪声得到有效抑制，从而提高了识别的准确性和可靠性。 关键词涉及到的技术包括掌纹识别、图像融合、小波分析和局部二值模式。该研究的应用背景主要集中在多生物特征身份认证、生物特征加密技术和医学图像分析等领域。通过这种综合方法，研究者们旨在提供一种更为精确和稳健的个人身份验证手段。 这篇论文提出的基于图像融合的掌纹识别算法是生物识别技术的一个重要进展，它通过结合不同的图像处理技术，增强了掌纹识别的性能，对于实际应用如安全认证和生物信息学研究具有重要意义。