基于信息熵的EGLBP掌纹识别算法提升识别精度与效率

本文介绍了一种创新的基于信息熵的GLBP掌纹识别算法（EGLBP），这是该算法首次被应用于掌纹识别领域。信息熵被引入作为度量指标，其目的是提升识别精度并减少算法复杂度。在识别过程中，首先对掌纹图像进行Gabor变换，这是一种能捕获局部纹理特性的频域分析方法。通过对变换后的图像计算信息熵，可以筛选出包含较多信息的图像，排除信息量较少的部分。 接着，采用分块策略对剩余图像进行处理，每个区块采用局部二值模式（Local Binary Pattern, LBP）特征提取，LBP是一种常用的纹理描述符，它通过比较像素邻域的灰度差异来形成二进制码。这些局部特征被并联融合，以增强整体特征表达的鲁棒性。 最后，利用卡方距离（Chi-square distance）进行掌纹类别的判定，这是一种统计学上的距离测量方法，能够有效地评估不同特征之间的相似性。经过PolyU掌纹中心区域图像的实验验证，相比于传统的掌纹识别算法，EGLBP算法表现出显著的优势，识别率达到99.89%，表明其具有很高的识别准确性和效率。此外，识别时间仅为113.9毫秒，显示出算法的实时性和实用性。 该算法通过结合信息熵、Gabor变换、LBP特征提取和卡方距离计算，提供了一种高效且精确的掌纹识别方案，对于生物特征识别和安防等领域具有重要的应用价值。