MB-LBP与HOG融合的掌纹识别提升算法

本文研究的论文深入探讨了掌纹识别这一在模式识别和智能信息处理领域备受关注的主题。针对传统掌纹识别方法存在的问题，如易受噪声干扰和对旋转不敏感，作者提出了一种新颖的方法——基于分区的多块局部二值模式（MB-LBP）和梯度方向直方图（HOG）的融合策略。MB-LBP被用来提取掌纹的纹理特征，它通过对局部图像区域进行分块并计算每个块的二值模式统计信息，增强了对局部细节的敏感度。而HOG则负责捕捉边缘特征，它通过计算图像中梯度的方向和强度分布，提供了一种描述物体形状和方向的有效手段。 该算法首先运用分区MB-LBP和HOG独立地提取这两种关键特征，然后通过串联的方式整合它们，形成更为综合的特征表示。接下来，通过计算测试图像与训练图像之间绝对值距离的方式，量化两者的相似性，最后利用最近邻分类器来确定测试样本的类别。这种方法相较于传统的PCA（主成分分析）、LBP（局部二值模式）和HOG算法，能够在处理光照不均匀和掌纹位置变化的情况下，提高识别的鲁棒性和准确性。 通过一系列的实验对比，作者证实了该方法在提高掌纹识别率方面的有效性。结论指出，分区MB-LBP和HOG特征融合策略能够有效地提取掌纹中的关键信息，对于改善掌纹识别系统的稳定性和性能具有重要意义。研究者们岑瑶、潘新、郜晓晶和刘霞来自于内蒙古农业大学计算机与信息工程学院，他们的工作不仅提升了学术界对掌纹识别技术的理解，也为实际应用提供了有价值的参考，尤其是在生物识别和安防领域。整个研究得到了国家自然科学基金、中国博士后科学基金、内蒙古自治区高等学校科学研究项目以及内蒙古农业大学基金的支持。