基于BSLDP和典型相关分析的掌纹掌脉融合识别

针对非接触采集图像时容易出现模糊,导致识别系统稳健性下降、识别效果不佳的问题,提出一种基于分块增强局部方向模式(BSLDP)和典型相关分析的掌纹掌脉融合识别方法。首先对传统局部方向模式(LDP)进行了改进,提出BSLDP来获取掌纹掌脉图像的纹理方向特征,然后基于典型相关分析法实现掌纹掌脉特征的有效融合,最后根据融合特征向量间的卡方距离进行匹配识别,并在CASIA-M图库及自建非接触图库上进行实验测试,最小等误率分别为0.63%和1.21%。结果表明与其他传统及最新算法相比,本文方法能够消除冗余信息、准确地保留掌纹掌脉的有效特征信息,提高系统识别性能。