雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

全球研究计算机科学杂志》上

菜单

石头:2229 - 371 x

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

二维互相关多模式图像识别

C Yuganya1一个V Khirthana2,Udayakumara pandian3
  1. 计算机软件部门,Bharath大学,钦奈,印度TamilNadu
  2. 计算机软件部门,Bharath大学,钦奈,印度TamilNadu
  3. Bharath大学计算机科学系,钦奈,印度TamilNadu
通讯作者:C Yuganya,电子邮件:yuganleya@gmail.com
相关文章Pubmed,谷歌学者

访问更多的相关文章全球研究计算机科学杂志》上

全球研究计算机科学杂志》上

文摘

bio-metric超安全,超过一种形式的生物识别是必需的。使用的组合不同的生物特征识别我们使用多生物特征识别。本文从棕榈多级小波变换算法,它结合了信息,脸,虹膜,数字签名的签名图像和识别利用生物特征识别的个人。多通道生物识别系统技术使用一个以上的生物标识符来比较形象的身份. .虹膜和棕榈打印的多模态生物系统基于小波包分析。可见纹理的一个人的脸,手掌,虹膜和签名编码成一个紧凑的二维小波包系数序列,生成一个“特征向量代码”。多分辨率方法基于小波包变换(WPT)的纹理分析和识别,虹膜,棕榈,签名图片。WPT子图像系数量化成1,0或1多分辨率。虹膜的输入、棕榈、面和签名相匹配,存储作为scrumbled图像DWT算法,然后重构方法,然后给出了结果获取到的数据。

索引词
小波包、脸、棕榈、虹膜、数字签名,识别,bio-metric,多层次。

介绍
使用生物识别技术的一个主要动机是能够验证一个人的真实身份。有时与嘈杂的数据相关的问题是,崩溃和松散的数据。所有的过程留给时间消费。为了克服这些问题,综合生物识别技术依靠多生物特征数据的一种形式。图像可以分为三种类型,1。RGB(其值为0 - 255),2。灰度(其值为0 - 255),3。二进制(它的值是0或1)。图像创建一个图像图形对象通过解释矩阵中的每个元素作为一个索引图的彩色地图或直接作为RGB值。一旦图像的预处理和灰色转换完成后它将调整图像短据说imresize。之后结合预处理图像,大惊小怪的形象我们应用得到(逆离散小波变换)。DWT的数据库过程(离散小波变换)是存储为融合图像。最后识别过程中通过给个人用户名和密码将用户给出的重建图像之前和匹配,给出了输出。该方法的优点是减少内存大小,提高识别精度由于使用多模式生物。该系统提供了一个非常准确的结果和更安全的访问数据库。

相关的工作
虹膜识别系统的成功实现,提出了1993年[3]。超过29年前出版以来仍然是有价值的,因为它提供了解决方案的每个部分的数据。是很重要的,大多数的数据的安全。它们基于伽柏小波分析[1][2][3]为了提取虹膜,棕榈,脸,和签名图像。它包括与复杂的卷积图像伽柏过滤器。虹膜图像前处理的方法对比增强[4]。预处理后;创建一个环形罩,穿过整个图像获取虹膜数据。使用数据虹膜和瞳孔重建从原始图片。利用虹膜中心和半径,虹膜是裁剪的重建图像。iris数据(虹膜甜甜圈形状)转换成一个矩形形状。 A scrumbled fusion iris pattern is matched. The method followed by Jie Wang [8] the iris texture extraction is performed by applying wavelet packet transforms (WPT)and DWT,IDWT algorithms were used.
虹膜图像分解的子图像运用WPT和选择合适的子图像,WPT系数进行编码。虹膜特征提取方法的方法设计[10]。虹膜成像应该捕获至少70像素在虹膜半径。100 - 140像素的虹膜半径更典型。CCD单色相机(480 x 640)已经被使用,因为700 nm - 900 nm的近红外照明成像所需的乐队是无形的对人类的观点。广角镜头是用来检测眼睛的面孔,获得高分辨率图像的眼睛。许多寻找替代方法所使用的虹膜图像。虹膜识别系统可以检测到短暂如虹膜检测仪检测和位置的虹膜图像,特征提取器提取特性和模式匹配模块匹配给定的输入图像提取虹膜从给定的整个眼睛的形象。执行虹膜模式匹配,虹膜是本地化,从获得的图像中提取。因此,要解决这一过程使用小波包变换算法。 In that, the standard discrete wavelet transform (DWT) is a powerful tool used successfully to solve various problems in image processing.
DWT的图像分为四个业者进行图像。结果图像的高度通过在水平和垂直方向上(HH)和一个低通过在垂直和高水平(LH),通过一个高度通过在垂直传入和低水平(HL)和去年被低通滤波器在两个方向(LL)。H和L是高通和低通滤波器,立即。虽然HH意味着高通滤波器应用于两个方向的图像,代表对角的特征图像,水平的大小等于霍奇金淋巴瘤,垂直大小等于LH和用于进一步处理。小波包变换(WPT)是一种小波变换用于图像分析。WPT,可以放大任意频率渠道进一步提取。与WT相比,WPT给出了很好的提取。WPT进步纹理分类算法给出了更好的性能,因为虹膜图像频率位于中低频率频道。
数字签名是一个术语,用来描述一个数据字符串将数字信息与一个指定的人的形象只有[5]。身份验证、数据完整性和不可抵赖性大型应用程序的数据安全。一个最重要的数字签名技术的进步是发展的第一个实用的称为RSA的加密的方案,虽然它仍然是目前最实用和多功能数字签名技术。
人脸识别系统成功部署,全自动[6]。全自动系统检测和识别/不同面孔的图像而无需人工干预[7]。全自动人脸识别系统一般有两个组件,识别和检测。识别组件标识或不同的脸。通常,一个识别模块要求在标准位置。面临的新形象转化为一个图像组件,然后比较这幅图像与输入图像和提取使用scrum流血DWT算法,提取和存储过程完成匹配过程后重建和匹配输入图像和原始安全形象。矩阵的图像有其不同的价值。给定的输入图像的脸是一个融合的过程,然后提取和重构[6]。输入匹配虹膜图像的反应,手掌,脸和数字签名。它可用于设置用户名和密码的个人资料,你的脸,虹膜,棕榈,数字签名作为你的个人数据的密码。这可以用于不同的一组数据的维护和安全项目目标与他们的脸,虹膜,棕榈,和签名数据的身份。 This is helpful to maintain our data’s and is thread safe. Every person has their unique identity of their iris, palm, face and signature as their identity. The basic input of the face recognition is vey important. All the recognition is used in mat lab using its image processing applications and tool box.
手掌的打印图像的特征提取是收购原始acquarency通知。图像匹配过程的差异和相似性与给定图像的过程。性能和图像验证模式即可。提出了图像分析是有限的优势匹配的过程。手掌线特性和使用一些技术,如皱纹决心,基准点决心发现和定位每个手掌线的端点。每一行坐落在手掌平行。终点是靠近手指手腕。数字棕榈印刷图像用于清晰和准确的匹配对数据库的保护。基于小波的DWT变换使用。认识到手掌打印图像伽柏过滤器是使用[11]。手掌印线边缘的特征映射(LEM),和距离匹配的豪斯多夫距离算法[12]。The interlaminar interactions of neural network executes two layers, the one has a fixed weights and other has a layer with adjustable weights, the co-efficient of 2-D Gabor transforms without the related conditions. The image has no complete transforms, in which the coefficients may be interpreted by signifying the presence of a certain features in the image; the network finds optimal coefficients in the sense of minimal mean-squared-error in representing the image. The normal image should have 7.57 in the pixel representation to 2.55 in the complete 2-D Gabor transform. In “wavelet” expansions based on a WPT and DWT of 2-D Gabor wavelet template, image compression is elaborated with ratios up to 20: 1.The image segmentation is demonstrated based on the clustering of coefficients in the complete 2-D Gabor transform.

PRPOSEDSYSTEM
提出了一种图像处理识别系统,安全的个人数据被存储在一个特定的用户。首先,收集不同类型的人的脸,虹膜,手掌,和签名图片,每个人有自己的身份的脸,虹膜,palm和签名图像的。当输入过程首先给出矩阵的方法。有三个步骤要完成他们预处理,数据库和识别过程。

PREPROCESSIG
给出的个人或个人形象已经和存储,图像可能在JPG或任何类型的图像。时给人的输入自己的脸、棕榈树、虹膜和签名过程开始转换图像,图像首先出现灰色的转换方法,在给定的图像转换成灰色阴影图像和输入图像的四个次要情节,然后图像的大小。
输入的脸,手掌、虹膜和签名图像。正常的形象有三个变化和利率如有其价值,RGB(0 - 255),灰度级(0 - 255)和二进制(0或1)型的值我们改变图像颜色的,这样我们改变给定的值输入图像,并将其转换到灰色。如果我们把二进制值为0(当时图像将在黑),否则我们给1(图像将在白色)。转换后的图像开始阅读图像给语法为“= imread (“water.jpg)”图像开始读取和显示图像的给的代码行”人物,imshow (a)”。现在我们将RGB图像在钛灰色我们包括= rgb2gray (a);“当这种语法转换和显示。
次要情节语法下面“h =次要情节(m, n, p)或次要情节(mnp)”。次要情节将当前图划分为矩形的窗格,他们行明智的编号。每一行和列计算b矩阵法。随后的情节是当前面板的输出。语法=次要情节(m, n, p)或次要情节(mnp)”打破了一个m×n的矩阵图窗口的小轴,并选择坐标轴对象次要情节的路径,并返回矩阵。矩阵的值被计算图窗口的第一行,第二行,等。例如,
次要情节(2,1,1),情节(收入)
次要情节(2,1,2),图(支出)
土地收入在窗口的上半部分和下半部分支出。如果当前矩阵是策划的输入值面板,面板作为次要情节的父母而不是当前图像。新的轴对象成为当前轴。替代语法“次要情节(m, n, p,“取代”)”。如果输入矩阵已经matchesexists,删除它并创建新轴。
调整方法是用于矩阵。采用量表法的图像大小。一个图像的正常价值< 600 * 800 * 3 unit8 >,与0.3调整后我们得到了< 120 * 240 * 3 unit8 >。调整图像的语法如下所示:
B = imresize(规模)
B = imresize (A, [mrows ncols])
[Y newmap] = imresize (X,地图,规模)
B = imresize(规模)返回一个图像B乘以A的大小规模给定的输入矩阵的图像可以是灰度图像,RGB,或二进制图像。如果范围在0到1.0之间,B小于A如果规模大于1.0,B A比B = imresize ([mrows ncols]),”B返回图像的行数和列指定[mrows ncols]。NUMROWS或NUMCOLS可能是null,那么imresize计算的行数或列自动保存图像宽高比。
“[Y newmap] = imresize (X,地图、规模)调整索引图像X规模的大小可以是一个数值范围指定输出图像的大小([numrows numcols]),默认imresize返回一个新的矩阵特色图像的颜色映射(newmap)缩放图像。返回一个彩色地图,是一样的原始的彩色地图,使用“Colormap”参数(下面)。

数据基本流程
在这个过程中转换后的图像结合得到(逆离散小波变换)算法和得到的融合图像,然后重建过程。转换后的图像相结合和scrum流血和重建利用DWT(离散小波变换)算法,然后存储作为融合图像。dwt输入计算离散小波变换(dwt)块计算离散小波变换(dwt)的图像矩阵的每一列。输出是一个重建的融合和scrum流血矩阵图像具有相同给定的身份作为输入。每一列的输出是输入的DWT相应的列。小波工具箱安装产品块自动设计计算DWT小波过滤器。否则,你必须指定自己的低通和高通FIR滤波器通过设置用户定义的滤波器参数。对于相同的输入,DWT块和小波工具箱功能不产生相同的结果。因为实时的组块设计实现和工具箱设计进行分析,矩阵的图像次要情节是各种给定数据的输出。dwt的输出函数和dwt的块匹配,完成以下步骤:
dwt的。函数,将边界条件设置为零填充输入dwtmode (zpd) MATLAB®命令提示符。
b。匹配DWT的延迟和得到,使用FIR滤波器实现,添加0 DWT的输入函数。0你添加的数量必须等于滤波器长度的一半。

识别
在这个过程中采样的方法和匹配的用户输入,然后识别。如果任何一个图片是不会认识到它匹配不匹配。得到的alogarithm执行单一一维小波变换的重建图像对一个特定的小波(wname)或特殊小波重建指定的过滤器(Lo_R和Hi_R)。
的语法是:
X =得到(cA, cD, wname)
X =得到(cA、cD、Lo_R Hi_R)
X =得到(cA, cD, wname,左)
X =得到(cA、cD、Lo_R Hi_R,左)
X =得到(…,“模式”模式)
X =得到(cA, cD, wname)返回单一层次的近似系数向量X基于逼近和细节系数向量cA和cD,并使用小波“wname”。X =得到(cA、cD、Lo_R Hi_R)重建如上specifed使用过滤器。
* Lo_R重建低通滤波器。
* Hi_R重建高通滤波器。
Lo_R和Hi_R必须是相同的长度。让洛杉矶cA的长度(也等于cD)的长度和低频滤波器的长度Lo_R Hi_R;那么长度(X) = LX LX = 2 *拉如果DWT扩展模式设置为每加碘。对于其他扩展模式LX = 2 * la-lf + 2。
X =得到(cA, cD, wname, L)或X =得到(cA、cD、Lo_R Hi_R, L)返回长度中央部分使用得到的结果(钙、cD、“wname”)。必须小于LX L。X =得到(…,“模式”,模式)使用指定的扩展模式计算小波重建模式。X =得到(cA,[],…)返回单一重建的近似系数向量X基于近似系数向量cA.X =得到([],cD,…)返回单一重建的细节系数向量X基于细节系数向量cD。

系统架构
图像
图像
图像

结果
实验结果清楚地表明,候选人的bio-metric图像处理。匹配虹膜,棕榈,脸,和签名图像的融合和scrum流血作为分心图像使用得到算法,最后是重建和匹配给定的输入,然后显示结果要么是匹配不匹配。改进的整体识别数据。另一方面,这些数据的存储需要非常少的内存中的数据。

结论
二维互相关与多模型统计结果进行生物特征图像的用户是直视成像设备。的目的接近问题的综合模式提取没有假设模式是循环是允许提取的融合和scrum流血生物特征图像。这种方法适用于非正交的生物特征图像,因为图像旋转远离正常成像设备,当前商业系统并发症提取和验证烧焦生物识别模式。至于这个系统提出了多通道生物特征识别。这是一个2 d小波包变换方法。

引用
  1. 约翰Daughman“完全离散二维伽柏转换为图像分析和神经网络压缩”,IEEE声学,演讲和信号处理、VOL.36, 7号,1988年7月
  2. 约翰•Daughman“高信心视觉识别人的atensdt Mofasctahtiinseticinalteilnlidgeepnecned, ence”, IEEE模式分析VOL.15,没有。会,1993年11月
  3. 约翰•Daughman“虹膜识别是如何工作的”IEEE电路和系统视频技术,第九卷,1号,2004年1月。
  4. 碱液会Liam Ali Chekima Liau涌粉丝,“虹膜识别使用自组织神经网络”,IEEE 2002。
  5. Taekyoung Kwon和Jae-il李“实用的数字签名的一代usingBiometrics”
  6. p . Jonathon菲利普斯,R。MichaelMCCabe“生物识别人脸识别和图像Pocessing”。
  7. 布拉德福德邦尼罗伯特·艾夫斯德罗丽丝埃特尔,“虹膜模式提取使用飞机和标准差”,iEEE 2004
  8. Lu Chenghong Lu赵阳“有效虹膜识别通过计算可辨别的textons”, IEEE 2005。
  9. 洁王、谢美“虹膜特征提取基于小波包分析”,iEEE 2006
  10. k·格拉博夫斯基,w . Sankowski,”爱丽丝识别算法硬件实现优化”,IEEE 2006。
  11. 海伦·c·沈Ajay Kumar“棕榈打印标识使用Palm代码”,第三个国际会议上图像和图形学报》,2004年。
  12. Sree罗摩没吃科拉琴,Praveen Verma Yashwant .卡。“Palm打印识别”和数字extracrion。
  13. 方Li Maylor k h .梁小周你,“掌纹识别使用豪斯多夫距离”,2004年IEEE国际生物电路与系统研讨会,2004。
  14. www。mathworks.com