1) palmprint
掌纹
1.
Automatic palmprint classification method based on the orientation of ridges;
基于乳突纹方向特性的掌纹自动分类方法
2.
Automated palmprint recognition based on K-L transform;
基于K-L变换的掌纹自动识别
3.
Automatic palmprint datum points determination by directional projection;
基于方向投影的自动掌纹基准点检测
2) palm print
掌纹
1.
Twenty five indexes, including fingerprint, palm print and IQ, were analyzed and compared with related documents.
观察了指纹(17项)、掌纹(7项)及智商共25项指标,并进行对比、分析。
2.
As a vital branch in the study of biometrics-based technology,identification and verification by palm print has been a striking evidence for prior disease diagnosis and personal recognition,given its remarkable advantages like simplicity and stablility,etc.
掌纹识别作为生物特征技术的一个重要分支,以其信息丰富、采集简便和稳定性强而作为疾病早期诊断和身份识别的重要依据,而其中主线的提取一直是识别的关键。
3) Palm-print
掌纹
1.
Palm-print Image Geometry Deformation and De-Noising Via Multi-Channel Wavelet;
多通道小波在掌纹图象几何变换与消噪中的应用
2.
Feature extraction is an important process in palm-print identification.
提出了一种新的掌纹特征提取方法,分别定位手指一维区域和掌纹的二维区域来提取手掌信号,并通过二进小波变换的过零点和Gabor滤波器分别对其进行编码,以此为基础进行掌纹识别。
3.
This paper proposed a principal line extraction method of directional palm-print line by combining morphologically filter and Hough transformation.
提出一种结合形态学滤波和Hough变换提取掌纹主线的方法,在对方向性掌纹线特征子图像做形态学滤波后,将滤波图像转换至Hough变换参数空间,利用Hough变换具有的点线对偶性,检测参数空间内累加数组的峰值来确定主线的空间位置和走向,并展开邻域检测得到主线。
4) palmprint recognition
掌纹识别
1.
Small sample palmprint recognition with two-directional local preserving projections;
基于二维局部保留映射的小样本掌纹识别
2.
Online palmprint recognition using line edge map;
基于LEM的在线掌纹识别
3.
Research on palmprint recognition based on SVM;
基于支持向量机的掌纹识别研究
6) palmprint image
掌纹图像
1.
Novel algorithm for Region of Interest(ROI)extraction of palmprint images;
一种新的掌纹图像感兴趣区域提取算法
2.
The Enhancement and Denoising of Palmprint Image Based on Partial Differential Equations;
基于偏微分方程的掌纹图像增强与去噪
3.
Because of the concurrence of translation and rotation between the different palmprint images, the algorithm presented is based upon phase correlation with rotational compensation, and then paraboloid surface fit will be conducted in order to improve matching accuracy to subpixel level.
基于每次测量时所采集掌纹图像之间同时存在平移和旋转变化,先对图像进行空域旋转校正,然后利用相位相关方法进行相关匹配,并通过二次曲面拟合方法使平移变化的检测精度达到亚像元级,从而达到精确定位。
补充资料："泛魔"识别模型
一种以特征分析为基础的图像识别系统。1959年B.塞尔弗里吉把特征觉察原理应用于图像识别的过程，提出了"泛魔"识别模型。这个模型把图像识别过程分为不同的层次，每一层次都有承担不同职责的特征分析机制,它们依次进行工作,最终完成对图像的识别。塞尔弗里吉把每种特征分析机制形像地称作一种"小魔鬼"，由于有许许多多这样的机制在起作用，因此叫做"泛魔"识别模型。这一模型的特点在于它的层次的划分。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
"泛魔"识别模型系统的图像识别共有4个层次(见图)。第一层是执行最简单任务的"映象鬼"，它们只是记录外界的原始形象,正像视网膜获得外界刺激的映象;然后由"特征鬼"进一步分析这个映象。在分析过程中，每个特征鬼都去寻找与自己有关的图像特征。例如，在识别英文字母时，每个特征鬼负责报告字母的一种特征及其数量，如垂直线、水平线、斜线、直角、锐角，不连续曲线和连续曲线等；再由"认知鬼"接受特征鬼的反应，每个认知鬼都从特征鬼的反应中寻找与自己负责识别的图像有关的特征,发现了这种特征时,它就"叫喊"，发现的特征越多，"叫喊"声越大;最后,"决策鬼"根据许多"认知鬼""叫喊"声的大小，选择叫喊声最大的"认知鬼"的反应作为所要识别的图像。
例如在识别字母R时,"映象鬼"先对R进行编码,把信息传递给"特征鬼"作进一步加工,这时会有5个"特征鬼"分别报告图像所包括的一条垂线、两条水平线，一条斜线,3个直角和一条不连续曲线。然后许多"认知鬼"则根据所报告的这些特征及其数量来识别是否是自己负责的字母。这时D、P、R鬼都会有反应，但P鬼只有 4个特征与其符合,并有一特征（斜线）与其不符合；D鬼只有3个特征与其符合,并有两个特征（斜线、直角）与其不符合；只有R鬼有5个特征与其符合,而且这5个特征又包括了R的全部特征，所以R鬼的叫喊声最大，因此"决策鬼"就很容易地作出选择R的决定。
"泛魔"识别模型对于相似的图形也可以分辨，不致混淆；对于失真的图形,如字母的大小发生变化时,识别也不致发生困难。以特征分析为基础的"泛魔"识别模型是一个比较灵活的图像识别系统。它可进行一定程度的学习，如"认知鬼"可逐渐学会怎样解释与它所负责的字母有关的各种特征；它还可以容纳具有其他功能的鬼。这个系统现在也被用来描述人的图像识别过程。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条