In this thesis work, a detailed analysis of biometric technologies has been done and a new palmprint recognition algorithm has been implemented. The proposed algorithm is based on 2-D Gabor filters. The developed algorithm is first tested on The Hong Kong Polytechnic University Palmprint Database in terms of accuracy, speed and template size. Then a scanner is integrated into the developed algorithm in order to acquire palm images / in this way an online palmprint recognition system has been developed. Then a small palmprint database is formed via this system in Middle East Technical University. Results on this new database have also shown the success of the developed algorithm.

This thesis addresses four topics in the area of applied harmonic analysis. First, we show that the affine densities of separable wavelet frames affect the frame properties. In particular, we describe a new relationship between the affine densities, frame bounds and weighted admissibility constants of the mother wavelets of pairs of separable wavelet frames. This result is also extended to wavelet frame sequences. Second, we consider affine pseudodifferential operators, generalizations of pseudodifferential operators that model wideband wireless communication channels. We find two classes of Banach spaces, characterized by wavelet and ridgelet transforms, so that inclusion of the kernel and symbol in appropriate spaces ensures the operator is Schatten p-class. Third, we examine the Schatten class properties of pseudodifferential operators. Using Gabor frame techniques, we show that if the kernel of a pseudodifferential operator lies in a particular mixed modulation space, then the operator is Schatten p-class. This result improves existing theorems and is sharp in the sense that larger mixed modulation spaces yield operators that are not Schatten class. The implications of this result for the Kohn-Nirenberg symbol of a pseudodifferential operator are also described. Lastly, Fourier integral operators are analyzed with Gabor frame techniques. We show that, given a certain smoothness in the phase function of a Fourier integral operator, the inclusion of the symbol in appropriate mixed modulation spaces is sufficient to guarantee that the operator is Schatten p-class.

Thesis (Ph. D.)--York University, 2001. Graduate Programme in Computer Science. / Typescript. Includes bibliographical references (leaves 132-142). Also available on the Internet. MODE OF ACCESS via web browser by entering the following URL: http://wwwlib.umi.com/cr/yorku/fullcit?pNQ66340

Automatic face recognition has attracted the attention of many research institutes, commercial industries, and government agencies in the past few years mainly due to the emergence of numerous applications, such as surveillance, access control to secure facilities, and airport screening. Almost all of the research on the early days of face recognition was focused on using 2-D (intensity/portrait) images of the face. While several sophisticated 2-D solutions have been proposed, unbiased evaluation studies show that their collective performance remains unsatisfactory, and degrades significantly with variations in lighting condition, face position, makeup, or existence of non-neutral facial expressions. Recent developments in 3-D imaging technology has made cheaper, quicker and more reliable acquisition of 3-D facial models a reality. These 3-D facial models contain information about the anatomical structure of the face that remains constant under variable lighting conditions, facial makeup, and pose variations. Thus, researchers are considering to utilize 3-D structure of the face alone or in combination with 2-D information to alleviate inherent limitations of 2-D images and attain better performance. Published 3-D face recognition algorithms have demonstrated promising results confirming the effectiveness of 3-D facial models in dealing with the above mentioned factors contributing to the failure of 2-D face recognition systems. However, the majority of these 3-D algorithms are extensions of conventional 2-D approaches, where intensity images are simply replaced by 3-D models rendered as range images. These algorithms are not specifically tailored to exploit abundant geometric and anthropometric clues available in 3-D facial models. In this dissertation we introduce innovative 3-D and 2-D+3-D facial measurements (features) that effectively describe the geometric characteristics of the corresponding faces. Some of the features described in this dissertation, as well as many features proposed in the literature are defined around or between meaningful facial landmarks (fiducial points). In order to reach our goal of designing an accurate automatic face recognition system, we also propose a novel algorithm combining 3-D (range) and 2-D (portrait) Gabor clues to pinpoint a number of points with meaningful anthropometric definitions with significantly better accuracies than those achievable using a single modality alone. This dissertation is organized as follows. In Chapter 1, various biometric modalities are introduced and the advantages of the facial biometrics over other modalities are discussed. The discussion in Chapter 1 is continued with introduction of the face recognition’s modes of operation followed by some current and potential future applications. The problem statement of this dissertation is also included in this chapter. In Chapter 2, an extensive review of the successful 2-D, 3-D, and 2-D+3-D face recognition algorithms are provided. Chapter 3 presents the details of our innovative 3-D and 2-D+3-D face features, as well as our accurate fiducial point detection algorithm. Conclusions and directions for future extensions are presented in Chapter 4. / text

Αυτή η εργασία μελετά την εφαρμογή προηγμένων τεχνικών επεξεργασίας εικόνας από υπολογιστές για την επίλυση του προβλήματος της ανίχνευσης ατελειών σε υφάσματα από τις βιομηχανίες παραγωγής υφασμάτων. Προτείνεται μία νέα μέθοδος ανίχνευσης ατελειών, η οποία αποτελείται από ένα περιττό συμμετρικό φίλτρο Gabor πραγματικών τιμών, ένα άρτιο συμμετρικό φίλτρο Gabor πραγματικών τιμών και ένα φίλτρο εξομάλυνσης. Κατά την ανάπτυξη της μεθόδου, τα φίλτρα Gabor σχεδιάζονται με βάση τα χαρακτηριστικά του texture που εξάγονται βέλτιστα από μία εικόνα ενός μη ελαττωματικού υφάσματος με τη χρήση ενός Gabor Wavelet Network (GWN). Η απόδοση της προτεινόμενης μεθόδου αξιολογείται με τη χρήση ενός σετ εικόνων υφασμάτων που προέρχονται από μία βάση δεδομένων που περιέχει μία μεγάλη ποικιλία εικόνων ομογενών υφασμάτων. Τα αποτελέσματα παρουσιάζουν ακρίβεια στην ανίχνευση ατελειών με πολύ λίγες λάθος ανιχνεύσεις, από όπου φαίνεται η αποτελεσματικότητα της προτεινόμενης μεθόδου. Τα πειραματικά αποτελέσματα επιβεβαίωσαν τις δυνατότητες της μεθόδου και ένας υπολογισμός του υπολογιστικού φορτίου που χρειάζεται για την υλοποίηση της έδειξε ότι μπορεί να χρησιμοποιηθεί ακόμα και σε συστήματα ανίχνευσης πραγματικού χρόνου. / -

The estimation of optical flow has become a vital research field in image sequence analysis especially in past two decades, which found applications in many fields such as stereo optics, video compression, robotics and computer vision. In this thesis, the complex wavelet based algorithm for the estimation of optical flow developed by Magarey and Kingsbury is implemented and investigated. The algorithm is based on a complex version of the discrete wavelet transform (CDWT), which analyzes an image through blocks of filtering with a set of Gabor-like kernels with different scales and orientations. The output is a hierarchy of scaled and subsampled orientation-tuned subimages. The motion estimation algorithm is based on the relationship between translations in image domain and phase shifts in CDWT domain, which is satisfied by the shiftability and interpolability property of CDWT. Optical flow is estimated by using this relationship at each scale, in a coarse-to-fine (hierarchical) manner, where information from finer scales is used to refine the estimates from coarser scales. The performance of the motion estimation algorithm is investigated with various image sequences as input and the effects of the options in the algorithm like curvature-correction, interpolation kernel between levels and some parameter values like confidence threshold iv maximum number of CDWT levels and minimum finest level of detail are also experimented and discussed. The test results show that the method is superior to other well-known algorithms in estimation accuracy, especially under high illuminance variations and additive noise.

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

No processo de classificação de uma imagem digital, o atributo textura pode ser uma fonte importante de informações. Embora o processo de caracterização da textura em uma imagem seja mais difícil, se comparado ao processo de caracterização de atributos espectrais, sabe-se que o emprego daquele atributo pode aumentar significativamente a exatidão na classificação da imagem. O objetivo deste trabalho de pesquisa consiste em desenvolver e testar um método de classificação supervisionado em imagens digitais com base em atributos de textura. O método proposto implementa um processo de filtragem baseado nos filtros de Gabor. Inicialmente, é gerado um conjunto de filtros de Gabor adequados às freqüências espaciais associadas às diferentes classes presentes na imagem a ser classificada. Em cada caso, os parâmetros utilizados por cada filtro são estimados a partir das amostras disponíveis, empregando-se a transformada de Fourier. Cada filtro gera, então, uma imagem filtrada que quantifica a freqüência espacial definida no filtro. Este processo resulta em um certo número de imagens filtradas as quais são denominadas de "bandas texturais". Desta forma, o problema que era originalmente unidimensional passa a ser multi-dimensional, em que cada pixel passa a ser definido por um vetor cuja dimensionalidade é idêntica ao número de filtros utilizados. A imagem em várias "bandas texturais" pode ser classificada utilizando-se um método de classificação supervisionada. No presente trabalho foi utilizada a Máxima Verossimilhança Gaussiana. A metodologia proposta é então testada, utilizandose imagens sintéticas e real. Os resultados obtidos são apresentados e analisados.

Orientador: Roberto de Alencar Lotufo / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-07T11:27:50Z (GMT). No. of bitstreams: 1 Sa_GustavoFerreiraCardosode_M.pdf: 2313623 bytes, checksum: ca6abbf3a186c9d5bed2d6b1e73e3a9f (MD5) Previous issue date: 2006 / Resumo: Neste trabalho são apresentadas melhorias na robustez do método FingerCode para reconhecimento de impressões digitais. No FingerCode a textura dos componentes orientados das impressões digitais são extraídas por um banco direcional de filtros Gabor. Posteriormente, os componentes orientados são setorizados e para cada setor é computado um valor. Este conjunto de valores forma o vetor de atributos. Finalmente, a média da diferença absoluta dos dois vetores de atributos é computada indicando a similaridade entre duas impressões digitais. Foram testadas várias soluções e entre as que apresentaram melhores resultados destacam-se: a substituição dos valores dos atributos através de uma função não-linear, a ponderação dos valores de atributo de acordo com características estatísticas da distribuição espacial dos valores e o cálculo de medidas estatísticas extraídas dos histogramas de distribuição de diferenças. Estas funções apresentaram um ganho significativo, principalmente para o caso dos sensores óticos com uma melhoria de aproximadamente 45% no EER. Outra contribuição apresentada foi uma nova implementação rápida do filtro Gabor 2D, que se constitui de uma onda sinusoidal modulada por um envelope gaussiano. A filtragem 2D da imagem por um banco de filtros Gabor 2D é uma das etapas de maior consumo de tempo no processamento de imagens. Na nova solução proposta, o filtro Gabor 2D é separado em dois filtros Gabor 1D ortogonais, bastando para isto que o envelope gaussiano obedeça a condição de ser circular. O processamento com o filtro separado é mais rápida do que com o filtro não-separado e o ganho na performance aumenta à medida que aumenta o tamanho da imagem ou do filtro. Também foram desenvolvidas novas técnicas de segmentação: baseada em morfologia matemática e baseada em filtros Gabor. Estas segmentações ocorrem ao nível do píxel, com ótimos resultados, principalmente após a uniformização da área através de processos morfológicos / Abstract: In this work it is introduced improvements in robustness of FingerCode method to recognize fingerprints. In the FingerCode the texture of fingerprint oriented components are extracted by a bank of directional Gabor filters. After that, the oriented components are tessellated and a value is computed for each sector. This set of values constitutes the attribute vector. Finally, the absolute difference mean between the two attribute vectors is computed that gives the similarity between two fingerprints. New solutions were tested; among them the best results were obtained by: attribute values replacement by a non-linear function, attribute values weighting by statistical characteristics of spatial distribution of values, and the calculus of statistical measures extracted from the difference distribution histograms. These functions presented a significant gain, mainly in the case of optical sensors with an improvement about 45% in EER. Another contribution presented was a new fast implementation of the 2D Gabor filter, which constitutes in a sinusoidal wave modulated by a Gaussian envelope. The 2D image filtering by a bank of 2D Gabor filters is one of the most expensive stage of image processing. In the new solution proposed, the 2D Gabor filter is separated in two orthogonal 1D Gabor filters, for this the Gaussian envelope must obey the condition of being circular. Processing with the separated filter is faster than the non-separated filter, and the gain improves as the size of image or filter increases. Also it was developed new segmentation techniques: based on mathematical morphology, and based on Gabor filters. Those segmentations occur at pixel level, with good results, mostly after the area regularization with morphological processes / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica