本文将小波图像分解和信息熵特征提取相结合，提出一种新的掌纹特征提取算法。该算法首先对掌纹灰度图像进行二维小波分解，再利用多分辨信息熵分别计算不同尺度下的能谱熵作为特征向量，从而实现掌纹特征提取。该算法不但避免了图像增强和纹理细化等预处理过程，而且运用多分辨信息熵的自适应计算方法来调节分解级数，使得到的特征向量长度远小于传统算法。-In this paper, wavelet image decomposition and information entropy feature extractio

本文将小波图像分解和信息熵特征提取相结合，提出一种新的掌纹特征提取算法。该算法首先对掌纹灰度图像进行二维小波分解，再利用多分辨信息熵分别计算不同尺度下的能谱熵作为特征向量，从而实现掌纹特征提取。该算法不但避免了图像增强和纹理细化等预处理过程，而且运用多分辨信息熵的自适应计算方法来调节分解级数，使得到的特征向量长度远小于传统算法。-In this paper, wavelet image decomposition and information entropy feature extractio

按照二维函数的特点和视觉机制,提出了用来捕捉纹理基元的纹理检测器函数,基于纹理检测器和扩展的小波变换,提出了基于能量分解的影像纹理多尺度分析方法,并按照神经动力学的侧抑制和端点抑制等理论,实现了对多尺度纹理特征的融合，这一多尺度分析方法直接将影像纹理能量在时间一尺度空间分解,包含了相位信息,避免了基于线性变换多尺度分解引起的能量与相位分离,为纹理分析提供了一个层次性的框架,有效提高了纹理的识别能力。-According to the characteristics of two-dimensio