s'authentifier
version française rss feed
HAL : in2p3-00421717, version 1

Fiche concise  Récupérer au format
Invariant pattern recognition using contourlets and AdaBoost
Chen G.Y., Kégl B.
Pattern Recognition 43 (2010) 579-583 - http://hal.in2p3.fr/in2p3-00421717
Informatique/Traitement du signal et de l'image
Physique/Physique/Physique Numérique
Sciences de l'ingénieur/Traitement du signal et de l'image
Invariant pattern recognition using contourlets and AdaBoost
G.Y. Chen, Balázs Kégl ()1, 2, 3
1 :  LAL - Laboratoire de l'Accélérateur Linéaire
http://www.lal.in2p3.fr/
CNRS : UMR8607 – IN2P3 – Université Paris XI - Paris Sud
Centre Scientifique d'Orsay B.P. 34 91898 ORSAY Cedex
France
2 :  INRIA Saclay - Ile de France - TAO
http://tao.lri.fr/tiki-index.php
INRIA – CNRS : UMR8623 – Université Paris XI - Paris Sud
DIGITEO Bat. Claude Shannon - Université de Paris-Sud, Bâtiment 660, 91190 Gif-sur-Yvette
France
3 :  LRI - Laboratoire de Recherche en Informatique
http://www.lri.fr/
CNRS : UMR8623 – Université Paris Sud
LRI - Bâtiments 650-660 Université Paris-Sud 91405 Orsay Cedex
France
In this paper, we propose new methods for palmprint classification and handwritten numeral recognition by using the contourlet features. The contourlet transform is a new two dimensional extension of the wavelet transform using multiscale and directional filter banks. It can effectively capture smooth contours that are the dominant features in palmprint images and handwritten numeral images. AdaBoost is used as a classifier in the experiments. Experimental results show that the contourlet features are very stable features for invariant palmprint classification and handwritten numeral recognition, and better classification rates are reported when compared with other existing classification methods.

Articles dans des revues avec comité de lecture
2010
Pattern Recognition
Publisher Elsevier
ISSN 0031-3203 
43
579-583

LAL 09-129
Palmprint classification – Wavelets – Contourlets – Feature extraction – AdaBoost