已閱讀1頁,還剩49頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、 隨著人們安全意識的提高,生物識別技術也在飛速的發(fā)展。論文以人體的掌紋為研究對象,提出了基于分塊2DPCA和二次2DPCA相融合的特征提取算法,并選擇RBF神經網(wǎng)絡作為系統(tǒng)分類器。通過對Poly-U掌紋庫的仿真實驗表明,此方法具有可行性和有效性,識別時間明顯縮短,且保持了較高的識別率。其主要研究內容如下:
1.圖像增強對于掌紋的特征提取有著至關重要的作用。論文通過分析、研究掌紋圖像特點,利用Gabor濾波器實現(xiàn)圖像增強,
2、使掌紋的主紋理更加的突出。這樣提取的特征向量更具有辨識度,有利于識別率的提高。
2.在特征提取部分采用了改進的分塊2DPCA提取算法,將分塊矩陣與二次2DPCA融合在一起。首先將掌紋原始矩陣平均分為4塊,然后對分塊后的小矩陣進行二次2DPCA。由于分塊后的矩陣能包含更多的局部信息,且能在特征的計算中更精確地將這些信息表達出來,所以這些單元塊的局部特征更能反映掌紋圖像之間的差異,使得特征提取在準確率和提取速度上都有提高。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進的2DPCA與神經網(wǎng)絡的人臉識別研究.pdf
- 基于分塊DCT和雙向2DPCA的人臉識別.pdf
- 基于改進的2DPCA和相關向量機的人臉識別算法研究.pdf
- 基于2DPCA和多分類器融合的人臉識別.pdf
- 基于2DPCA的人臉識別方法.pdf
- 基于特征融合和神經網(wǎng)絡的掌紋識別方法研究.pdf
- 基于復合神經網(wǎng)絡的掌紋識別方法的研究.pdf
- 基于Gabor小波和2DPCA方法的人臉表情識別算法.pdf
- 基于2DPCA的安卓平臺人臉識別技術研究.pdf
- 基于2DPCA的低分辨率人臉識別算法研究.pdf
- 基于小波與神經網(wǎng)絡掌紋識別研究.pdf
- 基于分塊的掌紋識別算法研究.pdf
- 基于LBP與2DPCA的單樣本人臉識別算法研究.pdf
- 基于塊內相關性的2DPCA人臉識別方法.pdf
- 基于2DPCA車牌字符識別算法的硬件架構及FPGA驗證.pdf
- 基于改進神經網(wǎng)絡的斜拉橋參數(shù)識別.pdf
- 基于改進BP神經網(wǎng)絡的物體識別研究.pdf
- 基于改進神經網(wǎng)絡算法的斜拉橋參數(shù)識別研究.pdf
- 基于改進遺傳-神經網(wǎng)絡的結構損傷識別研究.pdf
- Hopfield神經網(wǎng)絡的改進及其應用——基于Hopfield神經網(wǎng)絡的脫機手寫數(shù)字識別.pdf
評論
0/150
提交評論