基于2DGabor和BDPCA的掌紋識(shí)別算法研究.pdf

1、掌紋識(shí)別技術(shù)作為一種新興的生物識(shí)別技術(shù)，不但具有普遍、便利、穩(wěn)定等生物識(shí)別技術(shù)共有的特點(diǎn)，而且擁有采集設(shè)備簡(jiǎn)單、采集形式多樣、區(qū)分度高、用戶易于接受等優(yōu)點(diǎn)。對(duì)于掌紋圖像，目前在基于子空間的方法中，應(yīng)用較為廣泛的是主成份分析法。其中BDPCA與2DPCA相比具有更好的降維效果，與PCA相比具有更好的魯棒性，但是在小樣本情況下，BDPCA效果仍然不理想。針對(duì)該問題，本課題在分析研究的基礎(chǔ)上，進(jìn)行了指間點(diǎn)定位方法的改進(jìn)、2DGabor濾波器計(jì)

2、算量減少、傳統(tǒng)的BDPCA算法中最優(yōu)特征提取的算法改進(jìn)、以及相關(guān)的組合對(duì)比實(shí)驗(yàn)等方面的研究。最終采用2DGabor紋理特征特征提取結(jié)合M1BDPCA方法，有效的提高了小樣本情況下的識(shí)別率。
　　本文的工作內(nèi)容有以下幾個(gè)方面:
　　1、對(duì)掌紋庫(kù)中的圖像進(jìn)行預(yù)處理。其中包括原圖像(384×284)二值化、連通域分析去噪、輪廓提取和定位分割五個(gè)過程，最后獲得了感興趣區(qū)域圖像(ROI128×128)。其中在定位過程中，對(duì)已有的谷點(diǎn)定

3、位方法采用改進(jìn)指間點(diǎn)定位方法，進(jìn)行查找含參考點(diǎn)的關(guān)鍵區(qū)域的研究，取得了良好的測(cè)試效果。
　　2、由于2DGabor紋理特征能夠減小掌紋圖像中光照對(duì)識(shí)別結(jié)果的影響，本課題根據(jù)2DGabor濾波器原理，通過實(shí)驗(yàn)結(jié)果證明在5個(gè)方向3個(gè)尺度上2DGabor濾波器就可以達(dá)到滿意的效果，與傳統(tǒng)的在5個(gè)方向3個(gè)尺度上2DGabor濾波器相比減少了計(jì)算量;在此基礎(chǔ)上，進(jìn)行ROI圖像的紋理特征提取;此外為了減少無(wú)關(guān)特征區(qū)的數(shù)據(jù)，對(duì)ROI紋理特征圖像

4、進(jìn)行了下采樣，將15幅ROI紋理特征子圖像由128×128變?yōu)?2×32。
　　3、在傳統(tǒng)的BDPCA方法中，由于散度矩陣算法采用均值矩陣的方式并不一定能夠獲取ROI紋理特征子圖像的最佳特征投影，本文通過實(shí)驗(yàn)和分析，證明最小值矩陣M1能夠獲取ROI紋理特征子圖像的最佳特征投影，因此提出改進(jìn)的M1BDPCA方法，該方法與傳統(tǒng)的BDPCA方法相比取得了更好的效果。
　　4、在最后的掌紋識(shí)別過程中，課題使用通用的最近鄰分類器進(jìn)行分