基于子空間分析的手背靜脈識(shí)別算法研究.pdf

1、手背靜脈識(shí)別是生物特征識(shí)別技術(shù)領(lǐng)域的重要組成部分，具有非常廣泛的應(yīng)用前景。如何從手背靜脈圖像中有效地提取出區(qū)別于其它個(gè)體的特征，是手背靜脈識(shí)別研究的一個(gè)關(guān)鍵所在。在眾多的特征提取方法中，子空間方法以其描述能力強(qiáng)、計(jì)算代價(jià)小、可分性好等特點(diǎn)而備受研究人員的親睞，現(xiàn)已成為手背靜脈圖像識(shí)別的主流方法之一。本文以基于子空間分析的手背靜脈特征提取為主題進(jìn)行了相關(guān)研究，針對現(xiàn)有特征提取方法存在的問題，將多種特征提取手段相結(jié)合，提出幾種高效的手背靜脈

2、特征提取算法。本文主要工作及貢獻(xiàn)如下:
　　(1)首次將用于線性回歸的偏最小二乘算法用于手背靜脈識(shí)別。由于偏最小二乘法同時(shí)從輸入變量（利用訓(xùn)練樣本構(gòu)造的）和輸出變量（包含訓(xùn)練樣本的類別信息）中提取主成分，并充分考慮主成分之間的關(guān)系，因此偏最小二乘法可以用訓(xùn)練樣本解釋圖像的類別信息，提取具有更多圖像類別信息的、對于分類匹配十分有利的特征。實(shí)驗(yàn)結(jié)果表明，將偏最小二乘法用于手背靜脈識(shí)別可以獲得比傳統(tǒng)降維方法—主成分分析和獨(dú)立成分分析更加

3、理想的識(shí)別性能。
　　(2)針對獨(dú)立成分分析在提取手背靜脈特征時(shí)沒有考慮訓(xùn)練樣本中的類別信息、影響分類效果的問題，將獨(dú)立成分分析和廣義判別分析相結(jié)合，提出了一種新的手背靜脈識(shí)別算法—廣義判別獨(dú)立成分分析。首先運(yùn)用獨(dú)立成分分析降低手背靜脈空間的維數(shù)，得到訓(xùn)練樣本的統(tǒng)計(jì)獨(dú)立基向量，再對基向量張成的子空間實(shí)行廣義判別分析，提取分類特征。實(shí)驗(yàn)結(jié)果表明，類別信息的融入大大提高了算法的識(shí)別率。
　　(3)非負(fù)矩陣分解在非負(fù)性約束下，對非

4、負(fù)的樣本數(shù)據(jù)進(jìn)行非負(fù)分解，學(xué)習(xí)得到的基向量中含有圖像的局部特征信息，且具有明確的物理含義，是一種有效的特征提取方法。但是非負(fù)矩陣分解是非監(jiān)督學(xué)習(xí)算法，識(shí)別能力不強(qiáng)。為此，本文引入核直接判別分析，提出了核判別非負(fù)矩陣分解。在該方法框架中，利用樣本數(shù)據(jù)的局部特征來構(gòu)建分類向量，使得在新的特征空間中，同類樣本的投影向量集中，而異類樣本的投影向量分散。實(shí)驗(yàn)結(jié)果表明，本文提出的核判別非負(fù)矩陣分解算法兼顧了樣本的局部特征和樣本的可分性，獲得了比較理

5、想的識(shí)別結(jié)果。
　　(4)將基于流形學(xué)習(xí)的子空間特征提取方法用于手背靜脈識(shí)別，運(yùn)用局部保持投影來保持手背靜脈空間的流形結(jié)構(gòu)，提取局部判別特征。但是在小樣本手背靜脈識(shí)別中，局部保持投影特征方程矩陣存在奇異性。解決此問題的傳統(tǒng)方法是運(yùn)用主成分分析對原始數(shù)據(jù)樣本進(jìn)行降維，以確保特征方程矩陣是非奇異的，再運(yùn)用局部保持投影進(jìn)行特征提取。然而主成分分析只考慮了圖像數(shù)據(jù)中的二階統(tǒng)計(jì)信息，無法利用那些可能包含像素間的高階統(tǒng)計(jì)關(guān)系的重要信息。為了解

6、決這個(gè)問題，對主成分分析與局部保持投影相結(jié)合的方法進(jìn)行改進(jìn)，運(yùn)用核主成分分析降低手背靜脈空間的維數(shù)，以最大程度地保持局部判別信息，提取圖像中的非線性特征。實(shí)驗(yàn)結(jié)果表明，核主成分分析與局部保持投影相結(jié)合的方法識(shí)別性能要優(yōu)于主成分分析與局部保持投影相結(jié)合的方法。
　　(5)對二維特征的手背靜脈識(shí)別方法進(jìn)行了研究，針對傳統(tǒng)基于二維圖像矩陣的算法只在圖像的行方向進(jìn)行數(shù)據(jù)壓縮、且提取的特征維數(shù)較高的問題，提出了基于分塊雙向二維局部保持投影的

7、手背靜脈特征提取方法。該方法首先對手背靜脈圖像進(jìn)行分塊，然后針對所有訓(xùn)練圖像對應(yīng)位置上的子圖像，構(gòu)造樣本集，實(shí)施二維局部保持投影，以提取行方向的局部特征，再將特征矩陣轉(zhuǎn)置，實(shí)施第二次二維局部保持投影，進(jìn)一步提取其列方向的局部特征，得到每個(gè)位置上子圖對應(yīng)的投影矩陣，然后將每個(gè)位置上的子圖分別投影到各自對應(yīng)的子空間上，最后組合成特征矩陣。兩次局部保持投影的施行可以使得圖像行和列方向上的維數(shù)都得到有效的約簡。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的基于二維矩陣