基于SDA和GSVD的多模態(tài)特征提取方法研究.pdf

1、單模態(tài)生物特征提取技術(shù)現(xiàn)在已經(jīng)應(yīng)用到生活中許多方面，同時(shí)也得到充分的研究和發(fā)展。隨著科學(xué)技術(shù)的發(fā)展，人們對(duì)身份認(rèn)證和公共安全的要求越來(lái)越高。由于單模態(tài)生物特征識(shí)別技術(shù)的局限性使其很難滿足當(dāng)今的實(shí)際需求，多模態(tài)特征融合技術(shù)成為生物特征識(shí)別領(lǐng)域的研究熱點(diǎn)之一。
　　本文主要學(xué)習(xí)研究了在特征層上進(jìn)行多模態(tài)特征提取算法,提出了基于子類(lèi)鑒別分析和廣義奇異值分解的多模態(tài)特征提取方法。該方法是根據(jù)子類(lèi)鑒別分析方法，將各種模態(tài)（如掌紋、人臉和指關(guān)

2、節(jié)）作為一個(gè)大類(lèi)的子類(lèi)，然后將所有樣本通過(guò)投影抽取鑒別特征，并重新構(gòu)造了子類(lèi)類(lèi)間散布矩陣和類(lèi)內(nèi)散布矩陣，使子類(lèi)類(lèi)間散布矩陣最大化和子類(lèi)類(lèi)內(nèi)散布矩陣最小化。在計(jì)算過(guò)程中使用廣義奇異值分解方法，解決了計(jì)算過(guò)程中的奇異問(wèn)題，并將兩模態(tài)融合擴(kuò)展到多種模態(tài)特征的融合。
　　接著，我們將多模態(tài)融合的數(shù)據(jù)通過(guò)核函數(shù)在非線性空間上進(jìn)行擴(kuò)展。核化可以利用高維數(shù)據(jù)空間的特性，因此我們提出基于核空間的子類(lèi)鑒別分析和廣義奇異值分解的多模態(tài)特征提取方法。該