论文部分内容阅读
随着人们安全意识的提高，生物识别技术也在飞速的发展。论文以人体的掌纹为研究对象，提出了基于分块2DPCA和二次2DPCA相融合的特征提取算法，并选择RBF神经网络作为系统分类器。通过对Poly-U掌纹库的仿真实验表明，此方法具有可行性和有效性，识别时间明显缩短，且保持了较高的识别率。其主要研究内容如下：
1.图像增强对于掌纹的特征提取有着至关重要的作用。论文通过分析、研究掌纹图像特点，利用Gabor滤波器实现图像增强，使掌纹的主纹理更加的突出。这样提取的特征向量更具有辨识度，有利于识别率的提高。
2.在特征提取部分采用了改进的分块2DPCA提取算法，将分块矩阵与二次2DPCA融合在一起。首先将掌纹原始矩阵平均分为4块，然后对分块后的小矩阵进行二次2DPCA。由于分块后的矩阵能包含更多的局部信息，且能在特征的计算中更精确地将这些信息表达出来，所以这些单元块的局部特征更能反映掌纹图像之间的差异，使得特征提取在准确率和提取速度上都有提高。
3.选用RBF神经网络作为系统的分类器进行掌纹的识别。在训练过程中分别利用监督聚类算法和混合学习算法来确定各种参数的最终取值。通过大量的实验表明利用神经网络作为分类器的系统最终可以达到95%左右的识别率。
最后，通过matlab平台对所设计的掌纹识别系统进行了仿真实验，取得了较好的实验结果。证明了文中所设计的识别系统方案是切实可行的。