虹膜识别系统与支持向量机算法研究

虹膜识别系统与支持向量机算法研究

ID:36640592

大小:1.62 MB

页数:47页

时间:2019-05-13

虹膜识别系统与支持向量机算法研究_第1页
虹膜识别系统与支持向量机算法研究_第2页
虹膜识别系统与支持向量机算法研究_第3页
虹膜识别系统与支持向量机算法研究_第4页
虹膜识别系统与支持向量机算法研究_第5页
资源描述:

《虹膜识别系统与支持向量机算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、河北工业大学硕士学位论文虹膜识别系统与支持向量机算法研究姓名:宋普云申请学位级别:硕士专业:计算机应用技术指导教师:吴清2003.2.1虹膜识别系统与支持向量机算法研究摘要生物识别技术是利用人体自身的生理特征或行为特征,通过计算机来识别授权人身份的一种有效的识别方法。虹膜具有类似指纹的独一无二的个人特征:而且,虹膜是身体中公开的部位,易于通过机器视觉进行远程检查,所以它是一种非侵犯性的生物识别技术。本论文包括两大部分,第一部分对整个虹膜识别系统进行了研究,第二部分对以统计学习理论为基础的支持向量机分类算

2、法进行了研究。基于虹膜识别的身份鉴别系统包括虹膜图像摄取、图像预处理、特征提取和图像分类四个部分。课题采用的虹膜图像是由中科院自动化所提供的小型虹膜图像数据库,图像的预处理采用改进的Hough变换方法来定位虹膜内外边缘,特征提取采用Gabor小波滤波器来进行图像纹理特征分析,采用方差倒数加权欧氏距离分类器对图像进行分类。与现有的其它虹膜识别系统相比,该系统利用了二维虹膜图像丰富的纹理信息,图像处理过程具有旋转、平移和尺度不变性。第二部分介绍了统计学习理论中最年轻的分支一支持向量机的目前常用的分类训练算法

3、,比较了各自的优缺点。着重介绍SMO算法原理并对该算法进行了改进,最后给出的实验结果,说明改进后的算法优于原始的SMO算法,对于SVM的进一步推广应用有一定的推动作用。关键字虹膜识别,生物识别,支持向量机,统计学习理论些堕堡型墨竺::兰笠旦里坐竺兰型茎__————————————————一IRISRECOGNITIONSYSTEMANDSTUDYOFSVMALGORITHMABSTRACTToday,biometircrecOlgnitionisacommonandreliablewaytoauthen

4、ticatetheidentityofalivingpersonbasedonphysiologicalorbehavioralcharacteristics,Thebiomedicalliteraturesuggeststhatsimilartofingerprints,irisespossessdistinctfeatureforuniquelyidentifyingaperson.Furthermore,irisislocatedonthenakedpartofhumanbodyastoenabl

5、etheremoteexaminationintheaidofamachinevisionsystem.Forthisreason,Iris·IdentificationiSregardasakindofnoninvasivehumanidentificationtechnique.ThispaperelucidatestheprinciplesandthetypicalstructureofIris—IdentificationSystemandstudySVMtheorytoclassify.Ape

6、rsonalidentificationsystembasedonirispatterniscomposedofirisimageacquisition,imagePreprocessing,featureextractionandmatching.IrisImageforthispaperisprovidedbyInstituteofAutomationChineseAcademyofSciences.Irisfeatureextractionisbasedontextureanalysisusing

7、multi—channelGabor—waveletfiltering.Comparedwithexistingmethods,ourmethodemploystherich2-Dinformationoftheiristranslation,rotation,andscaleinvariant.Thisarticleintroducedthetrainingalgorithmforthenewestbranchofstatisticlearningtheory—SVM(SupportVectorMac

8、hine)。Alltheimportantalgorithms’advantagesanddisadvantagesareanalyzed.ThispapergivesSOmeimprovementstoPlatt’SSMOalgorithmforSVMclassifierdesign.ThemodifiedalgorithmperformssignificantlyfasterthantheoriginalSMOonaljbenchmar

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。