基于gabor小波和增强fisher模型的掌纹特征提取

《基于gabor小波和增强fisher模型的掌纹特征提取》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、于Gabor小波和增强Fisher模型的掌纹特征提取摘要：对于其他身份识别的生物特性而言掌纹有着很多的先天优势，因此在各个领域得到了非常广泛的应用。本文通过研究掌纹的特征，提出了一种基于Gabor小波和增强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对预处理掌纹，在对掌纹灰色图像通过算法进行Gabor小波变换后，得到Gabor的掌纹特征向量。随后，通过主成分分析变换高维特征向量至低维空间，最后在此空间内利用EFM变换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面有着优良的性能，

2、对高维特征的降维处理问题可有效解决，同时，算法也提高了Fisher线性判别式(FLD)的推广能力，可以较好地实现掌纹的特征提取。Abstract:Therearemanyadvantagesforthebiologicalcharacteristicsofotheridentificationintermsofpalmprint,soithasbeenwidelyusedinvariousfields.Inthispaper,thecharacteristicsofpalmprint，propos

3、edonekindbasedontheGaborwaveletandenhancedFisherlineardiscriminantmodel(EFM)PalmprintFeatureExtractionalgorithm.Thefirsttreatmentofthepalmprint,onthepalmgrayimagebyGaborwavelettransformbasedalgorithm，getthepalmprintfeaturevectorGabor.Then,throughthepr

4、incipalcomponentanalysistransformhigh-dimensionalfeaturevectorsintoalowdimensionalspace,thenthespacebyEFMtransformmatrixtoextractthepalmprintfeatures.DuetotheGaborfunctionintheaspectoffeatureextractionwithexcellentperformance,dimensionalityreductionof

5、highdimensionalfeaturecanbesolvedeffectively，atthesametime,thealgorithmcanimprovetheFisherlineardiscriminant(FLD)generalizationability，canbetterachievethePalmprintFeatureextraction.关键词：Gabor小波；增强Fisher线性判别模型(EFM);主成分分析(PCA);掌纹；特征提取Keywords:GaborWavele

6、t；EnhancedFisherDiscriminantModel(EFM);PrincipalComponentAnalysis(PCA)；palmprint；featureextraction分类号：TP391.4文献标识码：A文章编号：1006-4311(2013)12-0185-030引言生物识别技术是利用人体生物特征进行身份识别的一种技术，掌纹识别［1］是生物特征识别中又一新兴技术，它利用人的掌部纹理作为生物特征了来进行身份的自动确认，掌纹识别具有“人人不同，终生不变，随身携带”的特点，

7、其研究始于1998年，与常见的指纹、人脸、虹膜等生物特征识别技术相比，掌纹识别［2］主要具有以下优势：1）指纹具有很强的稳定性：胎儿六个月就会形成完整的指纹，一直到人死腐烂之前，虽然随着年龄的增长，纹理会有一些变化，但是总体上同一个手指的指纹类型以及细节特征的总体布局等始终没有明显的变化。即使手指受伤只要不伤到真皮，等伤口愈合后纹理仍旧恢复原状；如果伤到真皮愈合后形成伤疤破坏了原来的纹理，但是伤疤本身也增加了新的稳定特征。2）指纹的唯一性，指纹具有很明显的特定性。根据指纹学理论，两枚指纹匹配上12

8、个特征的几率为10-50。至今即使是孪生兄弟姐妹也没有两个指纹完全相同的人，不仅是人与人就算是一个人的十指之间，指纹也有明显的区别。由于指纹具有这样的特点，因此应用指纹进行身份鉴定提供了客观的依据。因此，掌纹同其他应用于身份识别的生物特征相比，具有诸多先天优势，其应用领域非常广阔。在掌纹识别中，有两个基本问题要解决好，一个是特征的提取，另一个是相似度的测量。所以一个掌纹识别算法要解决这两个问题：一是掌纹特征的提取和选择，二是特征分类器的设计。其中第一个问题是至关重要的，因为它会强烈