基于改进的PCA算法和Fisher线性判别的掌纹识别研究.pdf

《基于改进的PCA算法和Fisher线性判别的掌纹识别研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、科技论坛基于改进的PCA算法和Fisher线性技科蕾民一l一—第年。—02判别的掌纹识别研究李静雯弱(四川理工学院计算机学院，四川自贡643000)摘要：掌纹识别技术是生物特征识别技术的一种，它是根据人手掌上的有效信息(如：掌纹)来识别人的身份。人的掌纹具有唯一性和多特征性，这些都是识别的关键条件。识别的先决条件就是对掌纹图像进行特征提取，特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低。现提出了一种基于改进的PCA算法和Fisher线性判别的掌纹识别研究方法。实验结果表明，识别率有一定提高。关键词：

2、掌纹识别；PCA算法；Fisher线性判别1概述掌纹识别系统是基于掌纹特征的匹配，特征提取算法的好坏很大程度上决定了系统的识别率和效率的高低。即能否有效地进行特征的提取和选择，决定了下一步的分类匹配决策能否高效准确的完成。因此在掌纹识别的过程中，特征提取是掌纹识别中最关键的一个环节。2改进的PCA和Fisher线性判别相结合的识别算法其实，直接用Fisher线性判别分析(FLD)方法进行掌纹识别的效果比PCA要好很多，但直接应用FLD方法常常遇到样本类内散布矩阵通常是奇异的这样一个问题。这是因为训练样本一般都小

3、于每个样本所包含的像素个数。而且FLD方法在计算过程中要反复做矩阵操作，计算量大。并且一般情况下掌纹识别问题只是一个小样本问题，所以如果类内散布矩阵总为奇异矩阵就反而使求解变得很困难。所以，这里采用一种将改进的PCA方法和Fisher线性判别方法相lU203040506U70809OlOUllUl20l3Ul4U结合的掌纹识别方法来实现掌纹的识别。首先，将图像通过改进的PCA算法进行降维，然后对降维后的图像应用Fisher线性判别算法进行分特征数类。实验证明，此方法克服了直接使用LDA带来的大矩阵和类内散布矩图

4、1不同算法的掌纹识别率阵奇异的问题，识别效果比基于纯LDA的方法要好很多。3．2改进的PCA算法和FLD方法结合的实验结果。改进的PCA方法和Fisher线性判别方法相结合的思想是这样的：在研究不同的算法效果时，尝试将不同的算法结合在～起。由实验首先把所有训练集或掌纹库中的图像组成数据矩阵，然后投影到个NX数据可以得出结论，将改进的PCA算法和FLD方法结合起来运用到掌N的正交基上，N表示所有的训练集中的图像数目，正交基可以通过改纹识别系统中时，起到了其中某一种算法所远远不及的效果。见图2。进的PCA方法训练得

5、到。投影后将产生一个维数比较小的满秩矩阵，这jO0将为后面FLD的计算缩短时间。由改进的PCA方法知道，这个投影保留了原始图像矩阵的主要信息，不会影响FLD的计算精度。簿95该方法的具体实验步骤如下：磊蓉9O1)读取掌纹数据，通过改进的PCA算法降低训练样本的维数。2)对训练样本进行改进的PCA变换，通过公式1求出PCA特征空格85间的基：80w【w1，W2，⋯，wJ(1)708090lO0ll0。12013014O将训练样本映射到特征空间，求出其特征系数a=[al’a--，an]。特征数3)根据公式2，计算降

6、维后的类内散布矩阵和类间散布矩阵：s’W=wwW，sB=Wl呻sRW(2)图2不同算法的掌纹识别率4)根据公式3，求解类内散布矩阵S的广义特征值和类间散布如表1中，列L叶J的是实验中各种方法在特征数为90时的识别率，并矩阵s的特征向量A：列出了各种方法训练和识别所用的时间；由表可以看出本文提出的方法sA=SwA(3)在这几种方法中识别率是最高的，可以达到95．8％。而且本文提出的混5)将特征向量根据它们对应的特征值，按照从大到小的顺序进行排合方法在提高了正确识别率的同时，保证了其识别时间与训练时间和原序，并进行

7、标准化，选择前面A个特征向量组成最佳分类空间，如下公方法相比基本保持不变，可见本文提出的改进方法是切实可行的。式4：正确识别率、训练和识别时间的对比W=ndW(4)6)用上式求出的最佳分类空间进行掌纹的降维和分类识别。识别时把掌纹图像投影到最优的掌纹子空间，从而得到掌纹在子空间的投影向量。然后对这个向量运用相应的距离准则进行分类识别。3各种算法的实验结果对比本文针对改进的PCA算法，将此应用于掌纹库中，并选取不同的特征数分别进行了matlab实验仿真，和原有PCA相比，取得了更好的效4结论果。在表和图中均列出了

8、几种算法的实验对比。我们从数据中可以看3．1改进的PCA算法的实验结果。出，在识别率上，显然是改进的PCA算法和Fisher线性判别相结合的混由本文实验数据可知，改进的算法比PCA算法稍微复杂一点，但是合算法的识别率大大提高了。因此采用多种混合算法将是以后掌纹识别识别率有显著的提高，见图1。领域的发展趋势。为使数据具有可比较性，本实验和以后的掌纹识别均统一采用香港不过改进算法的不足之处