基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf

基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf

ID:57744625

大小:2.27 MB

页数:42页

时间:2020-03-27

基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf_第1页
基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf_第2页
基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf_第3页
基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf_第4页
基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf_第5页
资源描述:

《基于Gabor小波和支持向量机的掌纹识别算法的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、分类号TP391.4学校代码10129UDC004学号072110004基于Gabor小波和支持向量机的掌纹识别算法的研究TheResearchonPalmprintRecognitionUsingGaborWaveletandSupportVectorMachine申请人:李明昊学科门类:工学学科专业:计算机应用技术研究方向:图像处理与模式识别指导教师:李燕华教授论文提交日期:二〇一一年五月摘要掌纹识别作为一种新兴的生物识别技术,因其识别区域大、易采集、精度高和可靠性高等优点得到了较快的发展。掌纹识别算法包括掌纹图像采集、

2、掌纹图像预处理、掌纹特征提取以及掌纹特征匹配四个阶段。本文对掌纹特征提取和特征匹配进行了深入研究,具体工作如下:(1)对现有的掌纹识别算法进行了总结,并比较了基于结构特征、基于统计特征、基于子空间特征和基于纹理及变换域特征等四类掌纹特征提取算法的优缺点。(2)本文在重点研究了2DGabor滤波器组、二维主成分分析(two-dimensionalprinciplecomponentanalysis,2DPCA)和支持向量机(supportvectormachine,SVM)的理论知识以及在掌纹识别技术上的应用,提出了基于Gab

3、or小波和支持向量机的掌纹识别算法。算法主要分三个步骤,首先将掌纹图像用2DGabor滤波器组对图像进行滤波并下采样得到Gabor特征矩阵,之后用2DPCA降维,最后将得到的特征向量送进SVM进行学习分类,从而提高小样本掌纹的识别精度。(3)通过仿真实验验证了本文提出的算法在掌纹识别中的有效性。实验结果表明,本文算法可以较好的解决掌纹小样本识别问题,即使在样本数量较少时也能保持较高的识别率。关键词:掌纹识别;滤波;Gabor小波;2DPCA;支持向量机TheResearchonPalmprintRecognitionUsin

4、gGaborWaveletandSupportVectorMachineAbstractAsanemergingbiometrictechnology,palmprintrecognitiontechnologyhasbeendevelopedquicklybecauseoftheadvantagesofitslargerecognitionregion,easycollection,highprecisionandreliability.Therearefourpartsinpalmprintidentificationa

5、lgorithms,includingpalmprintimagepreprocessing,palmprintfeatureextractionandfeaturematching.Palmprintfeatureextractionandfeaturematchingwerestudiedinthispaper.Themainworksareasfollows:(1)Havingreviewedrelatedpaperspublishedinrecentyears,thispaperintroducedthefourme

6、thodsinthepalmprintfeatureextraction:structurebased,statisticsbased,subspacebasedandtexture&transformdomainfeaturebasedmethods.Thenadvantagesanddisadvantagesofvariousmethodswerecompared.(2)ThispaperproposedapalmprintidentificationalgorithmusingGaborwaveletandsuppor

7、tvectormachine(SVM).Threestepswereinvolvedinthealgorithm.First,thepalmprintimagewasfilteredbyabankof2DGaborwaveletswithfivescalesandfourdirectionsanddownsampledtoformGaborfeaturematrix.Thentwo-dimensionalprinciplecomponentanalysis(2DPCA)wasusedtoextractthefeaturesi

8、ntoalowerdimensionspace.Last,SVMwasusedtoclassifythefeaturevectors.(3)Simulationexperimentalresultsshowedthealgorithmcouldsolvesmallsamplerecogni

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。