基于模糊分類與壓縮感知的掌紋識(shí)別算法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷進(jìn)步，掌紋識(shí)別技術(shù)已逐漸成為在模式識(shí)別、人機(jī)交互和機(jī)器學(xué)習(xí)等核心領(lǐng)域中的研究熱點(diǎn)之一。掌紋識(shí)別具有侵犯性低、成本低、穩(wěn)定性好等優(yōu)點(diǎn)，已受到業(yè)界的普遍關(guān)注，具有廣泛的應(yīng)用前景。到目前為止，盡管掌紋識(shí)別技術(shù)已經(jīng)愈加完善，但特征提取與特征匹配仍是掌紋識(shí)別的核心問(wèn)題?，F(xiàn)階段，特征匹配問(wèn)題的研究相對(duì)較少，影響著掌紋識(shí)別效果的進(jìn)一步提升，因此成為本研究的重點(diǎn)內(nèi)容。
　　本文主要研究了掌紋識(shí)別的相關(guān)技術(shù)。通過(guò)研讀大量掌紋識(shí)別

2、的文獻(xiàn)，了解掌紋識(shí)別算法近年來(lái)的研究成果，并對(duì)各類掌紋識(shí)別算法進(jìn)行了介紹、歸類和比較。重點(diǎn)針對(duì)模式匹配問(wèn)題，結(jié)合(2D)2PCA特征，分別提出了基于模糊分類與壓縮感知的掌紋特征匹配方法。本文的主要工作如下:
　　(1)提出基于分塊雙向二維主成分分析(M(2D)2PCA)和模糊分類的掌紋識(shí)別方法。首先將掌紋原始圖像分成不重疊的子塊，每幅圖像對(duì)應(yīng)位置的子塊組成子圖像訓(xùn)練集;之后對(duì)每一分塊圖像矩陣進(jìn)行(2D)2PCA操作提取特征，測(cè)試樣

3、本圖像也采用相同方法得到特征矩陣;最后采用模糊理論進(jìn)行分類得出最終識(shí)別結(jié)果。模糊分類容許了數(shù)據(jù)性質(zhì)的模糊性，適用于區(qū)分性較差的類。使用北京交通大學(xué)掌紋數(shù)據(jù)庫(kù)的實(shí)驗(yàn)結(jié)果表明，該方法可得到更高的識(shí)別率和更少的識(shí)別時(shí)間。
　　(2)提出融合雙向二維主成分分析（（2D)2PCA)與壓縮感知的掌紋識(shí)別方法。首先利用雙向二維主成分分析對(duì)掌紋圖像行列兩個(gè)方向進(jìn)行降維，提取特征矩陣，做為壓縮感知算法的過(guò)完備字典。然后通過(guò)分類正交匹配追蹤算法(CO