基于SDA和GSVD的多模態(tài)特征提取方法研究.pdf

1、單模態(tài)生物特征提取技術(shù)現(xiàn)在已經(jīng)應(yīng)用到生活中許多方面，同時(shí)也得到充分的研究和發(fā)展。隨著科學(xué)技術(shù)的發(fā)展，人們對(duì)身份認(rèn)證和公共安全的要求越來(lái)越高。由于單模態(tài)生物特征識(shí)別技術(shù)的局限性使其很難滿足當(dāng)今的實(shí)際需求，多模態(tài)特征融合技術(shù)成為生物特征識(shí)別領(lǐng)域的研究熱點(diǎn)之一。
　　本文主要學(xué)習(xí)研究了在特征層上進(jìn)行多模態(tài)特征提取算法,提出了基于子類鑒別分析和廣義奇異值分解的多模態(tài)特征提取方法。該方法是根據(jù)子類鑒別分析方法，將各種模態(tài)（如掌紋、人臉和指關(guān)

2、節(jié)）作為一個(gè)大類的子類，然后將所有樣本通過(guò)投影抽取鑒別特征，并重新構(gòu)造了子類類間散布矩陣和類內(nèi)散布矩陣，使子類類間散布矩陣最大化和子類類內(nèi)散布矩陣最小化。在計(jì)算過(guò)程中使用廣義奇異值分解方法，解決了計(jì)算過(guò)程中的奇異問(wèn)題，并將兩模態(tài)融合擴(kuò)展到多種模態(tài)特征的融合。
　　接著，我們將多模態(tài)融合的數(shù)據(jù)通過(guò)核函數(shù)在非線性空間上進(jìn)行擴(kuò)展。核化可以利用高維數(shù)據(jù)空間的特性，因此我們提出基于核空間的子類鑒別分析和廣義奇異值分解的多模態(tài)特征提取方法。該