基于小波變換的指紋識別算法的研究.pdf

1、指紋識別技術是人體生物識別技術的重要內容之一，已在眾多領域得到程度不同的應用。但就提高指紋識別的準確度及識別速度而言，進行指紋識別算法的研究無論在理論上還是在應用上都具有十分重要的意義。圖像增強、特征提取、分類決策是指紋自動分類系統中最為關鍵的三個步驟。本文從這三方面出發(fā)，研究并實現了基于小波變換和特征提取的指紋分類系統。在預處理階段，采用數學形態(tài)學的分割方法對圖像進行有效的分割，將指紋圖像從背景中提取出來，達到削減數據和噪聲的雙重目的

2、；并利用圖像頻域變換特征，應用Gabor濾波增強的方法提高了圖像質量。在特征提取階段，對指紋圖像作四層小波變換，對各層各個方向的小波系數矩陣求取標準差并將其作為特征。為了體現局部細節(jié)，將指紋圖像的中心區(qū)域分成4塊分別作小波變換，這樣一幅指紋圖像就會得到一個長為48的特征向量。隨后的指紋圖像的識別即是對代表指紋圖像的特征向量進行識別。在分類識別階段，采用兩種分類器knn和SVM分別進行有監(jiān)督的分類識別，實驗表明這種基于小波變換的指紋識別算

3、法具有較強的識別率。為了進一步提高識別效率，需要在時間和空間上進行優(yōu)化改進。為此對提取出的小波特征向量作進一步的特征選擇和提取，即采用SFS算法對48維特征進行選擇，去掉一些對分類貢獻不大的特征分量；采用KL算法將48維特征投影到低維空間進行降維，由此研究了一種基于MKL變換的分類方法和一種低維空間的分類方法，實驗表明后者具有更高的識別率。將上述特征選擇和特征提取這兩種降維策略結合在一起，通過實驗驗證先除去第一層小波分解系數，然后對余下