学位论文 > 优秀研究生学位论文题录展示

基于Contourlet与子空间分析的手部特征融合识别算法的研究

作　者: 刘洋
导　师: 李燕华
学　校: 内蒙古农业大学
专　业: 计算机应用技术
关键词: 掌纹识别 Contourlet小波 NMF ICA 多模融合
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 0次
引　用: 0次
阅　读: 论文下载
 

内容摘要


掌纹识别是一种新兴的生物识别技术,以其稳定性、唯一性等特点成为业界关注的热点之一,现己应用于身份识别与用户验证。掌纹识别技术包括掌纹图像采集与预处理、特征提取、特征匹配、决策四个环节,其中特征提取算法是掌纹识别的关键,直接决定识别效果。本文在研究现有掌纹识别算法的基础上,利用Contourlet变换和子空间方法的优势,采用融合策略,提出了基于Contourlet与子空间分析的手部特征融合识别算法。主要工作包括：1.提出了一种基于Contourlet变换与NMF掌纹识别算法。Contourlet变换具有三方面优势：首先,具有较好的方向性和各向异性,能捕捉图像的边缘信息；其次,Contourlet具有平移不变性,在融合过程中能够有效减少配准误差对融合结果的影响；最后,经过变换得到的各尺度方向子带图像与源图像具有尺寸大小相同等特性,较容易找到各个子带图像之间的对应关系。NMF能将所有元素均为非负数作为约束条件进行矩阵分解。在非负矩阵分解过程中,适当地选取特征空间的维数能够获得原始数据的局部特征。综合以上两种算法的优点,将原始掌纹图像经Contourlet小波变换后,利用NMF提取特征,提高了掌纹的识别率。2.提出了基于contourlet小波变换和ICA的掌纹识别算法,识别效果提高。3.提出了一种基于Contourlet变换与ICA的手部特征多模融合识别算法。该算法分别使用Contourlet与ICA的方法提取掌纹和指横纹特征的基础上,利用简单加权策略将两种手部模态特征进行融合,最后通过最近邻分类器进行分类识别。实验对比了掌纹、指横纹、掌纹和指横纹融合三种模态的识别效果,证明多模态手部特征融合在识别中的有效性。

全文目录


摘要  3-4
Abstract  4-6
目录  6-8
插图和附表清单  8-9
1 绪论  9-16
  1.1 课题研究背景及意义  9
  1.2 生物特征识别技术  9-12
  1.3 掌纹识别技术  12
  1.4 掌纹识别算法的研究现状  12-13
  1.5 指横纹及研究现状  13-14
    1.5.1 指横纹的定义  13-14
    1.5.2 指横纹的优势  14
  1.6 本文的主要研究内容  14-16
2 掌纹识别理论  16-21
  2.1 掌纹识别的基本模块  16-18
    2.1.1 数据获取  17
    2.1.2 特征提取  17
    2.1.3 特征匹配与决策  17-18
  2.2 掌纹识别算法的分类  18-21
    2.2.1 基于结构特征的方法  18
    2.2.2 基于统计特征的方法  18-19
    2.2.3 基于子空间的方法  19
    2.2.4 基于掌纹纹理及变换域的方法  19-20
    2.2.5 各种掌纹识别算法效果的比较  20-21
3 基于特征融合的识别方法  21-27
  3.1 按融合层次分类  21-23
    3.1.1 特征层融合  21-22
    3.1.2 决策层融合  22-23
  3.2 按融合模态分类  23-27
4 基于Contourlet变换与NMF掌纹识别算法  27-40
  4.1 引言  27
  4.2 Contourlet变换  27-32
    4.2.1 小波变换  27-28
    4.2.2 Contourlet变换原理  28-32
  4.3 非负矩阵分解  32-34
    4.3.1 基本原理  32-33
    4.3.2 目标函数  33-34
    4.3.3 迭代规则  34
  4.4 基于Contourlet变换与NMF掌纹识别算法  34-37
    4.4.1 基于Contourlet变换与NMF掌纹识别算法概述  35
    4.4.2 Contourlet变换参数的确定  35-36
    4.4.3 NMF参数确定  36
    4.4.4 最近邻分类器  36-37
  4.5 实验结果及分析  37-39
  4.6 小结  39-40
5 基于Contourlet变换与ICA掌纹、指横纹的多模融合识别算法  40-47
  5.1 引言  40
  5.2 ICA算法  40-42
  5.3 归一化  42
  5.4 融合策略  42-43
  5.5 算法的具体流程  43
  5.6 实验与结果分析  43-46
  5.7 小结  46-47
6 总结与展望  47-48
  6.1 总结  47
  6.2 展望  47-48
致谢  48-49
参考文献  49-52
作者简介  52

相似论文

  1. 小波分析在掌纹图像特征提取中的应用,TP391.41
  2. 基于小波分析的掌纹图像识别研究,TP391.41
  3. 心音数字水印技术,TP309.7
  4. 心电特征提取及分类方法研究,TN911.7
  5. 彩色人脸图像特征提取算法研究,TP391.41
  6. 基于非接触采集下的鲁棒掌纹识别,TP391.41
  7. 基于峭度最大化算法的复数功能磁共振成像信号分析,TN911.6
  8. 盲信号分离应用技术的研究,TN911.7
  9. 基于Gabor滤波的掌纹识别研究,TP391.41
  10. 基于EMD与ICA的GPS动态变形监测数据处理方法研究,P228.4
  11. 基于小波变换的掌纹识别算法的研究及DSP实现,TP391.41
  12. GAD-Ab、ICA、IAA在LADA中的表达与临床意义研究,R587.1
  13. 高维光谱空间降维技术研究,TP391.41
  14. 基于不变矩的掌纹识别算法研究,TP391.41
  15. 基于特征融合的掌纹识别,TP391.41
  16. 基于BCI多动作模式的ERD/ERS信号分析及识别方法的研究,TN911.6
  17. 毫米波雷达抗干扰技术术究,TN974
  18. 连铸二冷过程监控及其数据可靠性研究,TP277
  19. 基于NMF-SVM的过程建模与监测方法研究,TP274
  20. 基于遗传算法粗糙集属性约简的方法,TP18
  21. 面向化工软件网络共享平台的搭建与实现,TP311.52

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com