用k最近邻聚类法NNCA做手指动脉 英文翻译.docVIP

用k最近邻聚类算法NNCA M. Vlachos and E. Dermatas 摘要：在本文中, 为了进行手指静脉模式提取任务两种新的计算方法分割红外手指的图像。首先,用K最近邻分类器法,这是一个非常有效监督数据集的聚类方法。在第二,提出了一种新颖的命名最近邻聚类算法聚类算法(NNCA),这是无监督。作为特征向量分类过程multidirectional特征响应匹配滤波和最小特徵值的出来便是领导其他黑森矩阵。multidirectional响应的滤波器的鲁棒性的分类是至关重要的因为提供了一个和edgelike vein-like实验结果表明这两个算法,具有很好的与NNCA的优点可用于全自动手指静脉模式提取。还有一点值得注意,在提出矢量组成两个特徵是最简单的特征集的基础上,提出了直到现在在表现结果具有可比性与那些使用一个向量与大得多的尺寸(31特色)。定量评价NNCA数据库,包含人造图像分割,取得了的手指利率:减少相当于0.88灵敏度、0.80特异性和0.82准确度。 KNN, NNCA, 静脉模式，黑森矩阵，匹配滤波器形态学后处理 在文献[1]提特定的进行纹理图案提取将其应用到一个生物标识系统。传统的vein-pattern-recognition算法一个原始图像预处理部分,部分和识别部分,两部分处理时间。预处理部分包括一个高斯低通滤波器(作品),是一迭代高通滤波器和一改进中值