基于小波分解和K2DPCA2DLDA手背静脉识别.docVIP

基于小波分解和K2DPCA2DLDA手背静脉识别 　　摘 要: 　　提出了一种基于小波分解和二维主成分分析-二维线性判别式分析(K2DPCA??2DLDA)的手背静脉识别方法,选用db4小波基对原图进行小波分解。对其低频子图进行K2DPCA映射获得低维空间特征,通过对此低维空间特征进行2DLDA变换得到最终特征表达,利用最近邻法则进行了分类。实验结果表明,该方法能提高手背静脉识别率,有效减少识别时间。 　　?ス丶?词: 　　生物识别技术;手背静脉;小波分解;核二维主成分分析;二维线性判别式分析 　　?ブ型挤掷嗪?: 　　TP391.41 　　文献标志码:A 　　英文标题?? 　　Dorsal hand vein recognition based on 　　wavelet decomposition and K2DPCA??2DLDA 　　?び⑽淖髡呙? 　　L?a Cen, CHENG Cheng, ZHAO Dong??xia 　　?び⑽牡刂?( 　　College of Electricity and Information Engineering, Shaanxi University of Science and Technology, Xi??an Shaanxi 710021, China 　　英文摘要)?? 　　Abstract: 　　Dorsal hand vein recognition based on wavelet decomposition and K2DPCA??2DLDA was proposed in this paper, and db4 wavelet was used to decompose the original image. K2DPCA transformation was used for the sub??image of low frequency to obtain low dimensional space characteristics. Then, 2DLDA transformation was used to further reduce the dimension for obtaining the final feature expression. Finally, the features were classified according to the nearest neighbor classification rule. The experimental results show that the method can improve the hand dorsal vein recognition rate and reduce the recognition time effectively. 　　英文关键词??Key words: 　　biometrics; dorsal hand vein; wavelet decomposition; Kernel Two??Dimensional Principal Component Analysis (K2DPCA); Two??Dimensional Linear Discriminant Analysis (2DLDA) 　　?? 　　0 引言?? 　　随着信息化网络化社会的发展,人们对信息安全提出了更高的要求。由于人体固有的生物特征不会被遗失或遗忘,并且难以伪造和模仿,使得生物识别技术成为信息安全领域发展的必然趋势之一。手背静脉识别与常见的指纹识别、虹膜识别等生物识别技术相比,具有内部特征、非接触式、识别过程人性化、安全等级高等诸多优点[1]。目前,静脉识别技术大致有3类:在图像的空间域寻找特征，如基于模板匹配、特征点、几何不变矩等识别方法[2-4];根据静脉模式的特点构造适用的小波提取纹理特征[5-6];基于主成分分析(Principal Component Analysis, PCA)或其改进方法直接提取图像特征[7]。?? 　　由于PCA提取手背静脉特征时,需先将图像转化为一维向量,这样不但增加了计算协方差矩阵的复杂度,而且还破坏了原图的结构信息,为了解决这个问题文献[8]提出直接对原图构造协方差矩阵,即二维主成分分析（Two Dimensional Principal Component Analysis, 2DPCA）方法。然而不管对图像的行还是列进行2DPCA变换都需要较多的系数来表达图像,为此文献[9]提出了(2D)??2PCA,即分别在两个方向上进行2DPCA变换。但是实际采集的图像中受到如光照不均、姿态变换等因素引起的差异是非