基于改进的分块2DPCA和神经网络的掌纹识别-通信与信息系统专业论文.docxVIP

河北 河北工业大学硕士学位论文 基于 基于改进的分块 2DPCA 和神经网络的掌纹识别 基于改进的分块 2DPCA 和神经网络的掌纹识别 摘 要 随着人们安全意识的提高，生物识别技术也在飞速的发展。论文以人体的掌纹为研究 对象，提出了基于分块 2DPCA 和二次 2DPCA 相融合的特征提取算法，并选择 RBF 神经 网络作为系统分类器。通过对 Poly-U 掌纹库的仿真实验表明，此方法具有可行性和有效性， 识别时间明显缩短，且保持了较高的识别率。其主要研究内容如下: 1.图像增强对于掌纹的特征提取有着至关重要的作用。论文通过分析、研究掌纹图像 特点，利用 Gabor 滤波器实现图像增强，使掌纹的主纹理更加的突出。这样提取的特征向 量更具有辨识度，有利于识别率的提高。 2.在特征提取部分采用了改进的分块 2DPCA 提取算法，将分块矩阵与二次 2DPCA 融 合在一起。首先将掌纹原始矩阵平均分为 4 块，然后对分块后的小矩阵进行二次 2DPCA。 由于分块后的矩阵能包含更多的局部信息，且能在特征的计算中更精确地将这些信息表达 出来，所以这些单元块的局部特征更能反映掌纹图像之间的差异，使得特征提取在准确率 和提取速度上都有提高。 3.选用 RBF 神经网络作为系统的分类器进行掌纹的识别。在训练过程中分别利用监督 聚类算法和混合学习算法来确定各种参数的最终取值。通过大量的