基于Gabor小波和增强Fisher模型的掌纹特征提取.docVIP

于Gabor小波和增强Fisher模型的掌纹 特征提取 摘要：对于其他身份识别的生物特性而言掌纹有着 很多的先天优势，因此在各个领域得到了非常广泛的应用。 本文通过研究掌纹的特征，提出了 一种基于Gabor小波和增 强Fisher线性判别模型(EFM)的掌纹特征提取算法。先对 预处理掌纹，在对掌纹灰色图像通过算法进行Gabor小波变 换后，得到Gabor的掌纹特征向量。随后，通过主成分分析 变换高维特征向量至低维空间，最后在此空间内利用EFM变 换矩阵提取到掌纹的特征。由于Gabor函数在特征提取方面 有着优良的性能，对高维特征的降维处理问题可有效解决， 同时，算法也提高了 Fisher线性判别式(FLD)的推广能力， 可以较好地实现掌纹的特征提取。 Abstract : There are many advantages for the biological characteristics of other identification in terms of palmprint, so it has been widely used in various fields. In this paper, the characteristics of palmprint，proposed one kind based on the Gabor wavelet and enhanced Fisher linear discriminant model (EFM) Palmprint Feature Extraction algorithm. The first treatment of the palmprint, on the palm gray image by Gabor wavelet transform based algorithm， get the palmprint feature vector Gabor. Then, through the principal component analysis transform high-dimensional feature vectors into a low dimensional space, then the space by EFM transform matrix to extract the palmprint features. Due to the Gabor function in the aspect of feature extraction with excellent performance, dimensionality reduction of high dimensional feature can be solved effectively， at the same time, the algorithm can improve the Fisher linear discriminant (FLD) generalization ability， can better achieve the Palmprint Feature extraction. 关键词：Gabor小波；增强Fisher线性判别模型(EFM); 主成分分析(PCA);掌纹；特征提取 Key words : Gabor Wavelet ； Enhanced Fisher Discriminant Model (EFM); Principal Component Analysis (PCA)； palm print； feature extraction 分类号：TP391.4文献标识码：A文章编号： 1006-4311 (2013) 12-0185-03 0引言 生物识别技术是利用人体生物特征进行身份识别的一 种技术，掌纹识别［1］是生物特征识别中又一新兴技术，它 利用人的掌部纹理作为生物特征了来进行身份的自动确认， 掌纹识别具有“人人不同，终生不变，随身携带”的特点， 其研究始于1998年，与常见的指纹、人脸、虹膜等生物特 征识别技术相比，掌纹识别［2］主要具有以下优势：1）指纹 具有很强的稳定性：胎儿六个月就会形成完整的指纹，一直 到人死腐烂之前，虽然随着年龄的增长，纹理会有一些变化， 但是总体上同一个手指的指纹类型以及细节特征的总体布 局等始终没有明显的变化。即使手指受伤只要不伤到真皮， 等伤口愈合后纹理仍旧恢复原状；如果伤到真皮愈合后形成 伤疤破坏了原来的纹理，但是伤疤本身也增加了新的稳定特 征。2）指纹的唯一性，指纹具有很明显的特定性。根据指 纹学理论，两枚指纹匹配上12个特征的几率为10-50。至今 即使是孪生兄弟姐妹也没有两个指纹完全相同的人，不仅