基于bp-adaboost神经网络的多参数掌静脉图像质量评价法.pdfVIP

计算机系统应用

ISSN

1003-3254,

CODEN

CSAOBNE-mail:

csa@

Computer

Systems

Applications,2020,29(3):20−28

[doi:

10.15888/ki.csa.007292]

©中国科学院软件研究所版权所有.Tel:

+86-10

基于BP-AdaBoost神经网络的多参数掌静脉

图像质量评价法①

李苋兰,

张顶,

黄晞

(福建师范大学

光电与信息工程学院

福建省光电传感应用工程技术研究中心,

福州

350007)

通讯作者:

黄晞,

E-mail:

huangxi@

摘要:

手掌静脉纹识别技术作为新一代高精度的生物特征识别技术,

被广泛用于个人身份鉴定领域.

然而,

其识别

效果受限于图像的质量,

低质量的图像往往造成识别准确度偏低,

如何有效的对图像质量进行评价从而筛选出高质

量的图像成为掌静脉识别技术中的一项重要研究内容.

本文旨在解决这一问题,

提出了一种基于BP-AdaBoost神经

网络的多参数的掌静脉图像质量评价法.

根据掌静脉图像质量特点,

提出多个参数的评价指标(对比度(contrast)、

信息熵(entropy)、清晰度(sharpness)和等效视数(enl)).

利用BP网络优良的非线性拟合特点,

以多个评价参数为

网络输入,

分类结果为网络输出,

训练10个BP弱分类器;

在此基础上利用AdaBoost算法得到最终的强分类器.

实

验结果显示,

对比传统加权融合的评价分类方法,

分类的结果准确度较高,

系统具有具有良好的应用价值.

关键词:

掌静脉;

图像质量评价;

多参数;

BP神经网络;

AdaBoost算法;

强分类器

引用格式:

李苋兰,张顶,黄晞.基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法.计算机系统应用,2020,29(3):20–28.

http://www.c-s-

/1003-3254/7292.html

Multi-ParameterPalmVeinImageQualityEvaluationMethodBasedonBP-AdaBoostNeural

Network

LI

Xian-Lan,

ZHANG

Ding,

HUANG

Xi

(Fujian

Provincial

Engineering

Technology

Research

Center

of

Photoelectric

Sensing

Application,

College

of

Photonic

and

Electronic

Engineering,

Fujian

Normal

University,

Fuzhou

350007,

China)

Abstract:

As

a

new

generation

of

high-precision

biometric

recognition

technology,

palm

vein

pattern

recognition

technology

is

widely

used

in

the

field

of

personal

identification.

However,

its

recognition

effect

is

limited

by

the

quality

of

the

image.

Low-quality

images

often

result

in

low

recognition

accuracy.

How

to

effectively

evaluate

the

image

quality

and

screen

out

high-quality

images

becomes

an

important

research

issue

in

palm

vein

recognition

technology.

This

study

aims

to

solve

this

problem

and

proposes

a

multi-parameter

palm

vein

imag