基于小波變換的指紋識(shí)別算法的研究.pdf

1、指紋識(shí)別技術(shù)是人體生物識(shí)別技術(shù)的重要內(nèi)容之一，已在眾多領(lǐng)域得到程度不同的應(yīng)用。但就提高指紋識(shí)別的準(zhǔn)確度及識(shí)別速度而言，進(jìn)行指紋識(shí)別算法的研究無(wú)論在理論上還是在應(yīng)用上都具有十分重要的意義。圖像增強(qiáng)、特征提取、分類決策是指紋自動(dòng)分類系統(tǒng)中最為關(guān)鍵的三個(gè)步驟。本文從這三方面出發(fā)，研究并實(shí)現(xiàn)了基于小波變換和特征提取的指紋分類系統(tǒng)。在預(yù)處理階段，采用數(shù)學(xué)形態(tài)學(xué)的分割方法對(duì)圖像進(jìn)行有效的分割，將指紋圖像從背景中提取出來(lái)，達(dá)到削減數(shù)據(jù)和噪聲的雙重目的

2、；并利用圖像頻域變換特征，應(yīng)用Gabor濾波增強(qiáng)的方法提高了圖像質(zhì)量。在特征提取階段，對(duì)指紋圖像作四層小波變換，對(duì)各層各個(gè)方向的小波系數(shù)矩陣求取標(biāo)準(zhǔn)差并將其作為特征。為了體現(xiàn)局部細(xì)節(jié)，將指紋圖像的中心區(qū)域分成4塊分別作小波變換，這樣一幅指紋圖像就會(huì)得到一個(gè)長(zhǎng)為48的特征向量。隨后的指紋圖像的識(shí)別即是對(duì)代表指紋圖像的特征向量進(jìn)行識(shí)別。在分類識(shí)別階段，采用兩種分類器knn和SVM分別進(jìn)行有監(jiān)督的分類識(shí)別，實(shí)驗(yàn)表明這種基于小波變換的指紋識(shí)別算

3、法具有較強(qiáng)的識(shí)別率。為了進(jìn)一步提高識(shí)別效率，需要在時(shí)間和空間上進(jìn)行優(yōu)化改進(jìn)。為此對(duì)提取出的小波特征向量作進(jìn)一步的特征選擇和提取，即采用SFS算法對(duì)48維特征進(jìn)行選擇，去掉一些對(duì)分類貢獻(xiàn)不大的特征分量；采用KL算法將48維特征投影到低維空間進(jìn)行降維，由此研究了一種基于MKL變換的分類方法和一種低維空間的分類方法，實(shí)驗(yàn)表明后者具有更高的識(shí)別率。將上述特征選擇和特征提取這兩種降維策略結(jié)合在一起，通過(guò)實(shí)驗(yàn)驗(yàn)證先除去第一層小波分解系數(shù)，然后對(duì)余下