10.11896/j.issn.1002-137X.2018.08.051
基于有监督双正则NMF的静脉识别算法
为使提取的静脉图像特征具有较好的聚类特性以更利于正确识别,提出了一种基于有监督非负矩阵分解的识别算法.首先,对静脉图像进行分块处理,通过融合所有的子图像特征形成静脉的原始特征;其次,采用特征的稀疏性与聚类属性双正则项,对原始的非负矩阵分解模型进行改进;然后,基于梯度下降法对改进的非负矩阵分解模型进行求解,实现对原始特征的降维与优化;最后,利用最近邻算法对新的特征进行匹配,从而获得识别结果.实验结果表明,对于3种静脉样本数据库,所提识别算法的错误接受率与错误拒绝率分别可以达到0.02与0.03;此外,其2.89 s的识别时间可以满足实时性要求.
静脉识别、生物特征、非负矩阵分解、特征降维、稀疏表示
45
TP391.4(计算技术、计算机技术)
国家自然科学基金61502216,61572244
2018-09-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
283-287