基于改进BEMD的Gabor-2DPCA掌纹识别

摘要：

为了提高掌纹识别的准确率,提出一种基于二维经验模式分解(bidemensional empirical mode decomposition,BEMD)的掌纹重构改进算法.该算法首先对预处理掌纹图像采用改进二维经验模式分解算法分解,提取前4个本征固有模态分量重构掌纹;其次,将重构掌纹通过二维Gabor滤波器分解成20个特征子图,利用二维主成分分析(two-dimensional principal component analysis,2DPCA)算法数据降维,提取掌纹特征;最后,计算样本的欧氏距离,实现掌纹识别.采取香港理工大学的PolyU掌纹数据库中的600张掌纹图像实验,结果表明,该算法重构掌纹含有更多纹理特征,在训练样本不同的情况下识别率均有提升,最高可达99.33％.提出的改进算法可以应用于掌纹识别.

关键词：二维经验模式分解、重构掌纹、Gabor变换、二维主成分分析、掌纹识别

所属期刊栏目：23

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61301091

在线出版日期：2019-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：40-48