一种基于支持向量机的多生物特征融合身份识别方法研究
多生物特征融合论文 人脸识别论文 指纹识别论文 虹膜识别论文 支持向量机论文 核函数论文
论文详情
生物特征识别技术在信息化高度发展的当今社会中为身份识别提供了有效的途径,受到越来越多研究者的关注。基于多生物特征融合的身份识别方法相比单特征识别具有以下特点:1)更强的可靠性,可以提高系统性能和容错能力,减少噪声;2)更广的适用性,弥补了单特征对某些人不适用的缺点;3)更强的安全性等,具有非常广阔的应用前景。支持向量机是基于统计学习理论最优化方法用以机器学习的新工具,具有解决高维数、非线性、小样本的能力,已被广泛应用于生物信息、人工智能等领域。将支持向量机用于生物特征身份识别,具有非常重要的意义。本论文的目的研究支持向量机对多生物特征融合身份识别的有效性,修正的高斯核函数对生物特征识别的更优性及多生物特征融合对身份识别的实用性。本文主要工作是:1.针对采集的原始人脸图像、指纹图像和虹膜图像的不足,分别进行处理,消除噪声并进行特征提取,将支持向量机用于决策层构建分类器,对提取的特征进行训练和测试。实验验证了该方法可行性,具有较高的识别率。2.研究了一种改进高斯函数的核函数,选择合适的参数来提高高斯核的学习能力和分类能力,证明了它的合法性。并将改进的高斯核函数用于生物特征识别实验,与径向基核函数对比,性能得到改善。3.研究将三种单特征识别在决策层进行融合的方法。分别进行两两融合和全部融合,并将三种不同的生物特征数据库进行模拟对应,建立了一个多特征的数据库。实验验证了多特征融合身份认证的实用性、有效性和良好的扩展性。
摘要 | 第5-6页 |
Abstract | 第6-7页 |
1 绪论 | 第10-17页 |
1.1 研究背景与意义 | 第10-12页 |
1.2 多生物特征身份识别的国内外研究现状和发展 | 第12-13页 |
1.2.1 多生物特征身份识别的国内外研究现状 | 第12-13页 |
1.2.2 生物特征身份认证技术的发展 | 第13页 |
1.3 支持向量机的研究进展 | 第13-14页 |
1.4 本文研究的主要内容 | 第14-17页 |
2 基于生物特征融合的身份识别技术 | 第17-32页 |
2.1 人脸识别 | 第17-22页 |
2.1.1 人脸图像预处理 | 第19-20页 |
2.1.2 建立特征脸空间 | 第20-21页 |
2.1.3 提取训练集映射特征 | 第21-22页 |
2.2 指纹识别 | 第22-27页 |
2.2.1 指纹图像增强 | 第23-24页 |
2.2.2 方向信息提取 | 第24-25页 |
2.2.3 二值化处理 | 第25页 |
2.2.4 细化 | 第25-27页 |
2.3 虹膜识别 | 第27-29页 |
2.3.1 虹膜图像定位 | 第27-28页 |
2.3.2 虹膜图像归一化 | 第28页 |
2.3.3 特征提取 | 第28-29页 |
2.4 多生物特征融合识别 | 第29-31页 |
2.5 本章小结 | 第31-32页 |
3. 支持向量机理论基础 | 第32-44页 |
3.1 支持向量机 | 第32-36页 |
3.1.1 线性可分 SVM | 第32-34页 |
3.1.2 线性不可分 SVM | 第34-35页 |
3.1.3 非线性支持向量机 | 第35-36页 |
3.2 核函数理论 | 第36-40页 |
3.2.1 内积与核函数 | 第36-37页 |
3.2.2 Mercer 定理 | 第37-39页 |
3.2.3 常用核函数 | 第39-40页 |
3.3 修正的高斯核函数 | 第40-43页 |
3.4 本章小结 | 第43-44页 |
4 基于支持向量机的身份识别 | 第44-63页 |
4.1 实验一:人脸识别实验 | 第44-49页 |
4.1.1 实验环境 | 第44页 |
4.1.2 实验步骤及结果 | 第44-48页 |
4.1.3 实验结果分析 | 第48-49页 |
4.2 实验二:指纹识别实验 | 第49-54页 |
4.2.1 实验环境 | 第49页 |
4.2.2 实验步骤及结果 | 第49-53页 |
4.2.3 实验结果分析 | 第53-54页 |
4.3 实验三:虹膜识别实验 | 第54-57页 |
4.3.1 实验环境 | 第54页 |
4.3.2 实验步骤及结果 | 第54-57页 |
4.3.3 实验结果分析 | 第57页 |
4.4 实验四:多生物特征融合的身份识别实验 | 第57-62页 |
4.4.1 实验环境 | 第57-58页 |
4.4.2 实验步骤及结果 | 第58-62页 |
4.4.3 实验结果分析 | 第62页 |
4.5 本章小结 | 第62-63页 |
5 总结与展望 | 第63-65页 |
5.1 研究总结 | 第63-64页 |
5.2 研究展望 | 第64-65页 |
参考文献 | 第65-68页 |
致谢 | 第68-69页 |
个人简历 | 第69页 |
发表的学术论文 | 第69-70页 |
论文购买
论文编号
ABS3957748,这篇论文共70页
会员购买按0.30元/页下载,共需支付
21。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
35。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文