论文研究-基于kNN-SVM的手背静脉虹膜和指纹融合识别算法 .pdf

所需积分/C币:13 2019-08-15 16:42:55 450KB .PDF
收藏 收藏
举报

基于kNN-SVM的手背静脉虹膜和指纹融合识别算法,李秀艳,刘铁根,针对识别模式下多生特征融合识别系统的实现问题,本文基于手背静脉、虹膜和指纹三种生物特征研究了高效的融合识别算法。分别对三
山国武获论文在丝 http:/www.paper.edu.cn 80式中C为加权系数,M=M∩Mr,M和M分别为待识别虹膜特征和注册 虹膜特征r的掩模模板,有效虹膜特征的对应区域置“1”,而将被遮挡的其仁非有效 特征的对应区域置“0”。⊕为按位“异或”运算,∩为按位“与”运算,‖叫‖为计算图 像中“1”的个数。 13指纹特征提取与匹配 首先对指纹图像进行灰度归一化,直方图均衡化和中佶滮波去除斑点噪声ε将指纹图像 分成8×8大小的互不重叠的子块,利用 Sobel算子对每个子块进行处理得到梯度值∂x和 ⑦y,计算各子块方向场,利用方向变化最人熵原理确定指纹图像感兴趣区域的中心点,以 中心点为中心截取120*120大小的指纹区域作为指纹匹配的有效区域 将指纹图像有效区域进行3级Har小波分解,分别计算水平、垂直、对角线方向的9幅细 90节图像的归一化 Eulid范数,并联接形成特征向量。定义KL距离作为指纹特征匹配的距离分 数,实现指纹匹配。距离越小,说明相似度越高 ∑T(",l,12)lo R(12,1k 其中,7(2,1,为待识别指纹样本的特征向量,D(l,,1B)为注册指纹样本的特 征向量 952识别分类器设计 为了提高识别模式下多生物特征融合识别系统的识别效率,本文基于单生物特征kNN算 法实现用户身份的初步判別,将用户身份范围缩小到κ个。利用SVM算法实现k个样本范围内 另两个生物特征的融合识别,最终输出用户身份,这样待识别用户的另外两种生物特征仅需 要与缩小范围的k个类别进行匹配,而不需要与数据库中的所有类别进行匹配,可以提高识 100别效率。识别流程如图1所示 输入待识别用户 单生物特征 生物牯征数据库 待识别样本与注册样本 进行特征提取与匹配 利用NN分类器,取数据库 中与待识别样本匹型分数最 高的k个笑别 入待识别用户 另外两个生物持征 选取句含个类别的虹膜和 旨纹数据库 分别进行特征提取与匹配 将匹配介数融合牛成测试向量 输出待识别用户的 最终身份 图1kNN-SVM融合识别流程 Fig l Identification flow based on KNN-SVM 山国武获论文在丝 http:/www.paper.edu.cn kN算法就是在N个已知样本中,找出x的k个近邻。假设这N个样本中,来自H1 105类的样本有M1个,米自H2类的样本有M2个,…,米自H类的样本有N个,若k,k2, k分别是k个近邻中属于H1,H2,…,H2类的样本数,则定义判别函数为: C 决策规则为: 若g,(x)=maxk,则x∈H 110 sVM以结构人险最小化准则为理论基础,是一种具有最优分类能力和推广能力的学丬 机。其基本思想为:首先通过非线性变换将输入空间变换到一个高维空间,然后在这个高维 空间中求取最优线性分类面,而这种非线性变换是通过定义适当的内积函数实现的。图2 为支持向量机分类示意图,x,x2…x为输入样本,K(x,x),K(x2x)…K(x,x)为基于个支持向 量的核函数。 ALvI (x2 sgn→-y 115 图2SVⅥ分类示意图 Fig2 Schematic of SVM 基于攴持向量机的分类理论是从两类分类问题提出的,而对于识别工作模式下的多类分 类问题,需要构造多类分关器,这可以通过1-a-r算法构造多个两类分类器实现。对于N 120类问题,构造N个两类分类器,第个分类器用第类训练样本作为正的训练样本,将其它类 的训练样本作为负的训练样本,此时分类器的判决函数不取sn符号函数,最后的输出是N 个两类分类器输出中最人的那一类。 SVM算法在解决小样本及高维模式识别问题中具有特有的优势,但SVM对大规模分类问 题训练时间较长,利用ⅫNN算法将训练样本减少到k个,可以达到优势互补,可提高算法 125的识别效率 3实验分析 由于目前尚无来自同一个体的于背静脉图像、虹膜图像和指纹图像的三模态数据库,考 虑到手背静脉、虹膜和指纹三种生物特征的独立性,本文将TJU手背静脉图像数据库、CASⅠA虹 膜图像数据库和 Fingerpass指纹数据库中提取的指纹测试数据库以指配的方式进行融合身份 130识别实验。我们将108个类别的手背静脉图像和108个类别的虹膜图像以及108个类别的指纹图像 指配为来自同一用户的三神生物特征,组成多生物特征融合识别实验数据库。分别取实验数 据库中108个用户类别中钶类手背静脉、虹膜和指纹的3幅图像样本作为注册样本,其余4幅图像 样本作为待识别样本。 利用第2节中的特征提取与匹配方法分别对手背静脉、虹膜和指纹三种生物特征进行特 135征提取与匹配,基于kNN算法分别对三种单模态生物特征进行初识准确率PCRR(式(6))性 能测试,以桷定三种生物特征的融合方式和k值的选取。得到手背静脉、虹膜和指纹三种生 物特征在取不同k值时对应的PCRR如表1~表3所示。综合考虑算法复杂度和识别时间因素, 本文选取手背静脉特征作为个人身份初步识别特征 山国武获论文在丝 http:/www.paper.edu.cn PCRR k个类别中包含待识别用户合法身份的样本数 待识别样本总数 1009 (6) 表1不同k值对应的手背静脉特征PCRR表2不同k值对应的虹膜特征PCRR Tab 1 pcrr of hand vein under different k Tab 2 pcr of iris under different k 性能 h=2 k>2 性能 2≤k≤21 ≥22 100% PCR (432432)(432/432) PCRR 431/432)(432/432) 表3不同k值对应的指纹特征PCRR 145 Tab 3 PCRR of fingerprint under different k 性能 k=2,3 k=4,5k=6~20k=2l~35k>36 PCRR 9907% 99.31 9954% 99.77% 100% (42/432)(429/432)(430/432)(431/432)(432432) 本文使用C-SVC支持向量杋实现待识屴用户的虹膜和指纹两种生物特征匹配融合识 别,确定待识别用户的最终身份。ANN算法将待识别用户身份确定到H,i=1,2……,k这k个类 別范围内,取k个类别中的虹膜特征和指纹特征的训练样本,顺序取H类的第j(=1~3) 150个训练样本的虹膜特征图像和指纹特征图像与H-Hk类的训练样本中的每一个虹膜特征图 像和指纹特征图像进行兀配,得刭一个11×2维的匹配分数训练样本VR,将所有的匹配分 数训练样本与其对应的真实日标类别组合形成SVM的训练样本{VRn,Hn},输入SVM进行 训练输出待定参数。 sVM识別过程通过提取待识別用户对应的虹膜特征图像和指纹特征图像的特征信息, 155并顺序与Hˆ~H类别的训练样木中的每一个虹膜特征图像和指纹特征图像进行匹酉,得到11 ×2维的测试样本VT,将测试样本输入训练好的SVM,输出用户的最终身份 分别采用髙斯核函数和线性核函数SVM对融合识别性能进行测试,采用正确识别率CRR 评价识别算法性能,其定义为分类正确的样本数占样本总数的比率。得到不同k值对应的 CRR如表4所示。由表中数据可以得出,采用高斯核函数,取k-2时,融合识别性能最 160在识别模式下正确识别率达CRR为99.54%,达到了非常高的识别准确率,而此时k取最小 值,对应的系统耗时开支也最低。 表4不同k值对应的 KNN-SVM识别结果 Tab 4 Identification results based on ANN-SVm under different k 长4=243k4 高斯核函数 99.54% 99.31 9884% G=0.5,C=90) (430432)(429/432)(427432) 线性核函数 9907%0 99.07% (C=90 (429/432)(428432)(428432) 165 4结论 本文给出了识别模式下基于手背静脉、虹膜和指纹的多生物特征融合识别方法。设计了 KNN-SVM分类器,利用单生物特征AN算法实现用户身份的初步判别,将用户身份范围缩 山国武获论文在丝 http:/www.paper.edu.cn 小到k个。利用SVM算法实现κ个样本范围内另两个生物特祉的融合识别,最终输出用户 10身份,可以提髙识别算法的性能。利用构建的三模态生物特征数据库进行了实验硏究,通过 对实验结果进行分析,选取手背静脉特征作为个人身份初步识别特征,虹膜和指纹两种生物 特征作为融合识别特征具有明显优势。 KNN-SVM分类器屮取k=2,采用高斯核函数,且设 定标准差σ=0.5、惩罚因子C=90时,识别模式下正确识别率CRR可达99.54%,显示了很 好的识别忙能 175 参考文献]( References 1 Brunelli R,, Falavigna D. Person identification using multiple cues[J]. IEEE Transactions on PAMI, 1995, 17(10):955966 2R. Snelick, U. Uludag, A Mink, M. Indovina, A Jain. IEEE Large-Scale Evaluation of Multimodal Biometric 180 Authentication Using Statc-of-thc-Art Systcms[J]. IEEE Transactions on Pattcrn Analysis and Machinc Intelligence.2005,27(3):450-455 3 A. Jain, K. Nandarkumar, A. Ross. Sco ore normalization in multimodal biometric systems[]. Pattern Recognition,2005,38:2270-228 4 Arun Ross, Anil Jain Information fusion in biometrics[J]. Pattern Recognition Letters, 2003, 24: 2115-2125 185[5]李秀艳,刘铁根,邓仕超等.基于SURF算子的快速手背静脉认别算法[J.仪器仪表学报,2011,32(4) 831-836. [6]李秀档,刘铁根,邓仕超.基于手背静脉虹膜和指纹酎合身份识别算法[光电工程,2010,37(8):104-110 7]Li Xiuyan, Liu Tiegen, Deng Shichao Fusion of Hand Vein, Iris and Fingerprint for Person Identity Verification Based on Bayesian TheoryLA. Proc SPIE Int Soc Opt Eng-OIT2009CJ, shanghai, 2009 8]M. H. Fatemi, S. Gharaghani, S. Mohammadkhani, et al. Prediction of selectivity coefficients of univalent anions for anion-selective electrode using support vector machine []. Electrochimica Acta, 2008, 53: 4276-4282

...展开详情
试读 6P 论文研究-基于kNN-SVM的手背静脉虹膜和指纹融合识别算法 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_39841365 如果觉得有用,不妨留言支持一下
2019-08-15
上传资源赚积分or赚钱
最新推荐
论文研究-基于kNN-SVM的手背静脉虹膜和指纹融合识别算法 .pdf 13积分/C币 立即下载
1/6
论文研究-基于kNN-SVM的手背静脉虹膜和指纹融合识别算法 .pdf第1页
论文研究-基于kNN-SVM的手背静脉虹膜和指纹融合识别算法 .pdf第2页

试读结束, 可继续阅读

13积分/C币 立即下载 >