应用二维EMD和独立成分分析的掌纹识别

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 182-185.

• 图形、图像、模式识别 • 上一篇下一篇

应用二维EMD和独立成分分析的掌纹识别

戴桂平，尚丽

苏州市职业大学电子信息工程系，江苏苏州 215104

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Approach for palm print recognition based on two-dimensional Empirical Mode Decomposition and ICA

DAI Guiping，SHANG Li

Department of Electronic Information Engineering，Suzhou Vocational University，Suzhou，Jiangsu 215104，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 提出一种基于二维经验模式分解（Two-dimensional Empirical Mode Decomposition，2-D EMD）和独立成分分析（Independent Comment Analysis，ICA）相结合的掌纹识别新方法。利用2-D EMD自适应的时频局域化多尺度和ICA II表征数据的高阶统计特性来提取掌纹特征。首先，对预处理过的掌纹图像进行2-D EMD分解得到多层本征模函数（Intrinsic Mode Function，IMF）;其次，利用基于PCA（Principal Component Analysis）降维处理的FastICA II算法提取IMF子图像集的掌纹特征基向量;最后，设计实验测试（2-D EMD+ICA II）的识别性能。实验结果表明，该方法能更有效地提取掌纹特征，与传统的ICA II相比，具有重构图像信噪比好、识别率高等优点。

关键词: 二维经验模式分解（2-D EMD）, 独立成分分析（ICA）, 主成分分析（PCA）, 掌纹识别

Abstract: A novel method based on Two-dimensional Empirical Mode Decomposition（2-D EMD） and Independent Comment Analysis（ICA） is proposed to solve palm print recognition.The adaptive time-frequency localization of 2-D EMD and higher-order statistical independency of ICA II are utilized to extract the palm print features.Firstly，the preprocessed palm print image is decomposed into some Intrinsic Mode Functions（IMFs） by 2-D EMD，and then the palm print feature subspaces of IMF subimages matrix are obtained by a fast fixed-point algorithm for ICA II（Fast ICA II），before which Principal Component Analysis（PCA） is used to decrease the dimensions of input images matrix.Finally，the recognition performance of the integrated method（2-D EMD+ICA II） is tested on the Hong Kong Polytechnic University palm print database.Experimental results show that，compared with ICA II，the proposed method not only can more effectively and accurately extract the palm print features，but also achieves superior Signal-noise-ratio（SNR） of the reconstructed image and higher recognition rate.

Key words: two-dimensional empirical mode decomposition, independent comment analysis, principal component analysis, palm print recognition

戴桂平，尚丽. 应用二维EMD和独立成分分析的掌纹识别[J]. 计算机工程与应用, 2011, 47(19): 182-185.

DAI Guiping，SHANG Li. Approach for palm print recognition based on two-dimensional Empirical Mode Decomposition and ICA[J]. Computer Engineering and Applications, 2011, 47(19): 182-185.

[1]	于多，黄永东. 基于SPCA和域变换递归滤波的高光谱图像分类[J]. 计算机工程与应用, 2021, 57(4): 199-208.
[2]	林克正，张元铭，李昊天. 信息熵加权的HOG特征提取算法研究[J]. 计算机工程与应用, 2020, 56(6): 147-152.
[3]	黄广俊，邓元龙. 融合改进LBP和SVM的偏光片外观缺陷检测与分类[J]. 计算机工程与应用, 2020, 56(22): 251-255.
[4]	徐竟泽，吴作宏，徐岩，曾建行. 融合PCA、LDA和SVM算法的人脸识别[J]. 计算机工程与应用, 2019, 55(18): 34-37.
[5]	刘鹏睿，宋礼鹏. 针对恶意JavaScript识别的降维方法[J]. 计算机工程与应用, 2018, 54(21): 20-24.
[6]	刘月丽1，覃锡忠1，贺三刚2，李文蓉2，王悦1，贾振红1，刘明军2. PCA与随机森林相结合筛选高信息量SNP位点——应用于羊的品种鉴别[J]. 计算机工程与应用, 2018, 54(16): 235-240.
[7]	江燕1，帅仁俊1，张姝2，查代奉3. 基于KPCA-LSSVM的健康档案空腹血糖水平预测研究[J]. 计算机工程与应用, 2018, 54(13): 241-245.
[8]	赵鹏飞，周绍光，裔阳，胡屹群. 基于SLIC和主动学习的高光谱遥感图像分类方法[J]. 计算机工程与应用, 2017, 53(3): 183-187.
[9]	陈熙1，2，张戈1. 基于非高斯二维Gabor滤波器的生物特征提取算法[J]. 计算机工程与应用, 2017, 53(18): 170-175.
[10]	郑英，符冉迪，金炜，周颖. 改进Contourlet变换的3D掌纹图像识别[J]. 计算机工程与应用, 2016, 52(8): 169-173.
[11]	徐仙1，2，卢先领1，2，王洪斌1，2. 行为识别中基于GA优化的加速度特征选择方法[J]. 计算机工程与应用, 2016, 52(6): 139-143.
[12]	彭晏飞，周南，林森. 改进的SLTP方法在掌纹识别中的应用[J]. 计算机工程与应用, 2016, 52(5): 179-184.
[13]	陶筱娇，王晅. 基于SURF特征与模糊推理的掌纹识别[J]. 计算机工程与应用, 2016, 52(1): 185-189.
[14]	赵鑫，汪维家，曾雅云，熊才伟，任彦嘉. 改进的模块PCA人脸识别新算法[J]. 计算机工程与应用, 2015, 51(2): 161-164.
[15]	吴婕1，任江涛2. 基于子空间特征融合的两级掌纹识别算法[J]. 计算机工程与应用, 2015, 51(11): 175-178.

应用二维EMD和独立成分分析的掌纹识别

Approach for palm print recognition based on two-dimensional Empirical Mode Decomposition and ICA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics