虹膜识别与模式提取研究进展.ppt
《虹膜识别与模式提取研究进展.ppt》由会员分享,可在线阅读,更多相关《虹膜识别与模式提取研究进展.ppt(20页珍藏版)》请在三一文库上搜索。
1、虹膜识别与模式提取研究进展,东南大学系统工程研究所 2009年11月14日,主要内容,虹膜识别 模式提取, 虹膜识别 ,虹膜识别的流程 虹膜识别的研究方向,1.1 虹膜识别的流程,虹膜,1.1 虹膜识别的流程,虹膜识别的研究进展 人眼虹膜识别 John Daugman (Cambridge) R.P.Wildes (Australia) 谭铁牛(中科院自动化所) 施鹏飞 (上海交通大学图像处理与模式识别研究所) 动物虹膜识别 Masahiko Suzaki (Japan): Horse 东南大学系统工程研究所:牛、羊、猪等,1.1 虹膜识别的流程,虹膜识别的流程,1.1 虹膜识别的流程,虹膜识
2、别中模式提取方法 基于相位信息的方法 (Gaugman,IEEE T-PAMI93) 基于过零点检测的方法 (Boles, IEEE T-SP98; Noh,AVBPA03) 基于纹理分析的方法 (Tan, IEEE T-PAMI03) 基于局部变化分析的方法 (Tan, IEEE T-IP04, PR04, ICBA04) ,1.2 虹膜识别的研究方向,Credible,Active,Move,1,2,3,5,4,识别准确率、防伪性能 自适应算法 活动对象的虹膜采集与识别, 模式提取 ,主分量分析 鉴别分析 流形学习 基于稀疏表示的图像特征提取,模式提取,模式特征抽取问题可以定义为:在高维的
3、观察样本空间中寻找其隐藏的有意义的低维数据结构,并藉此分析和探索事物的内在规律。 特征抽取技术可分为两大类:线性特征抽取和非线性特征抽取。线性特征抽取算法研究的侧重点在于小样本问题。对于非线性特征抽取,有两个较大的分支值得注意。一是基于kernel的特征抽取技术,以支持向量机、kernel主分量分析和kernel鉴别分析为代表;二是以流形学习(manifold learning)为主导的维数约减理论和技术,2000年SCIENCE(科学)上的两篇文章开创了流形学习的先河。有证据表明,基于流形学习的维数约减方法与人本身的认知机理具有某种内在的关联性,,2.1 主分量分析,K-L变换(PCA) P
4、CA能够最大保持模式的内在分布规律,消除模式分量之间的相关性,实现模式样本的维数的削减。,2.1 主分量分析,非线性主分量分析 核主分量分析(KPCA)将输入空间通过非线性函数映射到更高维特征空间,并在高维特征空间中应用PCA方法。KPCA在由非线性映射而得到的高维空间中应用PCA的手段。它仍然能捕获对特征空间中样本数据描述能力强的特征。其本质是通过核技巧将非线性的数据结构尽可能地线性化。如依赖于类的主分量分析。,2.2 鉴别分析,线性鉴别分析(LDA) 其目的是选择使得Fisher准则函数达到极值的向量最为最佳投影方向,从而使得样本在该方向上投影后,达到最大的类间离散度和最小的类内离散度。W
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 虹膜 识别 模式 提取 研究进展
链接地址:https://www.31doc.com/p-2260487.html