摘要：现有的基于方向模式的方法是利用预定义的滤波器来获取掌纹图像中的线响应，然而，这种方法对丰富的先验知识依赖较强，且常常忽略重要的方向信息，还会造成维度过大的问题。为了解决以上问题，本文提出了一种基于Gabor滤波器和改进线性判别分析的掌纹识别方法，首先使用二维Gabor滤波器提取掌纹图像中的鲁棒卷积差分特征，提取到的特征可以更充分地描述掌纹图像中每个像素的局部方向的变化。然后提出了一种判别特征学习模型，该模型通过最大化类间距离和最小化类内距离，从局部方向特征中学习出判别特征，在实现降低数据维度的同时，减少噪音的影响。本文在PolyU、M＿Blue、GPDS和IITD四个公共掌纹数据库上进行实验，其中在GPDS和IITD两个非接触式掌纹数据库上的识别率分别达到96.40%和99.29%。实验结果表明本文提出的算法能够更有效地提取掌纹图像的判别特征，并显著提高掌纹识别的准确度。
文章目录
0 概述
1 相关工作
1.1 基于方向表示的掌纹识别方法
1.2 线性判别分析方法
2 掌纹判别特征学习方法
2.1卷积差分特征学习
2.2 鲁棒判别方向学习
2.3 算法的优化
3 实验结果与分析
3.1 数据库
3.2 掌纹识别
3.3 掌纹验证
3.4 维度敏感性分析
3.5消融实验
4 结论
