改进的基于二维主分量分析的掌纹识别

您当前的位置：

首页 >

文章列表页 >

改进的基于二维主分量分析的掌纹识别

医用与生物光学 | 更新时间：2025-09-01

- 改进的基于二维主分量分析的掌纹识别
- Palm-print recognition based on improved two dimensions principal component analysis
- 光学技术 2007年第2期页码：283-286
- 作者机构：
  
  1. 1:山东大学信息科学与工程学院
  2. 2:山东大学信息科学与工程学院,济南,250100
  3. 3,济南,250100
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2007
- 稿件说明：
移动端阅览
陶俊伟, 姜威. 改进的基于二维主分量分析的掌纹识别[J]. 光学技术, 2007,(2):283-286.

Palm-print recognition based on improved two dimensions principal component analysis[J]. 2007, (2): 283-286.
陶俊伟, 姜威. 改进的基于二维主分量分析的掌纹识别[J]. 光学技术, 2007,(2):283-286. DOI：

Palm-print recognition based on improved two dimensions principal component analysis[J]. 2007, (2): 283-286. DOI：

主分量分析(PCA)是一种在众多生物特征识别中获得成功应用的特征提取技术

是一种基于二阶统计的在最小均方误差意义上的最优维数据压缩技术

它所提取的各特征分量之间是互不相关的。传统的PCA变换是对图像向量的分析

但向量维数一般都很高。二维主分量分析方法是最近兴起的针对图像矩阵的主分量分析方法

与一维主分量分析相比能更精确的计算原始数据的协方差矩阵。将其应用于掌纹识别

并在主分量的选取上加以改进

选取了更适合于分类的主分量。实验结果表明

该方法不仅有更高的识别率

而且维数更低。

浏览量

216

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于扩展三通道响应项的光谱反射率重构算法

基于保局PCA的三维点云配准算法

基于PCA/ICA和误差补偿算法的眼镜摘除研究

基于PCA和ICA的多光谱数据降维方法

基于识别能力的人脸特征向量均衡