论文部分内容阅读
原始的主元分析(PCA)需要把二维掌纹图像展开形成高维向量，导致计算量和存储空间大，破坏了原始图像的结构和相关性。
如果图像成像固有的多种因索如光照，姿态等变化时，PCA和二维主元分析(2DPCA)方法的识别率下降。为了解决这两个问题，本文提出运用多线性主元分析(MPCA)方法进行掌纹识别。首先运用MPCA直接对掌纹张量进行降维，得到低维的投影张量，然后掌纹图像向张量子空间上投影提取特征向量，最后计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库，对本文算法进行测试。实验结果表明，与PCA和2DPCA相比，本文算法的识别率(RR)最高为94.95％，特征提取和匹配总时间为0.585s，满足实时系统的要求。