基于多线性独立成分分析的掌纹识别

doi:10.3969/j.issn.1000-3428.2011.12.005

计算机工程 ›› 2011, Vol. 37 ›› Issue (12): 13-15. doi: 10.3969/j.issn.1000-3428.2011.12.005

基于多线性独立成分分析的掌纹识别

郭金玉，谷丽华，李元，曾静

(沈阳化工大学信息工程学院，沈阳 110142)

收稿日期:2010-11-10 出版日期:2011-06-20 发布日期:2011-06-20
作者简介:郭金玉(1975－)，女，副教授、博士，主研方向：生物特征识别，故障诊断；谷丽华，讲师、硕士；李元，教授、博士；曾静，副教授、博士
基金资助:
国家自然科学基金资助项目(60774070)；辽宁省科研基金资助项目(L2010436, 20091061)

Palmprint Recognition Based on Multilinear Independent Component Analysis

GUO Jin-yu, GU Li-hua, LI Yuan, ZENG Jing

(College of Information Engineering, Shenyang University of Chemical Technology, Shenyang 110142, China)

Received:2010-11-10 Online:2011-06-20 Published:2011-06-20

摘要/Abstract

摘要： 为快速有效地在掌纹识别中学习多种因素的高阶统计独立成分，利用多线性独立成分分析方法对掌纹张量进行降维，得到低维的模式矩阵，将掌纹图像向模式矩阵上投影以提取核心张量，通过计算核心张量间的余弦距离实现掌纹匹配。基于PolyU掌纹图像库的实验结果表明，与主成分分析(PCA)、二维PCA、独立成分分析和多线性PCA相比，该方法的识别率最高，且满足系统实时性要求。

关键词: 掌纹识别, 主成分分析, 二维主成分分析, 多线性主成分分析, 独立成分分析, 多线性独立成分分析

Abstract: In palmprint recognition, in order to learn the higher order dependencies associated with the different factors quickly and effectively, this paper uses Multilinear Independent Component Analysis(MICA) to the original tensor objects to obtain the low-dimension mode matrix. The palmprint images are projected onto the mode matrix for extracting the core tensors. Palmprint matching is implemented by calculating the cosine distance between two core tensors. Experiment based on PolyU plmprint database shows that compared with Principal Component Analysis(PCA), 2DPCA, Independent Component Analysis(ICA) and Multilinear Principal Component Analysis(MPCA), recognition rate of the new algorithm is the highest, and it meets real-time requirements of the system.

Key words: palmprint recognition, Principal Component Analysis(PCA), 2D Principal Component Analysis(2DPCA), Multilinear Principal Component Analysis(MPCA), Independent Component Analysis(ICA), Multilinear Independent Component Analysis(MICA)

中图分类号:

TP391.41

郭金玉, 谷丽华, 李元, 曾静. 基于多线性独立成分分析的掌纹识别[J]. 计算机工程, 2011, 37(12): 13-15.

GUO Jin-Yu, GU Li-Hua, LI Yuan, CENG Jing. Palmprint Recognition Based on Multilinear Independent Component Analysis[J]. Computer Engineering, 2011, 37(12): 13-15.

http://www.ecice06.com/CN/Y2011/V37/I12/13

参考文献

[1] Lu Guangming, Zhang David, Wang Kuanquan. Palmprint Recognition Using Eigenpalms Features[J]. Pattern Recognition Letters, 2003, 24(9/10): 1463-1467. [2] 李强, 裘正定. 基于改进二维主成分分析的在线掌纹识别[J]. 电子学报, 2005, 33(10): 1886-1889. [3] 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, 33(2): 283-286. [4] Conn1e T, Teoh A, Jin Beng, et al. An Automated Palmprint Recognition System[J]. Image and Vision Computing, 2005, 23(5): 501-515. [5] Shang Li, Huang Deshuang, Du Jixiang, et al. Palmprint Recognition Using Fast ICA Algorithm and Radial Basis Probabilistic Neural Network[J]. Neurocomputing, 2006, 69(13-15): 1782-1786. [6] 郭金玉, 苑玮琦. 基于独立成分分析的掌纹识别[J]. 光电工程, 2008, 35(3): 136-139. [7] Wu Xiangqian, Zhang David, Wang Kuanquan. Fisherpalms-based Palmprint Recognition[J]. Pattern Recognition Letters, 2003, 24(15): 2829-2838. [8] Lu Haiping, Plataniotis K N, Venetsanopoulos A N. MPCA: Multilinear Principal Component Analysis of Tensor Objects[J]. IEEE Transactions on Neural Networks, 2008, 19(1): 18-39. [9] Wang Jin, Chen Yu, Adjouadi M. A Comparative Study of Multilinear Principal Component Analysis for Face Recogni- tion[C]//Proc. of the 37th IEEE Applied Imagery Pattern Recognition Workshop. Washington D. C., USA: IEEE Press, 2008. [10] Alex M, Vasilescu O, Terzopoulos D. Multilinear Independent Components Analysis[C]//Proc. of IEEE Conference on Computer Vision and Pattern Recognition. San Diego, USA: IEEE Computer Society, 2005. [11] Wang Xiaoyong, Jing Xiaojun, Zhu Xifu, et al. A Novel Approach Fingerprint Recognition Based on Multilinear ICA[C]//Proc. of IEEE International Conference on Network Infrastructure and Digital Content. Beijing, China: IEEE Press, 2009. [12] 彭中亚, 程国建. 基于独立成分分析和核向量机的人脸识别[J]. 计算机工程, 2010, 36(7): 193-194. [13] Bell A, Sejnowski T. An Information Maximization Approach to Blind Separation and Blind Deconvolution[J]. Neural Computation, 1995, 7(6): 1129-1159.

[1]	阎馨, 朱永浩, 屠乃威, 吴书文, 王雨虹. 基于PCA与权重贝叶斯的工作面煤与瓦斯突出预测[J]. 计算机工程, 2021, 47(8): 315-320.
[2]	郝占军, 张岱阳, 党小超, 段渝. 基于信道状态信息的非接触式人员动作识别方法[J]. 计算机工程, 2021, 47(6): 172-181.
[3]	何必锋, 沈雷, 何晶, 蒋寒琼. 基于稀疏结构噪声检测的指静脉图像去噪算法[J]. 计算机工程, 2021, 47(5): 236-243.
[4]	杨明羽, 叶春明. 结合Bi-2DPCA与CNN的美式手语识别[J]. 计算机工程, 2021, 47(12): 278-284.
[5]	胡涛, 佃松宜, 蒋荣华. 基于长短时记忆神经网络的硬件木马检测[J]. 计算机工程, 2020, 46(7): 110-115.
[6]	张瑞, 陈红卫. 基于特征优化与SVPSO的工控入侵检测[J]. 计算机工程, 2020, 46(4): 19-25.
[7]	党小超, 邓琦研, 郝占军. 基于30°角同心圆环形取样的室内人员检测方法[J]. 计算机工程, 2020, 46(4): 198-205.
[8]	闫玉娟,李化,赵菊敏,李灯熬,刘佳. 基于CRFID和模式识别的跌倒检测系统[J]. 计算机工程, 2019, 45(6): 297-302,309.
[9]	王旭仁,马慧珍,冯安然,许祎娜. 基于信息增益与主成分分析的网络入侵检测方法[J]. 计算机工程, 2019, 45(6): 175-180.
[10]	狄瑞彤,王红,房有丽. 融合时间序列与多尺度特征的虚假评论识别方法[J]. 计算机工程, 2019, 45(3): 278-285,292.
[11]	杨晨晨,马春梅,朱金奇. 基于智能手机的跌倒行为识别算法研究[J]. 计算机工程, 2019, 45(2): 178-183.
[12]	夏胡云,叶学义,罗宵晗,王鹏. 多尺度空间金字塔池化PCANet的行人检测[J]. 计算机工程, 2019, 45(2): 270-277.
[13]	张裕平, 龚晓峰, 雒瑞森. 基于稀疏化双向二维主成分分析的人脸识别[J]. 计算机工程, 2019, 45(12): 232-236.
[14]	王琳, 赵俊莉, 段福庆, 周明全. 颅面复原方法综述[J]. 计算机工程, 2019, 45(12): 8-18.
[15]	党小超,司雄,郝占军,黄亚宁. 一种基于信道状态信息的无源室内指纹定位算法[J]. 计算机工程, 2018, 44(7): 114-120.

选择文件类型/文献管理软件名称

选择包含的内容

基于多线性独立成分分析的掌纹识别

Palmprint Recognition Based on Multilinear Independent Component Analysis

PDF

可视化

被引次数

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

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于多线性独立成分分析的掌纹识别

Palmprint Recognition Based on Multilinear Independent Component Analysis

PDF

可视化

被引次数

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

本文评价