基于随机非负独立元分析的掌纹识别

提出运用随机非负独立元分析(SN-ICA)的新方法进行掌纹识别。为了减少计算量,运用SN-ICA算法前,先采用主元分析(PCA)算法去除掌纹图像的二阶统计特征相关性,其余的高阶非负统计特征由SN-ICA分离。首先用PCA和SN-ICA提取投影向量,然后将训练图像和待识别图像向投影向量上投影得到低维特征向量,最后计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与PCA、二维PCA(2D-PCA)、独立元分析(ICA)和二维ICA(2D-ICA)相比,本文算法的识别率最高为98.95%,特征提取和匹配总时间为0.564s,满足实时系统的要求。

基于约束独立成分分析的高光谱图像指纹提取

提出了一种约束独立成分分析的指纹提取方法,对传统独立成分分析模型加入组分"和为1"约束,同时基于提出的模型发展了新的优化规则.利用高光谱图像丰富的波段信息,对指纹与背景的混合像素进行光谱分解,提取出指纹的信息.真实实验和模拟实验证明:所提方法可以有效地提取不同背景分布特点的指纹信息,指纹形状十分完整,提取精度优于最小体积约束的非负矩阵分解(MVCNMF)、和为1约束的非负矩阵分解(NMF+ASC)、基于增广拉格朗日的单形体提取(SISAL)等传统方法.