[发明专利]基于在线极限学习机的腕部静脉认证系统

权利要求书

1.一种基于在线极限学习机的腕部静脉认证系统，包括识别部分和注册部分；所述的识别部分包括读图模块、图像预处理模块、特征提取模块、手腕静脉特征数据库和识别对比模块，注册部分包括图像采集模块、图像预处理模块和特征提取模块；

图像采集模块，通过手腕静脉采集装置采集手腕静脉红外图像；

图像预处理模块，对采集的手腕静脉红外图像截取感兴趣区域后，对该区域采用均值滤波方法进行滤波处理，进行灰度化、归一化，并采用直方图拉伸的方法进行对比度增强处理；

特征提取模块，对预处理后的图像进行主成分特征提取、小波特征提取；

识别对比模块，利用在线极限学习机对手腕静脉红外图像进行分类识别，用图像信息的主成分与高频低频特征，与手腕静脉特征数据库进行识别对比；

其特征在于：在线极限学习机模型为：

给定ELM隐含节点数L及对应的参数初始批次的训练数据

H0=g(a1,b1,x1)...g(aL,bL,xL).........g(a1,b1,xN0)...g(aL,bL,xN0)]]>

T0=t1T...tN0T]]>

隐含节点权值参数矩阵β₀可以通过以下公式求解：

H₀β₀＝T₀

假定则公式H₀β₀＝T₀等价于P₀β₀＝Q₀

给定一批新的训练数据隐含节点权值参数矩阵β₁可以根据以下公式计算：

H0H1β1=T0T1]]>

假定则公式等价于P₁β₁＝Q₁；

将上述过程推广到第k+1批训练数据可以得到隐含节点权值参数矩阵β_k+1可以通过以下公式求解：

P_k+1β_k+1＝Q_k+1

其中