[发明专利]GA优化SVM和归一化相结合的掌纹与掌静脉融合识别方法

摘要

GA优化SVM和归一化相结合的掌纹与掌静脉融合识别方法，涉及一种生物特征识别算法，首先，用多线性核主成分分析(MKPCA)对掌纹图像张量降维，向张量子空间上投影并提取特征向量，计算特征向量间的余弦距离得到掌纹匹配分数；然后掌静脉利用尺度不变特征变换(SIFT)算法提取掌静脉的局部SIFT特征,计算特征点的欧式距离作为两幅图像中特征点的相似性判据，通过对两个模态的匹配相似度分数的归一化处理，融合得到新的特征向量；最后用SVM通过GA模型参数优化后进行分类识别。该方法弥补了单一模态特征信息的有限性，既利用了归一化后的匹配打分信息容易分类的特点，又发挥了GA优化后SVM分类能力比较强的优势，有效提高了系统的识别率。

主权项

GA优化SVM和归一化相结合的掌纹与掌静脉融合识别方法，其特征在于，该方法先分别对掌纹和掌静脉进行特征匹配，将各个分类器给出的匹配分数归一化到相同数值区间,转化为新的特征向量；然后用GA对SVM分类模型的参数优化后进行分类识别，该方法的实现包括以下几个步骤：步骤一：首先分别对掌纹和掌静脉图像进行特征提取；步骤二：对掌纹和掌静脉图像特征分别利用各自适合的相似性判据进行特征匹配，得到各自的匹配分数，用特定的归一化函数对匹配分数进行归一化处理，转化成为新的特征向量；步骤三：通过GA对SVM分类模型参数进行优化，获取最优的惩罚因子C及高斯核函数的σ值；步骤四：用优化的分类参数模型对归一化处理后的新特征向量在分数级进行融合。