基于KPCA和SVM的虹膜特征提取与识别  

Extraction and Recognition of Iris Features Based on KPCA and SVM

作　　者：伍尤富[1] 刘爱林[2] 

机构地区：[1]韶关学院物理与机电工程学院,广东韶关512005 [2]湖南科技学院电子工程与物理系,湖南永州425100

出　　处：《重庆工学院学报（自然科学版）》2009年第11期99-103,共5页Journal of Chongqing Institute of Technology

基　　金：广东省自然科学基金资助项目(33131);韶关学院科研重点资助项目

摘　　要：提出了一种新的虹膜特征提取与识别方法,该方法利用核主成分分析(KPCA)在高维空间具有较强的特征选择能力的特点来提取虹膜图像的纹理特征,采用了一种距离度量和支持向量机相结合的2级分类方法,前级采用欧式距离来度量图像间的相似性,若符合条件,给出分类结果,否则拒绝,并转入后级分类器——支持向量机分类,以减少进入支持向量机的样本数目,该组合分类方法充分利用了支持向量机识别率高和距离度量速度快的优点.实验结果表明,该方法具有较高的效率和识别精度.A new method for iris feature extraction and recognition is proposed in this paper.Firstly,the kernel principal component analysis（KPCA） is used to extract iris texture feature of a strong ability to extract features.In order to reduce the samples of the SVM,two-layer serial classifier is designed,which combines SVM and distance classification,and a rejecting coefficient and rejecting rule are defined.According the rejecting rule,the classifier can classify the irises and give the final results,or reject to classify.The rejected iris images are fed into SVM for further classification.The classification algorithms can take advantage of SVM and distance classification.Experimental results show that the method has high speed and high iris recognition rate.

关 键 词：虹膜识别 特征提取 核主成分分析 支持向量机 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]