聚類優(yōu)化貝葉斯算法在手背靜脈識別中的應用研究.pdf

1、手背靜脈識別近幾年來發(fā)展愈發(fā)迅猛，成為一種新興的生物領域的圖像識別技術(shù),在現(xiàn)在有的各種識別技術(shù)中備受大家關注。較好的獨特性和適應性是手背靜脈識別中的重要優(yōu)勢，但是也存在相應的弊端，如采樣和識別步驟時，仍存在識別率不高和效率較低等問題，因此解決準確性與效率等問題將成為將此技術(shù)投入應用的關鍵。貝葉斯算法雖在識別領域有著廣泛應用，但是若逐個識別效率低下，文章將針對常用的幾種不同圖像分割算法進行討論，并結(jié)合聚類優(yōu)化后的貝葉斯算法，在保證一定準確

2、性的前提下，來提高大數(shù)據(jù)量情況下手背靜脈識別的效率。
　　在充分對比討論后，最終選用了 niblack算法作為邊緣檢測使用的算法，再經(jīng)小波變換提取紋理特征后，進行均勻分布降維。然后得到圖片紋理特征矩陣，并通過k中心點算法實現(xiàn)了聚類，最終在聚類的結(jié)果上進行貝葉斯識別。最終成功實現(xiàn)一種在大數(shù)據(jù)量背景下，識別效率較高，準確度好的識別算法。
　　本文的主要工作包括：
　?。?）為突出圖像的紋理信息，對多種圖像分割及邊緣檢測算法

3、進行實現(xiàn)并討論，分析各種算法的優(yōu)勢劣勢，其中包括sobel、roberts、prewitt、log等算子，以及區(qū)域生長、Hough變換、閾值分割等算法和 niblack算法。并從視覺效果進行考量，篩選出一個效果好效率高的算法。
　　（2）由于在大數(shù)據(jù)量的背景下，單個手背靜脈識別效率低下，所以先對處理后的圖像集通過小波變換對紋理特征提取，求取均勻分布等方式，進行數(shù)據(jù)降維，得到結(jié)果集矩陣。通過反復試驗的方式得到一個合適的聚類數(shù)經(jīng)驗值，