2-D EMD与ICA结合的掌纹识别新方法：提高特征提取效率

本文主要探讨了一种创新的计算机工程与应用领域的研究成果，聚焦于掌纹识别技术。论文提出了一种结合二维经验模式分解（2-D EMD）和独立成分分析（ICA）的特征选择算法，用于提高掌纹识别的性能。2-D EMD作为一种自适应时频局域化多尺度分析方法，通过分解预处理的掌纹图像，将其转换为一系列多尺度的本征模函数（IMF），这些IMF捕捉了图像中的高频和低频信息，以及复杂的局部结构。 在特征提取阶段，作者采用主成分分析（PCA）降维后，进一步利用FastICA II算法处理IMF子图像集，提取出更为有效的掌纹特征基向量。这种融合了PCA和ICA的方法不仅关注图像的二阶统计特性，还利用ICA的高阶统计特性分析，增强了对图像边缘、细节等重要特征的提取能力，从而提高了图像的重构质量和识别准确率。 相比于传统ICA II方法，新提出的2-D EMD ICA II方法的优势在于能够更好地保留图像的结构和相位信息，同时减少噪声干扰。实验结果显示，这种方法在识别性能上表现出色，具有较高的识别率和良好的信噪比，这使得它在生物认证领域，特别是掌纹识别技术中具有较大的应用潜力。 论文的研究对象——掌纹识别，作为一种非侵入式的生物识别技术，因其独特的优势，如图像分辨率低、冒犯性低、稳定性好和易于接受，吸引了众多研究者的关注。通过结合先进的信号处理方法，如2-D EMD和ICA，可以进一步提升掌纹识别系统的实用性和准确性，对于提高生物认证的安全性和效率具有重要意义。 这篇论文的贡献在于提供了一种新颖且高效的掌纹识别算法，展示了在实际应用中如何通过深度特征提取和高级信号处理技术，改进现有的生物识别技术，特别是在掌纹这一生物特征上的应用。这不仅推动了计算机工程与应用领域的发展，也为生物识别技术的未来发展提供了新的研究方向。