二维Fisher线性判别在手掌静脉识别中的应用研究

"这篇论文‘基于二维Fisher线性判别的手掌静脉识别研究’由吴微和苑玮琦共同撰写，探讨了如何通过二维Fisher线性判别算法提高手掌静脉识别的性能。研究中提到，由于手掌皮肤对近红外光的散射，部分人的手掌静脉成像效果不理想，直接影响到基于掌脉信息的身份识别效果。为解决这一问题，论文提出了一种新的方法，即使用二维Fisher线性判别对掌脉图像进行矩阵投影，并通过计算欧式距离来进行样本分类识别，从而降低对图像质量的依赖。" 该论文进行了详尽的实验分析，在一个自建的掌脉图库上，以不同数量的主元对二维Fisher线性判别方法进行了性能评估，并将其与传统的方法如Gabor滤波器、SIFT特征以及PCA+LPP进行了对比。实验结果显示，本文提出的方法相比Gabor的识别率提升了6.77%，比SIFT提升了10.16%，并且比PCA+LPP的识别率提高了3.36%，证实了新方法在提高识别性能方面的显著优势。 关键词涉及的领域包括图像处理、手掌静脉识别、二维Fisher线性判别以及识别性能。这表明该研究不仅关注于生物特征识别技术，而且专注于优化图像处理算法，以适应手掌静脉这种特殊的生物特征识别场景。二维Fisher线性判别算法在降低对图像质量要求的同时，增强了识别的准确性，对于生物特征识别，尤其是手掌静脉识别，具有重要的理论与应用价值。这项研究对于未来生物特征识别技术的发展，尤其是在近红外成像和图像处理方面，提供了新的研究思路和方法。