论文研究鲁棒主元分析在掌纹识别中的应用.pdf

为了对存在异常值的图像构建低维线性子空间的描述，提出用鲁棒主元分析（RPCA）的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数，在低维图像上应用RPCA提取低维的投影向量，然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征，计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试，结果表明，与主元分析（PCA）、独立元分析（ICA）和核主元分析（KPCA）相比，RPCA算法的识别率最高为99%，特征提取和匹配总时间0.032s，满足了实时系统的要求。