基于半監(jiān)督學習的指紋識別方法研究.pdf

1、指紋識別技術，作為一種通過計算機實現(xiàn)的身份識別手段，是當今社會應用最為廣泛的生物特征識別技術之一。在指紋樣本的采集過程中，由于指紋可能存在干燥、劃痕等因素影響，獲取的指紋圖像會發(fā)生一些類內變化，從而影響指紋識別系統(tǒng)的性能。為了適應指紋的這些變化，本文進行了一些相關研究。
　　 首先，本文闡述了應用于指紋識別領域中的指紋模板更新方法和模板替換方法。其中，模板更新方法主要是選擇出具有代表性的指紋模板，能夠更好地適應指紋發(fā)生的類內變化

2、。而指紋模板替換方法是在指紋模板庫存儲量有限的環(huán)境下提出的，在模板不斷更新的過程中，當模板數(shù)量達到了最大存儲量，就需要采用相應的模板替換方法，用新的模板替換掉不具有代表性的模板，也是為了使指紋模板庫更具有代表性。然而，當一個待識別樣本與指紋庫中的所有模板進行匹配，可以得到一組匹配分數(shù)集合，采用上述方法進行指紋識別時，只利用了最大匹配分數(shù)來確定用戶的身份，并沒有用到剩余的匹配分數(shù)，這樣做并沒有充分利用整個匹配分數(shù)集合的信息，可能會影響指紋

3、識別系統(tǒng)的識別率。
　　 接著，本文對基于FSS的指紋識別方法進行改進，引入了半監(jiān)督學習范式，利用大量未標記樣本來改善指紋識別系統(tǒng)的性能。在模式應用中，需要大量標記樣本來設計高精確度的分類器，而收集這些樣本十分困難;但是收集未標記樣本十分容易，并且代價較低。因此，同時使用少量的標記樣本和大量的未標記樣本進行學習的方法是值得嘗試的。利用大量未標記樣本，很好地適應了指紋圖像發(fā)生的變化，從而提高了指紋識別系統(tǒng)的性能。
　　 最