基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法

【文件属性】：
文件名称：基于BP-AdaBoost神经网络的多参数掌静脉图像质量评价法
文件大小：2.02MB
文件格式：PDF
更新时间：2021-05-06 12:17:51
掌静脉 图像质量评价 多参数 BP神经网络 AdaBoost算法 手掌静脉纹识别技术作为新一代高精度的生物特征识别技术，被广泛用于个人身份鉴定领域.然而，其识别效果受限于图像的质量，低质量的图像往往造成识别准确度偏低，如何有效的对图像质量进行评价从而筛选出高质量的图像成为掌静脉识别技术中的一项重要研究内容.本文旨在解决这一问题，提出了一种基于BP-AdaBoost神经网络的多参数的掌静脉图像质量评价法.根据掌静脉图像质量特点，提出多个参数的评价指标（对比度（contrast）、信息熵（entropy）、清晰度（sharpness）和等效视数（enl））.利用BP网络优良的非线性拟合特点，以多个评价参数为网络输入，分类结果为网络输出，训练10个BP弱分类器；在此基础上利用AdaBoost算法得到最终的强分类器.实验结果显示，对比传统加权融合的评价分类方法，分类的结果准确度较高，系统具有具有良好的应用价值.