文件名称：联合深度卷积特征表示用于高光谱掌纹识别
文件大小：2.74MB
文件格式：PDF
更新时间：2024-05-20 09:13:38
Hyperspectral palmprint recognition；Joint convolutional feature；CNN
利用来自各种光谱的判别信息，近来高光谱成像分析吸引了越来越多的研究关注。 这种增加还可以归因于计算机硬件的改进，这导致卷积神经网络（CNN）的发展在众多应用中实现了非常高的性能。 受这些技术的启发，提出了联合深度卷积特征表示（JDCFR）方法用于高光谱掌纹识别。 对于高光谱掌纹图像立方体，构造CNN堆栈以从整个光谱带中提取其特征并生成联合卷积特征。 CNN堆栈包含数十个具有不同参数设置的CNN，可以使用不同频谱的掌纹图像在本地进行训练。 为了获得完整且非冗余的特征集并避免丢失隐藏在不同波段中的分层特征，联合深度卷积特征同时由基于协作表示的分类器（CRC）表示，以执行分类。 在由53个光谱带组成的高光谱掌纹数据集上进行了实验，包含110,770张图像。 与其他分类器，CNN，传统掌纹识别方法以及将PCA应用于特征矩阵相比，该方法以0.01％的EER和99.62％的ARR实现了最高的性能。