摘要本文主要介绍了鉴别局部主方向直方图的特征提取方法，该方法简单且有较好的鲁 棒性。在鉴别局部直方图方法中，先应用奇异值分解去获得局部梯度方向上主方向图和 与之对应的能量关系图，然后将主方向图和相关能量图结合后构建一个多维的局部直方 图特征向量，最后用线性数据降维方法来减少局部直方图特征向量的冗余信息，并获得 低维鉴别特征。将这个方法用在 FKP 指关节纹数据库来进行测试。实验结果验证了鉴别 局部主方向直方图特征提取方法的有效性。78942

毕业论文关键词 生物特征 特征提取 主成分分析 线性判别分析

毕业设计说明书外文摘要

Title Discriminative Histograms of Local Dominant Orientation for Finger—knuckle—print Feature Extraction

Abstract This paper mainly introduce a simple and robust method，namely discriminative histograms of local dominant orientation (D-HLDO), for biometric image feature extraction。 In D-HLDO, the local dominant orientation map and the corresponding relative energy map are obtained by applying the singular value decomposition (SVD) to the collected gradient vectors over a local patch。 The dominant orientation map and the relative energy map are then used to construct the concatenated histogram features。Principal component analysis and linear discriminant anylysis are is finally employed to reduce the redundancy information and get the low-dimensional and discriminative features。 The proposed method is applied to finger-knuckle-print using the PolyU Finger-Knuckle-Print database。 Experimental results demonstrate the effectiveness of the proposed D-HLDO method。

Keywords Biometrics Feature extraction Principal component analysis（PCA） Linear discriminant analysis (LDA)

本科毕业设计说明书 第 I 页

目 次

1 绪论 1

1。1 课题研究的背景 1

1。2 指关节纹特征识别简介 1

1。2。1 生物特征的特点 1

1。2。2 指关节纹特征的发展 2

1。2。3 生物特征识别系统模式 3

1。3 本文主要研究的内容 4

2 鉴别的局部主方向直方图（D-HLDO） 5

2。1  介绍 5

2。2 主成分分析（PCA）在局部主方向评估的应用 5

2。2。1 奇异值分解 6

2。2。2 主成分分析（PCA） 6

2。2。3 主成分分析与奇异值分解 7

2。2。4 主成分分析在局部主方向评估的应用 8