基于GA-SVM模型的虹膜质量评估方法

TP391.41; 针对虹膜图像质量评价过程中存在的如何选取适量的评价因子、如何降低评价因子的计算量、如何对评价因子进行有效融合等问题,提出一种基于遗传算法-支持向量机(GA-SVM)模型和多测度评价指标的虹膜图像质量评估方法.首先对虹膜图像进行清晰度质量评价,粗略筛除模糊图像;然后选用4个评价指标,利用GA-SVM模型对评价指标值进行有效融合,以综合评价虹膜图像质量;最后将该方法在吉林大学第六代虹膜库中进行验证,并与其他经典评价方法进行对比.实验结果表明,该方法能提高可用虹膜存活率,并达到较好的识别精度,同时提升系统运行速度....

Full description

Saved in:
Bibliographic Details
Published in吉林大学学报（理学版） Vol. 60; no. 1; pp. 89 - 98
Main Authors 吴祖慷, 朱晓冬, 刘元宁, 王超群, 周智勇
Format Journal Article
LanguageChinese
Published 吉林大学 计算机科学与技术学院,长春 130012 2022
吉林大学 符号计算与知识工程教育部重点实验室,长春 130012%吉林大学 符号计算与知识工程教育部重点实验室,长春 130012
吉林大学 软件学院,长春 130012
Subjects
虹膜图像质量评价;支持向量机;遗传算法;多指标融合;二分类
Online AccessGet full text
ISSN1671-5489
DOI10.13413/j.cnki.jdxblxb.2020360

Cover

More Information
Summary:TP391.41; 针对虹膜图像质量评价过程中存在的如何选取适量的评价因子、如何降低评价因子的计算量、如何对评价因子进行有效融合等问题,提出一种基于遗传算法-支持向量机(GA-SVM)模型和多测度评价指标的虹膜图像质量评估方法.首先对虹膜图像进行清晰度质量评价,粗略筛除模糊图像;然后选用4个评价指标,利用GA-SVM模型对评价指标值进行有效融合,以综合评价虹膜图像质量;最后将该方法在吉林大学第六代虹膜库中进行验证,并与其他经典评价方法进行对比.实验结果表明,该方法能提高可用虹膜存活率,并达到较好的识别精度,同时提升系统运行速度.
ISSN:1671-5489
DOI:10.13413/j.cnki.jdxblxb.2020360