1.一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,包括以下步骤:步骤1,感知机结构的设计;
步骤2,建立感知机的学习规则;
步骤3,二级分类器的设计;
步骤4,识别匹配的实现。
2.根据权利要求1所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,步骤1的具体内容如下:感知机包括输入层神经元和输出层神经元,输入层神经元包括三个神经元,接收外界输入信号后传递给输出层神经元,输出层神经元是M-P神经元,M-P神经元接收来自其他3个神经元传递过来的输入信号X=(x1,x2,x3),这些输入信号通过带权重w1,w2,w3的连接进行传递,神经元接收到的总输入值将与神经元的阈值θ进行比较,然后通过“激活函数”处理以产生神经元的输出
3.根据权利要求2所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,所述步骤2的具体内容如下:对训练样例(X,y),若当前感知机的输出为 则感知机权重将这样调整:wi←wi+Δwi,
其中η∈(0,1)成为学习率。从上式可看出,若感知机对训练样例(X,y)预测正确,即则感知机不发生改变,否则将根据错误的程度进行权重调整。
4.根据权利要求3所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,所述步骤3的具体内容如下:将指纹的特征点集α1=(a1,a2,…,am)和指静脉的特征点集β1=(b1,b2,…,bn)进行特征串联γ=(α1,β1)=(a1,a2,…,am,b1,b2,…,bn),再利用最小的Hausdorff距离来计算模版点集γ和待匹配点集γ′的相似度x1,来构成二级分类器。
5.根据权利要求4所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,所述步骤4的具体内容如下:获取从硬件采集到的指纹和指静脉图像,并对两幅目标图像同时进行处理;包括以下具体步骤:步骤4.1,指纹特征提取;
步骤4.2,指静脉特征提取。
6.根据权利要求5所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,所述步骤4.1的具体内容如下:对目标图像进行预处理,利用Gabor滤波器对指纹纹路增强,再基于方向场对图像进行二值化,然后利用细化模版处理得到清晰的指纹细化图像,对其提取出细节点即分叉点和端点并采用纹路跟踪算法去除伪特征点,得到最终特征点集α1=(a1,a2,…,am)。再利用最小的Hausdorff距离来计算模版点集α1=(a1,a2,…,am)和待匹配点集α1′=(a1′,a′2,…,a′m)的相似度x2。
7.根据权利要求6所述的一种基于感知机的指纹和指静脉双模态识别决策融合算法,其特征在于,所述步骤4.2的具体内容如下:对目标图像进行预处理,裁剪并提取出感兴趣区域,将目标图像归一化成统一大小,对其采用均值滤波,达到降噪效果。对目标图像进行特征提取,运用改进的Niblack算法进行二值化处理,并对二值化图像细化处理。再对细化后的图像提取特征点即分叉点和端点β1=(b1,b2,…,bn)。再利用最小的Hausdorff距离来计算模版点集β1=(b1,b2,…,bn)和待匹配点集β′1=(b′1,b′2,…,b′n)的相似度x3,最后,将所得的匹配结果x1,x2,x3作为感知机的输入,设置学习率为0.1。