基于支持向量机的指纹图像质量分类方法

• 作者: 尹义龙 张宇 骆功庆
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 指纹 图像质量 质量分类 支持向量机 少类样本合成过采样技术(SMOTE)
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 研究与应用
• 页码范围: 129-135
• 页数: 7页
• 分类号: TP391.4
• 字数: 4930字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.01.020

摘要

指纹图像的质量测量与评价,在指纹图像分割、增强及指纹匹配等环节都有重要应用.同时,指纹图像的质量分类,对指纹识别算法的适用性研究也有重要意义.本文提出一种基于支持向量机的指纹图像质量分类方法.该方法选择梯度、Gabor特征、方向对比度等指标,利用支持向量机有效实现指纹图像质量分类.并采用少类样本合成过采样技术(SMOTE)降低指纹图像质量好坏的类别不平衡问题对分类的影响.理论分析和实验结果都表明该方法能够较为有效地提高指纹图像质量分类的正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹义龙	山东大学计算机科学与技术学院	82	1018	16.0	29.0
2	张宇	山东大学计算机科学与技术学院	16	131	6.0	11.0
3	骆功庆	山东大学计算机科学与技术学院	2	20	2.0	2.0