基于小波变换和奇异值分解的指纹性别分类
计算机视觉与模式识别
2012-05-31 v1
摘要
提出了一种基于离散小波变换（DWT）和奇异值分解（SVD）的指纹性别分类新方法。通过提取DWT所有子带计算得到的能量，结合指纹图像SVD得到的非零奇异值的空间特征，实现分类。使用K近邻（KNN）作为分类器。该方法在包含3570枚指纹的内部数据库上进行了实验，其中1980枚为男性指纹，1590枚为女性指纹。实现了按手指的性别分类，女性左手小指分类准确率为94.32%，男性左手食指分类准确率为95.46%。男性任意手指的性别分类准确率达到91.67%，女性为84.69%。总体分类准确率达到88.28%。
引用
@article{arxiv.1205.6745,
title = {Fingerprint Gender Classification using Wavelet Transform and Singular Value Decomposition},
author = {P Gnanasivam and Dr. S Muttan},
journal= {arXiv preprint arXiv:1205.6745},
year = {2012}
}
备注
12 figures and 6 tables