matlab统计二值化图像亮特征提取,基于Matlab的手背静脉图像特征提取

表3.4实验四的结果

N取值待测样本数模式类别正确识别数识别率错误率

162505016666.40%33.60%

322505021385.20%14.80%

642505020682.40%17.60%

实验结果分析：

从实验一的结果我们可以看出，图像预处理的过程不相同的情况下，提取的原点静距向量会有很大的不同，得到的真匹配率也会有很大差别。由表3.1可看出，方案二得到的匹配率最大，由此可看出，这种方案最适合我们的基于原点静距的特征提取与匹配的方法，所以我们在以后的试验中就采用这种方案。

从实验二和实验三的实验结果表3.2和表3.3可以看出，在两次规模大小不同的数据库中，实验二在模式类别10，测试样本数50的情况下，匹配的准确率为86%，实验三在模式类别50，测试样本数250的情况下，匹配的准确率为85.2%。由此可看出这两个结果是比较相似的，这也表明了此种方法在不同规模的数据库中性能比较稳定。

实验四的结果说明N的取值是对匹配率是有一定的影响的，正确匹配率的大小并不是随着N取值的增大而增加的，匹配率和N的关系曲线大约成抛物线形状，这和我们的经验分析是相吻合的。通过实验四我们知道，当N取为32，即把图像分割为4×4个大小相等的子图像，得到的正确匹配率较高，所以在最终的识别过程中我们选取N等于32来进行识别。

3.5本章小结

本章基于前面介绍的国内外的特征提取和匹配算法，在此基础上对比较流行的特征点的匹配方法进行了优化，而后从静脉纹络的全局出发，提出了提取原点静矩来组成特征向量的算法来进行匹配。本章首先介绍了基于原点静距方法的来源和计算步骤，然后进一步介绍了匹配算法的识别分类，我们采用最简单的识别方法——最近距离法，即比较欧式距离法，并且分析了匹配的算法。最后通过实验证明了这种特征提取方法的有效