基于多分类SVM在指纹识别方向的研究

论文摘要

指纹唯一性和终生不变性的特征使其成为理想的身份确认工具。随着计算机与信息、处理技术的飞速发展,指纹识别作为是生物特征识别领域中应用最广泛的技术之一,目前普遍应用于身份验证和识别领域,特别是在电子商务、犯罪识别、信息安全等领域广泛的应用。因此,对自动指纹识别的研究具有重要的学术价值和实用价值。在指纹识别的研究中,虽然已有许多算法,但是仍存在值得研究的问题。本文对指纹图像的预处理、特征提取和分类等问题进行了研究,其中重点讨论了指纹分类,将一种快速学习方法引入到分类算法中。主要研究工作概括如下:（1）在指纹的预处理阶段,归纳和吸取了国内外学者在指纹识别算法上的研究成果,实现了指纹识别中关键的处理步骤,包括二值化、细化、特征提取等,得到比较精确的图像数据,为后面利用SVM（Support Vector Machine）进行快速识别打下基础。（2）利用FVC2004指纹图像库中32个人的200张指纹图像对SVM算法进行了实验测试,揭示了在不同支持向量机参数及类型下系统算法的性能;在算法中分别使用多种支持向量机与传统径向基函数神经网络作为分类器时的实验结果比较,揭示了支持向量机作为分类器时在所提出的系统算法中表现出的优良的泛化（generalization）性能,尤其是C3-SVM还具有很快的学习速度;实验测试结果表明所提出的指纹认证算法及系统在学习速度、识别速度与识别率方面均具有良好的性能。（3）我们使用微软公司开发的Visual C++6.0作为软件实现开发工具,还选用了英特尔公司开发的OPENCV（Open Source Computation Vision Library）计算机视觉类库。经过一系列测试,最后成功的做出基于C3-SVM的指纹识别系统,收到良好效果。由于采用了面向对象的程序设计方法,使开发出来的指纹识别系统有很好的扩展性。指纹分类环节是本文重点研究的工作。在支持向量机的理论基础之上,对指纹多类分类领域进行探索研究。使用C3-SVM多类分类理论构建多类分类体系,具有一定实用价值。

论文目录

• 摘要
• Abstract
• 引言
• 1 绪论
• 1.1 生物识别技术
• 1.2 指纹识别技术发展概况
• 1.3 机器学习的研究背景
• 1.4 国内外研究现状
• 1.5 研究内容与意义
• 1.6 论文的组织结构
• 2 指纹图像的预处理及特征提取
• 2.1 引言
• 2.2 指纹图像的基本特征
• 2.3 指纹图像的预处理
• 2.3.1 归一化处理
• 2.3.2 点方向图的计算
• 2.3.3 图像分割
• 2.3.4 块方向图
• 2.3.5 方向图滤波
• 2.3.6 指纹图像二值化
• 2.4 指纹细节特征选定和提取
• 2.4.1 指纹细节特征选定
• 2.4.2 细节指纹特征的提取
• 2.5 实验结果和结论
• 2.6 本章小结
• 3 支持向量机学习算法概述
• 3.1 支持向量机的概述
• 3.1.1 支持向量机方法的优点
• 3.1.2 SVM和神经网络方法简单比较
• 3.2 统计学习理论
• 3.2.1 经验风险
• 3.2.2 VC维
• 3.2.3 学习过程的一致性
• 3.2.4 构风险最小归纳原理
• 3.3 支持向量机
• 3.3.1 最优超平面
• 3.3.2 核函数
• 3.3.3 支持向量机的数学模型
• 3.4 SVM的训练算法
• 3.5 多类问题中的SVM
• 3.6 本章小结
• 4 基于SVM的指纹多分类认证方法与系统研究
• 4.1 研究背景
• 4.2 多分类支持向量机模型
• 4.3 指纹鉴别方法及步骤
• 4.4 指纹认证方法与模型系统
• 4.4.1 指纹认证方法步骤
• 4.4.2 利用FVC2004指纹图像库进行的指纹认证方法实验
• 4.4.3 指纹认证模型系统的设计与实现
• 4.4.4 实验设计
• 4.5 本章小结
• 结论
• 参考文献
• 致谢
• 作者简介及读研期间主要科研成果