掌纹识别关键技术及算法的研究

论文摘要

随着网络与通讯技术的飞速发展和人类物理与虚拟活动空间的不断扩大,人们对于系统和信息安全性的要求日益增加。在信息化、网络化、数字化社会环境下,传统的身份识别方法呈现出无法解决的重大缺陷,已不能满足社会发展的需要。生物特征识别技术就是在这种情况下应运而生的。生物特征识别技术是基于生物统计学的身份自动鉴别技术,利用人的生理特征或行为特征通过计算机来鉴别一个人的身份。它以生物技术为基础,以信息技术为手段,将本世纪生物和信息这两大热门技术交汇融合为一体。生物特征是人类一个完整和独特的部分,它具备“人人拥有、人各不同、长期不变”的特点,并且不会被遗忘或丢失,具有先天的便利性和技术方面的高效性,所以生物特征识别技术可以成为身份鉴定的一种有效手段。作为现代身份识别的重要工具,生物特征识别技术正前所未有地引起人们的关注。掌纹识别技术是生物特征识别技术领域内的重要成员,它根据人手掌内的有效信息对个人身份进行识别。掌纹识别技术具有独特的优点和丰富而稳定的特征:掌纹含有更多的可区分信息、掌纹主要特征稳定且明显、掌纹难以伪造、采集设备价格低廉、采集方法简单、被测试者对其接受程度较高等等。正是由于以上这些原因,使得掌纹识别技术日渐受到广泛的重视,并逐渐成为研究的热点问题。本文针对掌纹图像的特点,对掌纹识别领域内的关键技术与核心算法进行了深入的研究,开发了一套基于扫描仪的掌纹图像采集装置,提出了一系列高效的掌纹图像预处理、掌纹特征提取及匹配等相关算法,并最终将其集成于一个掌纹识别演示系统中。本文主要工作及创新如下:1.提出一种鲁棒的、有效的掌纹图像定位及分割算法。由于在采集手掌图像时不限制手掌的摆放位置和手指张开程度,因此增加了掌纹图像定位及分割的难度。针对现有掌纹图像定位及分割算法中存在的问题,该算法首先给出转换频数的定义,且利用其统计特性确定一个靠近手指根部的局部有效区域。在该局部有效区域内,手指边缘是完全分离的,可使用边缘跟踪算法确定各个手指指蹼间的三个关键点;随后,利用手掌尺侧边缘线作为参考线,建立参考坐标系实现掌纹图像的定位;然后,根据定位后的三个关键点的坐标确定手掌最大内切圆圆心所在的潜在区域,以缩短搜索最大内切圆所需的时间,提高算法的执行速度;最后截取手掌最大内切圆的内接正方形内的掌纹图像作为ROI区域。本文所提出的掌纹图像定位及分割算法解决了边缘跟踪算法的失效问题,提高了定位精度,降低了手指张开程度对掌纹定位精度的影响,可根据手掌大小自动调整所截取的掌纹图像的大小及快速地确定手掌最大内切圆。实验结果证明,本文所提出的掌纹图像定位及分割算法比现有的基于正方形的掌纹图像定位及分割算法和基于内切圆的掌纹图像定位及分割算法具有更好的鲁棒性和定位精度。2.根据掌纹图像的特点,提出一种基于方向可调滤波器的模糊反锐化掩模掌纹图像增强算法。由于掌纹线在图像中呈现脊边缘特性,且方向富于变化,无规律可循,因此该算法以反锐化掩模技术为主体,使用方向可调滤波器替代经典反锐化掩模算法中的Laplacian滤波器,在任意方向上提取掌纹图像中的高频信息,以增强掌纹线的对比度;另外,由于掌纹线深浅不一,因此该算法将模糊集合理论引入到反锐化掩模框架中,并提出了一个半开模糊隶属度函数将掌纹图像中的低频分量、中频分量和高频分量区分开来,并分别控制他们各自的增强强度;通过降低低频分量的增强强度,可以进一步抑制平滑区域内的噪声;通过大幅度地提高中频分量的增强强度,可以有效地增强皱纹线的对比度;再有,通过弱化高频分量的增强强度,可以平衡主线和皱纹线的对比度的增强强度。该算法不仅具有一定的抗噪声能力,而且还可以同时增强主线和皱纹线的对比度,有效消除掌纹图像中的“阴影效应”。实验结果表明,本文所提出的算法无论是在视觉感知上,还是在识别效果上都优于其它传统的图像增强算法。3.提出一种基于核Fisher判别式分析的掌纹代数特征的提取方法。基于子空间分析的掌纹识别算法已经成为掌纹识别领域内的主流算法,该类算法在训练样本充足的情况下可以获得较高的识别率,但是当训练样本较少时识别率则大幅度地下降;另外,由于在掌纹图像采集过程中引入了手掌的平移、旋转和扭曲等非线性因素,所以使用现有的基于线性子空间分析的掌纹识别算法无法获得令人满意的识别结果。本文首次将核Fisher判别式方法用于分析掌纹的代数特征,提取出一种称之为Kernel Fisherpalms的掌纹代数特征。该方法用一个非线性映射将掌纹图像从原始的掌纹空间映射到高维特征空间F内。在特征空间F内使用Fisher线性判别式对掌纹进行分类。在特征空间F内,因为更多地考虑了掌纹图像的高维统计量,所以可以更有效地区分不同类别的掌纹。本文首先通过实验选定该算法中所需的参数。最后将选定参数的基于Kernel Fisherpalms的掌纹识别算法应用于掌纹分类和识别,并得到了满意的结果。4.提出了一种掌纹线结构特征提取及匹配算法。根据掌纹图像的特点,本文首先针对不同深度的纹线设计了两个滤波阶段:全局滤波阶段和局部滤波阶段。在不同的滤波阶段内,针对不同的操作对象采用不同数量、不同角度间隔的方向可调滤波器和不同的阈值明确地提取出连续而完整的掌纹线,其中不乏细小的皱纹线。在此工作基础上,本文提出了基于改进注水算法的纹线结构特征提取及匹配算法。该算法首次明确地提取出了掌纹线的交叉点特征,并与其它的掌纹线全局结构特征和局部结构特征相结合,提取出掌纹线的结构特征,本文所提取的纹线结构特征不仅能反映掌纹线的全局特性,而且还能反映手掌上的各个不同区域内纹线点的方向信息和不同类别的交叉点的分布情况,是一种同时包含掌纹线位置信息、整体结构信息和局部结构信息的特征,因此能够有效区分具有相似结构特征的掌纹。5.提出了一种基于双树复小波变换的局部二值模式加权直方图的掌纹纹理特征提取算法。该算法通过结合两种有效的纹理分析工具,提高了掌纹纹理特征对不同掌纹的判别能力。另外,该算法利用局部方向特性和不同局部子区域在识别中的重要性不同这一特性获得一个加权系数集合,进一步提高了该纹理特征的判别能力。在构建掌纹纹理模型过程中,该算法完全独立于训练集,无需训练,更不存在重复训练的问题。实验结果表明,本文所提取出的掌纹纹理特征可获得较高的识别精度。在此基础之上,本文进一步将前文所介绍的预处理方法和基于双树复小波变换的局部二值模式加权直方图的掌纹纹理特征提取方法集成在一个掌纹识别演示系统中。该系统可以实现掌纹图像采集和实时地识别用户身份等操作。

论文目录

• 致谢
• 中文摘要
• ABSTRACT
• 目录
• 第1章 综述
• 1.1 课题研究背景及意义
• 1.2 生物特征识别技术
• 1.3 掌纹识别技术
• 1.3.1 掌纹及掌纹特征定义
• 1.3.2 掌纹研究的历史
• 1.3.3 掌纹稳定性与唯一性分析
• 1.3.4 掌纹识别技术的研究进展
• 1.3.5 掌纹识别技术的研究现状
• 1.3.5.1 掌纹图像预处理方法的研究现状
• 1.3.5.2 掌纹识别算法的研究现状
• 1.4 掌纹图像数据库
• 1.5 课题来源及主要研究内容
• 1.5.1 课题来源
• 1.5.2 论文研究内容及结构
• 第2章 掌纹识别技术研究的相关理论
• 2.1 掌纹识别系统框架
• 2.2 掌纹识别系统工作模式及评价准则
• 2.2.1 掌纹识别系统工作模式
• 2.2.2 掌纹识别系统评价准则
• 2.3 相关基础理论及方法
• 2.3.1 模糊数学基础
• 第3章 掌纹图像预处理
• 3.1 引言
• 3.2 掌纹图像定位及分割
• 3.2.1 存在的问题
• 3.2.2 一种鲁棒的基于正方形的掌纹图像定位及分割算法
• 3.2.2.1 解决方案及算法概要
• 3.2.2.2 局部有效区域的提取
• 3.2.2.3 算法执行过程
• 3.2.3 实验结果与分析
• 3.2.3.1 鲁棒性测试
• 3.2.3.2 定位精度测试
• 3.2.3.3 运行速度测试
• 3.3 掌纹图像增强
• 3.3.1 掌纹图像特点分析
• 3.3.2 方向可调滤波器简介
• 3.3.3 反锐化掩模图像增强算法简介
• 3.3.4 基于方向可调滤波器的模糊反锐化掩模掌纹图像增强算法
• 3.3.5 实验结果与分析
• 3.3.5.1 视觉感知测试
• 3.3.5.2 识别测试
• 3.4 本章小结
• 第4章 基于掌纹代数特征的身份识别
• 4.1 引言
• 4.2 基于核Fisher判别式分析的掌纹代数特征提取算法
• 4.2.1 Kernel Fisherpalms的提取
• 4.2.2 基于Kernel Fishepalms的掌纹识别
• 4.3 实验结果与分析
• 4.3.1 KFDA分类性能测试
• 4.3.2 参数选择
• 4.3.2.1 核函数及其参数的选择
• 4.3.2.2 特征维数的选择
• 4.3.3 识别测试
• 4.4 本章小结
• 第5章 基于掌纹线结构特征的身份识别
• 5.1 引言
• 5.2 数学形态学
• 5.2.1 数学形态学的基本运算
• 5.2.2 击中或击不中变换
• 5.2.3 细化
• 5.3 注水算法简介
• 5.4 两段式纹线提取算法
• 5.4.1 纹线提取
• 5.4.2 实验结果与分析
• 5.4.2.1 纹线提取实验
• 5.4.2.2 纹线提取速度测试
• 5.5 基于改进注水算法的纹线结构特征提取及匹配方法
• 5.5.1 方向数的定义
• 5.5.2 纹线结构特征的提取及描述
• 5.5.3 纹线结构特征匹配
• 5.5.4 实验结果与分析
• 5.5.4.1 掌纹匹配
• 5.5.4.2 验证测试
• 5.6 本章小结
• 第6章 基于掌纹纹理特征的身份识别
• 6.1 引言
• 6.2 树复小波变换简介
• 6.3 局部二值模式直方图算法简介
• 6.4 基于双树复小波变换和局部二值模式加权直方图的掌纹纹理特征提取算法
• 6.4.1 基本思想
• 6.4.2 局部二值模式加权直方图方法
• 6.4.3 掌纹纹理特征的提取
• 6.4.4 Gabor小波变换与双树复小波变换的比较
• 6.5 实验结果与分析
• 6.5.1 参数选择和性能测试
• 6.5.2 识别测试
• 6.5.2.1 识别精度测试
• 6.5.2.2 执行速度测试
• 6.6 掌纹识别演示系统
• 6.7 本章小结
• 第7章 结论与展望
• 参考文献
• 作者简历
• 学位论文数据集