小波分析在掌纹图像特征提取中的应用

小波分析在掌纹图像特征提取中的应用

论文摘要

掌纹识别近几年来兴起,并发展成为人体生物特征识别技术的研究热点。因为掌纹图像中包含有十分丰富的信息,不容易出现磨损,这点好于指纹;掌纹识别的识别精度比人脸识别要高;签名识别会受到人自身情绪和外界因素影响,所以掌纹在稳定性方面要高于签名识别。但是掌纹识别发展较晚,还没有像虹膜、人脸、指纹识别那样得到广泛的关注和研究。一个掌纹识别系统包括图像预处理、特征提取和分类器设计等几个模块。本论文针对掌纹的具体特点,对掌纹识别系统中预处理与特征提取的两个模块的算法进行了深入的研究。掌纹的定位分割是掌纹图像处理中十分重要的环节,它的好坏效果直接会影响到之后的特征提取和特征匹配。本文分析了掌纹定位分割常用的方法,由于掌纹图像的特殊性,这些方法在实际应用中并不适宜,本文在经典方法的基础上,对经典算法做了修改和延伸,研究了更适合掌纹图像定位分割的方法,将轮廓信息和局部区域信息作为参考条件加入算法中,将包含关键点的区域从原图像中划分出来,并做实验进行验证,效果良好。本文根据小波的多分辨率特性,将掌纹图像在不同尺度下进行分解,由于掌纹线和乳突纹的强度在不同尺度下的分布特性:掌纹线不具有振荡性,而乳突纹具有一定的振荡性,对于振荡信号,大尺度的小波系数比与振荡频率相对应的小尺度系数要小得多;而对于非振荡信号,小波系数会随着小波分解的尺度增加而增加。根据这个特性本文将掌纹小波能量作为特征进行提取。而且依据掌纹各构件在不同尺度下的分解,本文将各构件在不同尺度之间能量的比值作为掌纹特征进行特征提取,并做仿真实验验证了本方法的有效性。

论文目录

  • 摘要
  • Abstract
  • 目录
  • 第一章 绪论
  • 1.1 课题研究的意义
  • 1.2 课题研究的历史与现状
  • 1.2.1 掌纹识别的历史和研究现状
  • 1.2.2 小波分析在图像处理中的应用现状
  • 1.3 本文主要的研究内容
  • 第二章 掌纹识别的技术理论
  • 2.1 掌纹图像的采集
  • 2.2 掌纹图像的预处理
  • 2.3 掌纹特征提取
  • 2.4 掌纹特征匹配
  • 2.5 小波变换的理论基础
  • 2.5.1 连续小波变换
  • 2.5.2 离散小波变换
  • 2.6 基于小波变换的特征表示
  • 2.7 本章小结
  • 第三章 掌纹图像的预处理
  • 3.1 预处理的意义及关键步骤
  • 3.1.1 预处理的意义
  • 3.3.2 预处理的关键步骤
  • 3.2 角点检测算法介绍
  • 3.2.1 基于模版的角点检测算法
  • 3.2.2 基于边缘的角点检测算法
  • 3.2.3 基于图像灰度变化的角点检测算法
  • 3.3 改进的角点检测算法
  • 3.4 实验结果
  • 3.5 本章小结
  • 第四章 基于多分辨率分析的掌纹特征提取
  • 4.1 引言
  • 4.2 信号的多分辨描述和二维Mallat算法
  • 4.3 小波能量特征的构造
  • 4.4 小波能量特征的实现
  • 4.5 实验结果与分析
  • 4.6 本章小结
  • 总结与展望
  • 参考文献
  • 攻读硕士期间发表论文
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  

    小波分析在掌纹图像特征提取中的应用
    下载Doc文档

    猜你喜欢