大鱼际掌纹图像处理及应用研究

论文摘要

将生物特征识别技术与中华民族传统的掌纹医学结合起来,用于诊断人类疾病是一项开创性的工作。医学专家通过多年临床经验发现,哮喘等变态反应性疾病患者大都存在着大鱼际掌纹粗糙的现象并根据粗糙程度将其分为四级。利用计算机技术对大鱼际掌纹图像进行处理和量化识别,可以实现诊病过程的自动化。本文的工作是大鱼际掌纹特应征量化识别及在哮喘等疾病相关性与辅助诊断中的应用研究中的非常重要的模块—大鱼际掌纹图像的预处理及特征提取。在课题研究过程中研制了基于DSP的掌纹图像采集装置,该采集装置以DSP为中央处理器,通过DSP实现对掌纹图像的采集和存储,利用该装置采集的掌纹图像建立了掌纹图像库。采用不变特征点方法对大鱼际区域进行定位,以手指间谷点作为手掌特征点,寻找定位点并确立坐标系,定位大鱼际区域。利用小波阈值的去噪方法对大鱼际掌纹图像进行去噪,再利用基于高频强调滤波和CLAHE的方法或基于小波变换的方法对去噪后的大鱼际掌纹图像进行增强,预处理后的大鱼际掌纹图像纹理呈格子状分布,其形态特征更加明显,便于后续的特征提取。利用边缘检测的方法提取大鱼际掌纹线特征,其数量较多,而且分布无规律,由于对纹线特征的要求尚没有统一的标准,把线特征的数量作为分类的标准,只能将大鱼际掌纹中的纹线尽可能多的提取出来,通过观察其线特征的大体多少判断大鱼际掌纹的级数。利用基于4连通并行细化算法的串行算法实现预处理后的二值化的大鱼际掌纹图像的细化,在细化后处理的基础上提取其节点域特征,把节点域特征作为大鱼际掌纹分级量化的标准,通过确定节点域的个数完成大鱼际掌纹的分类。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题来源和研究背景
• 1.2 课题研究的目的和意义
• 1.3 国内外研究现状
• 1.3.1 掌纹采集设备国内外研究现状
• 1.3.2 掌纹诊病研究现状
• 1.3.3 掌纹识别研究现状
• 1.4 本文主要研究内容及结构安排
• 1.5 本章小结
• 2 大鱼际掌纹图像处理基础知识
• 2.1 图像处理技术
• 2.1.1 数字图像的基本类型
• 2.1.2 数字图像处理方法
• 2.2 小波变换理论
• 2.2.1 连续小波变换
• 2.2.2 离散小波变换
• 2.2.3 多分辨分析与分解重构
• 2.3 大鱼际掌纹图像知识
• 2.3.1 大鱼际区域
• 2.3.2 大鱼际掌纹特征
• 2.4 本章小结
• 3 掌纹图像采集设备
• 3.1 系统的总体设计
• 3.2 掌纹图像取样装置及光源设计
• 3.2.1 掌纹图像取样装置
• 3.2.2 光源的设计
• 3.3 光学摄像机的选择
• 3.3.1 光学镜头
• 3.3.2 CCD 摄像机
• 3.4 采集电路硬件设计及分析
• 3.4.1 掌纹图像采集单元
• 3.4.2 掌纹图像的存储
• 3.5 掌纹图像库的建立
• 3.6 本章小结
• 4 大鱼际掌纹图像预处理
• 4.1 大鱼际掌纹的获取
• 4.1.1 掌纹图像二值化
• 4.1.2 手掌轮廓提取
• 4.1.3 大鱼际掌纹区域的定位
• 4.1.4 大鱼际区域的获取
• 4.2 大鱼际掌纹图像去噪
• 4.2.1 经典图像去噪方法
• 4.2.2 小波阈值去噪
• 4.2.3 实验结果及分析
• 4.3 大鱼际掌纹图像增强
• 4.3.1 基于高频强调滤波和CLAHE 的大鱼际掌纹图像增强
• 4.3.2 基于小波变换的大鱼际掌纹图像增强
• 4.3.3 实验结果及分析
• 4.4 本章小结
• 5 大鱼际掌纹图像特征提取
• 5.1 大鱼际掌纹线特征提取
• 5.1.1 经典的边缘检测方法
• 5.1.2 数学形态学边缘检测
• 5.1.3 小波模极大值多尺度边缘检测
• 5.1.4 仿真实验
• 5.2 大鱼际掌纹图像节点域特征提取
• 5.2.1 大鱼际掌纹图像的二值化
• 5.2.2 大鱼际掌纹图像的细化算法
• 5.2.3 细化后处理
• 5.2.4 节点域特征提取
• 5.2.5 仿真实验
• 5.3 本章小结
• 总结与展望
• 本文主要工作总结
• 对下一步工作的展望
• 参考文献
• 致谢
• 作者在攻读硕士期间发表的论文