基于小波变换的掌纹识别算法的研究及DSP实现

论文摘要

掌纹识别技术是生物特征识别领域里的新技术,它是利用手掌上的一块有效区域,从中提取出掌纹的特征信息,并根据这些特征信息来识别用户。目前,掌纹识别在整个生物识别中所占的市场份额还很少。民用的掌纹识别产品几乎还没有。所以,研制体积小巧、价格低廉、开发周期较短、维护方便,能够满足中、低级别安全的掌纹识别系统,以便在民用领域中能够推广将是一个很有研究价值的课题。掌纹识别算法有很多,其中便于DSP实现的有基于主线提取的方法、基于图像变换的方法。鉴于基于主线提取的方法匹配时比较耗时,且识别率不高,本文选取基于图像变换的方法。根据小波变换的多分辨率特性,本文选择用5/3小波变换来提取掌纹特征。在预处理阶段,为了能够提取出平滑的掌纹边缘,首先对输入的掌纹图像利用高斯低通滤波器进行消噪,然后,把掌纹图像做二值化处理,在用改进的8方向模板的prewitt算子提取掌纹图像的边缘,得到很好的边缘效果。在此基础上,利用数字形态学的方法提取掌纹图像的角点区域,并用细化算法得到单像素的角点,从而截取出掌纹有效区域。在识别阶段,本文利用5/3小波对掌纹有效区域做三级小波变换,给出小波能量的定义,考虑到掌纹的纹理特性,不具震荡性的掌纹线的能量主要集中在大尺度的小波分解细节图像中,而具有一定震荡性的乳突纹的能量则主要集中在较小尺度的小波分解细节图像中。因此,对三级变换后的掌纹细节图像进行等分,把每一级等分成12小块,最后,构造出小波能量特征。从而利用构造出的小波能量特征来计算两幅掌纹图像的相似度。为了测试出识别精度,本文对提取出的掌纹特征进行注册,然后用待测掌纹与已经注册的掌纹进行匹配,从而计算出该算法的识别率。本文的硬件平台是DM6446,在掌纹图像的读取、存储器的分配、循环流水线控制、代码的书写等方面都做了优化。代码优化后,识别程序运行时间从优化前的7.6秒缩短到1.6秒,优化效果明显,可以满足实时性要求。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 生物识别的介绍
• 1.2.1 生物识别的概述
• 1.2.2 掌纹识别的优势
• 1.3 掌纹识别算法的研究现状
• 1.3.1 基于图像变换的掌纹识别
• 1.3.2 基于掌纹结构特征的识别算法
• 1.3.3 基于掌纹纹理特征的识别算法
• 1.4 掌纹识别的发展状况
• 1.5 论文的安排
• 2 掌纹预处理
• 2.1 掌纹识别过程
• 2.2 掌纹图像的采集
• 2.3 掌纹图像的消噪
• 2.4 掌纹图像的二值化
• 2.5 边缘提取
• 2.5.1 改进8 方向prewitt算子
• 2.5.2 8 方向prewitt算子结果分析
• 2.6 角点提取
• 2.6.1 形态学原理
• 2.6.2 基于二值形态学的角点提取过程
• 2.6.3 角点细化
• 2.7 掌纹图像有效区域截取
• 2.8 本章小结
• 3 掌纹特征提取
• 3.1 小波变换原理
• 3.2 第二代小波变换
• 3.2.1 第二代小波变换的特点和过程
• 3.2.2 提升小波小波分解与重构
• 3.3 小波分解过程
• 3.4 提升5/3 小波变换
• 3.5 特征提取与匹配
• 3.5.1 小波能量特征的构造
• 3.5.2 小波能量特征的匹配
• 3.6 本章小结
• 4 掌纹识别软件环境与DSP硬件平台
• 4.1 CCS介绍
• 4.2 DM6446 开发板简介
• 4.3 CCS中图像的读取和显示
• 4.4 代码调试与优化
• 5 实验结果分析
• 5.1 掌纹的识别与注册及删除过程
• 5.2 掌纹的识别率的测试过程
• 5.3 识别精度测试
• 5.3.1 测试方法与结果
• 5.3.2 结果分析
• 6 结论
• 6.1 总结
• 6.2 展望
• 致谢
• 参考文献