一种Gabor小波和K-L变换的掌纹识别方法研究

论文摘要

生物识别技术（Biometric）是利用人体所固有的生物特征来进行自动身份识别的技术。人体生物特征包括物理特征（如指纹、虹膜、脸型、掌纹等）和行为特征（如步态、签名等）等,它具有普遍性、唯一性和稳定性等特点,并且不会被遗忘,也较难被模仿或伪造,从而可以取代或加强传统的身份识别方法。随着国家安全、金融证券、电子商务等领域安全性需求的逐年增强,新型的身份识别技术变得越来越重要,生物特征识别将为此提供有效的解决方案。掌纹识别是利用人的掌部纹理作为生物特征进行身份的自动确认,与常见的指纹、人脸、虹膜等生物特征相比,以其信息量丰富、特征稳定和易于采集的特点而作为一种很具吸引力和发展潜力的生物特征识别技术。但目前国内外对掌纹的研究还远没有象指纹、人脸、说话人识别的研究那样广泛和深入。本论文针对掌纹的具体特点,对掌纹识别系统中的关键技术与核心算法进行了较深入的研究。文章首先简要介绍了掌纹识别技术的发展和研究现状,然后详细讨论了掌纹识别系统的基本组成以及各个模块的关键技术和发展现状,其中重点研究了掌纹识别算法,对近年来出现的主流方法进行深入的研究,归纳出现有文献中涉及掌纹特征提取的4类算法。具体分析了Gabor小波变换、K-L变换、Fisher线性判别式和包含在类平均图像中判别信息的最优压缩方法在掌纹特征提取中的应用,然后根据各方法的优缺点,将基于时频变换的特征提取算法和基于子空间的特征提取算法结合起来,提出了利用Gabor小波和原空间判别信息K-L变换实现掌纹特征提取的方法。该算法先对掌纹预处理后的灰度图象进行Gabor小波变换,得到掌纹的Gabor特征向量,然后利用原空间判别信息K-L变换的方法将高维特征向量变换到低维空间。该算法既充分利用了Gabor函数优良的特征提取性能,又有效地解决了高维特征的降维处理问题。通过在香港理工大学生物识别研究中心提供的掌纹数据库（the PolyU Palmprint Database）及自行采集建立的私有库实验证明,该算法有较好的鲁棒性和有效性,可以较好地实现掌纹的特征提取和识别。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 人体生物特征识别技术
• 1.2 课题研究的背景和意义
• 1.3 掌纹识别研究现状
• 1.4 本文研究目的、内容及组织安排
• 2 掌纹识别系统概述
• 2.1 掌纹的基本特征
• 2.2 模式识别系统的基本组成
• 2.3 掌纹识别系统
• 2.3.1 预处理
• 2.3.2 特征提取
• 2.3.3 掌纹分类器
• 2.4 本章小结
• 3 掌纹图象的采集和预处理
• 3.1 掌纹图象采集方法
• 3.1.1 脱机掌纹图象采集
• 3.1.2 联机掌纹图象采集
• 3.2 基于CCD 的掌纹图象采集
• 3.3 本文所用测试数据库
• 3.3.1 The PolyU Palmprint Database
• 3.3.2 掌纹私有库
• 3.4 掌纹图象的预处理
• 3.5 本章小结
• 4 掌纹特征提取算法研究
• 4.1 引言
• 4.2 GABOR 小波在掌纹特征提取中的应用
• 4.2.1 研究背景
• 4.2.2 二维Gabor 小波
• 4.2.3 掌纹图像的Gabor 小波变换
• 4.3 原空间判别信息K-L 变换的思想方法
• 4.3.1 K-L 变换简介
• 4.3.2 Fisher 线性判别的基本原理
• 4.3.3 变换空间判别信息K-L 变换方法
• 4.3.4 原空间判别信息K-L 变换的特征提取方法
• 4.4 算法总结
• 4.5 本章小结
• 5 掌纹匹配和实验结果分析
• 5.1 引言
• 5.2 掌纹特征匹配
• 5.3 实验结果分析
• 5.4 本章小结
• 6 总结和进一步工作
• 6.1 总结
• 6.2 进一步工作
• 致谢
• 参考文献
• 附录