基于多小波的掌纹纹线识别算法研究

论文摘要

信息技术的飞速发展不断推动社会进步,与此同时,现代社会对信息技术不断提出更新更高的要求。计算机使整个社会网络化和信息化,而网络化和信息化的社会又对信息系统的安全性提出了越来越高的要求。由于生物识别技术的可靠性和独特性以及日益增加的安全需求,该技术正在逐渐取代密码和密钥,在人们的生活中发挥着越来越重要的作用。掌纹识别作为生物特征识别家族中的重要成员,与其他生物识别技术相比,其本身具备很多独特的优势,这些优势包括:掌纹具有唯一性和终生不变性,图像不易被模仿,用户接受程度高;掌纹图像的主要特征稳定且明显,提取特征时不易受到噪声的干扰;掌纹图像不容易因受伤或者磨损而影响到所采集的图像的质量,信息被窃取的可能性比指纹小得多等特点。因此,近年来掌纹识别技术受到了越来越多的关注,很多学者都在致力于这项技术的研究。本文根据手掌纹线图像的特征,对掌纹识别中很多关键的技术进行了深入的研究,提出了手掌纹线区域定位、图像旋转处理、特征匹配识别等相关方面的新算法,本文研究工作包括以下几方面:1.手掌图像特征分离点的提取实验室条件下采集的掌纹图像通常易受光线条件的影响,在某些条件下使用通用的角点检测方法提取特征分离点经常是失败的。针对上述问题,本文提出了基于基模板及特征模板的手掌分离点检测算法。通过两次模板检测对手掌图像的特征分离点进行鉴别提取,取得了理想的效果,改善了手掌特征图像对光线的依赖,提升了手掌图像特征分离点提取的效率。2.手掌纹线特征图像的多分辨率分析在对手掌的纹线特征图像进行特征提取的过程中,充分利用了掌纹纹线图像具有的多分辨率特性,对手掌特征图像进行多小波分解处理,提取其与手掌纹线相关的子区域,并采用相应的方法处理这些子区域,同时应用这些特征子区域完成了掌纹身份的初次匹配,取得了满意的效果。3.掌纹特征纹理偏移的极坐标处理手掌图像在采集的过程中,手掌位置通常不固定,手掌图像易产生旋转,影响手掌纹线特征图像的提取。本文采用了极坐标归一化的方法,在理论和算法上解决了上述问题,降低了图像偏移对识别精度的影响。4.基于神经网络的掌纹特征的二次匹配处理将神经网络算法应用于手掌纹线的识别,应用Hopfield网络对手掌纹线特征进行匹配识别,完成了基于神经网络的掌纹纹线特征的二次识别过程,并同时取得了纹线特征接近程度的量化数据。本文对掌纹识别几个关键的处理阶段均作出了相应的改进,从整体上提高了掌纹图像特征匹配的精度,同时也提高了掌纹识别处理过程的稳定性,优化了掌纹识别系统整体的性能。

论文目录

• 前言
• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究的背景及意义
• 1.1.1 生物识别技术概述
• 1.1.2 生物识别技术的发展概况
• 1.1.3 各种生物识别技术的简介及应用
• 1.1.4 掌纹识别技术的研究意义
• 1.2 课题的国内外研究概况
• 1.2.1 掌纹识别系统原理
• 1.2.2 掌纹识别系统的国内外研究现状
• 1.3 课题的主要研究内容
• 第二章 手掌图像的特征区域提取
• 2.1 手掌图像的分割预处理
• 2.1.1 手掌图像的灰度化处理
• 2.1.2 手掌图像的背景分割
• 2.1.3 手掌图像的轮廓提取
• 2.2 手掌图像的特征定位点提取
• 2.2.1 基模板手掌轮廓极值点检测及实验结果
• 2.2.2 特征模板手掌轮廓分离点检测及实验结果分析
• 2.3 手掌图像有效区域的提取
• 2.3.1 手掌有效纹线区域方向定位
• 2.3.2 手掌有效纹线区域的提取
• 2.3.3 特征区域提取及实验结果分析
• 2.4 本章小结
• 第三章 手掌特征图像的预处理
• 3.1 小波的基本理论
• 3.1.1 小波理论的产生及其发展
• 3.1.2 Hilbert 空间及H 空间中的正交投影
• 3.1.3 小波理论的相关函数系及框架
• 3.1.4 多分辨率分析及信号的分解与重构
• 3.2 多小波的理论及设计
• 3.2.1 多小波理论的产生及其发展
• 3.2.2 多小波函数的性质及多尺度分析
• 3.2.3 多小波的分解与重构
• 3.3 手掌特征图像的预处理
• 3.3.1 图像信号的多小波变换
• 3.3.2 手掌特征图像的多小波分解
• 3.3.3 特征纹线的子区域提取及实验结果分析
• 3.4 本章小结
• 第四章 掌纹纹线特征的处理及初次匹配
• 4.1 手掌特征图像纹线的提取
• 4.1.1 图像的边缘检测简介
• 4.1.2 手掌纹线的特征提取
• 4.2 掌纹纹线的极坐标处理
• 4.2.1 手掌纹线的细化处理
• 4.2.2 纹线图像的极坐标变换
• 4.2.3 掌纹纹线的极坐标辅助处理
• 4.3 掌纹纹线的初次匹配
• 4.3.1 子区域特征纹线的处理
• 4.3.2 手掌图像特征尺寸的辅助匹配及实验结果分析
• 4.3.3 纹线子区域特征的匹配识别及实验结果分析
• 4.4 本章小结
• 第五章 基于神经网络的掌纹纹线二次匹配
• 5.1 神经网络的相关理论
• 5.1.1 神经网络理论概述
• 5.1.2 神经网络研究的历史及现状
• 5.1.3 神经网络的基本特性
• 5.1.4 神经网络的体系结构
• 5.2 神经网络模式识别概述
• 5.2.1 神经网络模式识别概况
• 5.2.2 神经网络模式识别的特点概述
• 5.3 掌纹纹线的神经网络匹配处理
• 5.3.1 Hopfield 神经网络的相关理论
• 5.3.2 基于 Hopfield 网络的掌纹特征匹配及结果分析
• 5.4 本章小结
• 第六章 结论
• 6.1 本文总结
• 6.2 今后工作展望
• 参考文献
• 致谢