掌纹识别关键技术研究

掌纹识别关键技术研究

论文摘要

网络信息化社会中,许多场合需要对人的真实身份进行有效鉴别。生物特征识别技术是解决此问题的最为有效的途径。所谓生物特征识别技术就是指利用人体本身所固有的物理特征或者行为特征,通过图像处理、模式识别等方法来鉴别个人身份的技术。正由于生物特征识别技术的重要性以及广阔的市场前景,它越来越受到研究者们的重视,已经成为模式识别领域一个新的研究热点。掌纹识别是最近几年才发展起来的新的生物特征识别技术。相比指纹以及虹膜识别技术,掌纹识别有其独有的特点,如含有丰富的线、纹理和方向特征;低分辨率成像,采集设备成本不高;掌纹ROI区域定位容易;易于和手形、手掌静脉等特征组成多模态识别系统。更重要的是,掌纹识别也是一种识别精度很高的生物特征识别技术。因此,对掌纹识别技术进行深入研究是非常必要和迫切的。然而,掌纹识别技术尚处于发展阶段,其理论和应用方面的研究都有待于进一步深化和完善。在此背景下,本文对掌纹识别中的一些关键问题进行深入研究,在基于主线的识别、基于方向特征的识别、基于表征的识别、掌纹的快速检索以及多模态识别等几个方面提出了有效的算法。本文的主要工作概括如下:(1)掌线是掌纹的基本特征,本文提出一种基于主线特征的掌纹识别算法。在掌纹识别领域,首次利用主线进行掌纹识别,并且证明了主线特征也具有较好的辨别能力。在该方法中,提出一种改进的有限Radon变换,能够从复杂的掌纹图像中有效提取掌线的能量和方向特征,并能根据这两个特征准确提取掌纹主线。同时创新性的提出一种新的线匹配算法,该算法能克服小的旋转与位移给匹配造成的不利影响,具有很强的鲁棒性。(2)基于方向特征的方法是掌纹识别中性能最好的方法之一。本文提出一种基于方向特征的鲁棒掌纹验证算法。该方法在特征提取阶段,使用改进的有限Radon变换来提取掌纹的方向特征;在匹配阶段使用构造虚拟样本的方法来补偿旋转造成的匹配误差;同时提出点对区域的匹配方法,具有很强的容错性。实验结果表明,在掌纹识别领域,该方法是特征提取速度最快、等错率最低的算法之一。(3)提出一种基于掌纹方向表达的快速鲁棒掌纹识别算法。该方法首先使用两种策略来提高基于表征方法(Appearance based approaches)的识别性能。一是在掌纹识别领域,首次提出一种新的掌纹表达方式以应用于基于表征的方法,即掌纹的方向表达,相比于掌纹的原始表达,方向表达保持了掌纹结构特征同时,具有更强的辨别能力,同时对光照变化是鲁棒的;二是使用扩大训练集方法来补偿旋转和位移造成的类内匹配误差。在这两个策略下,基于表征方法的识别率有了显著提高。另一方面,为了增加掌纹识别的鲁棒性,提出一种融合方法,即融合基于方向表达的表征方法和基于方向特征的识别方法,该方法在香港理工大学的掌纹数据库上所做的实验获得了100%的正确识别率,以及非常低的等错率。在此基础上,在掌纹识别领域首次提出一种可实际应用的掌纹快速检索方法,即使用基于方向表达的表征方法进行检索构造数据库子集,然后使用融合方法进行最后分类识别。实验结果表明该检索方法比基于比特匹配的CompetitiveCode等方法快了约4倍。(4)提出一种分层的快速掌纹识别方法。在粗匹配阶段,提出一种新的掌纹快速检索方法,即使用掌纹主线进行检索。在检索的时候,使用少数的主线关键点进行匹配,提高了检索的速度。同时,在精细识别阶段,提出一种融合算法,即融合Tensor Marginal Fisher Analysis、Competitive Code和Phase-OnlyCorrelation方法,并把掌纹的方向表达和扩大训练集应用到Tensor MarginalFisher Analysis和Phase-Only Correlation方法中,最终获得了非常理想的识别结果。(5)提出一种新的基于脚纹识别的婴幼儿生物特征识别技术。首先设计了一个基于数码相机的脚纹采集设备,然后根据脚掌的轮廓信息来提取脚纹的ROI区域,最后使用线特征进行识别。识别结果也是令人满意的。

论文目录

  • 摘要
  • ABSTRACT
  • 插图目录
  • 表格目录
  • 第1章 绪论
  • 1.1 生物特征识别技术的概念
  • 1.2 生物特征识别技术的应用场合
  • 1.3 生物特征识别技术的研究概述
  • 1.4 生物特征识别技术的基本框架与术语
  • 1.5 本文的研究意义与研究背景
  • 1.6 本文的内容安排
  • 1.7 本文的主要创新点
  • 第2章 掌纹识别技术综述
  • 2.1 引言
  • 2.2 掌纹识别系统的框架
  • 2.3 掌纹采集设备与掌纹数据库
  • 2.4 掌纹图像预处理
  • 2.5 掌纹识别算法
  • 2.5.1 基于纹理的方法
  • 2.5.2 基于线的方法
  • 2.5.3 基于相关的方法
  • 2.5.4 基于方向信息的方法
  • 2.5.5 基于表征的方法
  • 2.5.6 多模态方法
  • 2.6 本章小结
  • 第3章 基于主线的掌纹识别方法
  • 3.1 引言
  • 3.2 基于改进的有限Radon变换的主线提取
  • 3.2.1 Radon变换和有限Radon变换的基本概念
  • 3.2.2 使用改进的有限Radon变换提取掌纹主线
  • 3.3 掌纹主线匹配
  • 3.4 实验结果
  • 3.4.1 掌纹主线提取算法结果
  • 3.4.2 与Gabor滤波器的比较实验
  • 3.4.3 与Liu和Wu方法的比较实验
  • 3.4.4 掌纹验证
  • 3.4.5 速度
  • 3.5 讨论
  • 3.6 本章小结
  • 第4章 基于线方向编码的鲁棒掌纹验证方法
  • 4.1 引言
  • 4.2 使用改进的Radon变换提取掌纹方向特征
  • 4.3 基于点对区域的方向编码匹配
  • 4.4 实验结果
  • 4.4.1 数据库
  • 4.4.2 扩大训练集
  • 4.4.3 掌纹验证实验
  • 4.4.4 速度
  • 4.4.5 讨论
  • 4.5 本章小结
  • 第5章 基于方向表达的快速鲁棒掌纹识别方法
  • 5.1 引言
  • 5.2 掌纹的方向表达
  • 5.2.1 掌纹的不同表达形式
  • 5.2.2 掌纹图像的方向表达
  • 5.3 Tensor Locality Preserving Projection
  • 5.4 扩大训练集
  • 5.5 基于方向表达的快速鲁棒掌纹识别方法
  • 5.6 实验
  • 5.6.1 数据库
  • 5.6.2 掌纹方向表达的性能评估
  • 5.6.3 与Gabor表达的性能比较
  • 5.6.4 使用扩大训练集
  • 5.6.5 使用融合策略的快速鲁棒掌纹识别方法
  • 5.7 本章小结
  • 第6章 一种分层的掌纹快速识别方法
  • 6.1 引言
  • 6.2 分层掌纹快速识别方法的体现结构
  • 6.3 基于主线关键点的快速匹配方法
  • 6.3.1 主线关键点探测
  • 6.3.2 主线关键点存储与匹配
  • 6.4 Tensor Marginal Fisher Analysis
  • 6.5 基于方向表达的Phase-Only Correlation方法
  • 6.6 实验
  • 6.6.1 数据库
  • 6.6.2 基于主线关键点的快速检索方法实验
  • 6.6.3 TMFA实验
  • 6.6.4 基于方向表达的POC方法实验
  • 6.6.5 识别速度
  • 6.7 本章小结
  • 第7章 基于脚纹识别的婴幼儿生物特征识别技术初探
  • 7.1 引言
  • 7.2 脚纹采集与预处理
  • 7.3 特征提取与匹配
  • 7.3.1 特征提取
  • 7.3.2 特征匹配
  • 7.4 实验结果
  • 7.4.1 数据库
  • 7.4.2 实验结果
  • 7.5 本章小结
  • 总结与展望
  • 本文的主要工作与创新点
  • 进一步的工作展望
  • 参考文献
  • 在读期间发表的学术论文与取得的其他研究成果
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  ;  ;  ;  ;  

    掌纹识别关键技术研究
    下载Doc文档

    猜你喜欢