基于复合神经网络的掌纹识别方法的研究

论文摘要

当今社会,随着信息化与网络化的高度发展,信息安全显示出前所未有的重要性。因此,作为其中一个分支的身份识别技术也就具有相当高的研究价值与广泛的应用前景。其中,生物特征识别技术以其特有的稳定性、唯一性和方便性,得到越来越广泛的应用。作为一种非常重要的身份识别方法——掌纹识别,由于掌纹易于获取、特征明显,并具有稳定、可分性等特点,以及掌纹自动识别系统具有直接、友好、方便、良好的唯一性和应用范围广等优点,而具有较大的发展潜力。但是由于掌纹的复杂性等原因,基于掌纹的生物特征识别技术的研究更多的还停留在特征提取算法的开发和分类器的设计阶段。本文在对掌纹识别作了深入的研究的基础上,给出了一种全新的关键点定位算法,并提出了一种分层次利用多种特征的由粗到细的掌纹识别技术。在该方法中,主要定义了两个层次的特征:基于距离的几何特征(第一层特征)和基于Zernike矩的纹理特征(第二层特征)。针对两种不同的特征,我们采用两种不同的经典神经网络,并把两种网络有效的合成到一个识别系统中。最后实验验证了该方法的可行性和有效性。本文在对现有的掌纹识别技术进行了深入的研究和比较,并给出其优缺点的基础上,做了以下几点主要工作:(1)给出了一种全新的基于距离的手掌关键点定位以及有效区域分割算法;(2)采用了基于距离的几何特征提取算法和基于Zernike矩的纹理特征提取方法进行两个层次的特征提取;(3)提出了一种基于复合神经网络的多特征掌纹识别方法,并用实验对其性能加以测试。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 课题背景
• 1.2 生物特征识别技术的发展历史
• 1.3 生物特征识别技术的应用
• 1.4 本文的主要工作
• 1.5 论文结构
• 第二章 掌纹识别技术研究与发展
• 2.1 掌纹识别技术发展现状
• 2.2 掌纹特征介绍
• 2.3 掌纹识别系统
• 2.3.1 掌纹获取
• 2.3.2 预处理
• 2.3.3 特征提取和选择
• 2.3.4 分类决策
• 第三章 人工神经网络
• 3.1 神经网络的发展历史
• 3.2 神经网络的应用
• 3.3 神经网络的结构
• 3.4 神经网络的类型
• 3.4.1 BP 网络
• 3.4.2 SOM 网络
• 3.5 基于人工神经网络的模式识别
• 第四章 基于复合神经网络的掌纹识别系统
• 4.1 图像的采集
• 4.2 图像的预处理
• 4.2.1 手掌轮廓线的提取及表示
• 4.2.2 手掌关键点定位
• 4.2.3 手掌有效区域的定位及切割
• 4.2.4 手掌有效区域的增强
• 4.3 特征提取
• 4.3.1 手掌几何特征获取
• 4.3.2 手掌纹理特征获取
• 4.4 基于SOM 和BP 神经网络的复合神经网络模型的建立
• 第五章 实验结果及分析
• 5.1 掌纹数据库
• 5.2 实验结果
• 5.3 分析及讨论
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间公开发表论文情况