掌纹识别算法研究

论文摘要

掌纹识别是通过手掌皮肤的纹路特征来进行身份识别的方法.本文详细分析了掌纹图像的特点,对掌纹识别系统中的关键技术与核心算法进行了系列研究.本文的研究工作主要集中在如下几个方面:一、设计了一套无接触式掌纹图像采集实验设备,进行掌纹图像的采集.该设备可以有效弥补由于接触式采集所带来的一些诸如公众卫生和图像质量等不足,并且可以获取高分辨率的掌纹图像,同时可以更好地区分在中大尺度特征相似的掌纹.二、通过无接触式采集方式得到的掌纹图像有可能出现离焦现象.本文提出了基于方向小波的正则化掌纹图像的复原方法,有效保留了掌纹图像的原始信息,为后面的特征提取和特征匹配提供了高质量的掌纹图像.三、提出一种基于脊波变换的分级多尺度特征提取算法.这种方法充分满足了掌纹特征分析中对多尺度性和各向异性的要求.从三个级别上体现掌纹特征,从而实现了在大数据库中进行快速身份识别和身份识别.四、在此基础上提出了一种由粗到精的分级匹配方法,从三个不同等级对掌纹特征依次进行匹配,改善了高分辨率下掌纹特征的匹配速度.实验证明了方法的有效性和准确性.

论文目录

• 提要
• 1 绪论
• 1.1 课题研究涉及的范围
• 1.2 课题研究的理论意义
• 1.3 课题研究的实用价值
• 1.4 课题研究的历史与现状
• 1.5 本文的研究目的、研究内容和研究思路
• 1.6 论文的组织
• 1.7 本章总结
• 2 生物识别
• 2.1 生物识别技术简介
• 2.2 生物识别的种类
• 2.2.1 手写签名
• 2.2.2 指纹识别
• 2.2.3 人脸识别
• 2.2.4 虹膜识别
• 2.2.5 静脉识别
• 2.2.6 掌纹识别
• 2.3 生物识别系统的结构
• 2.4 生物识别系统工作模式及评价标准
• 2.5 研究生物识别技术的意义
• 2.6 本章总结
• 3 掌纹识别技术简介
• 3.1 掌纹识别的优势
• 3.2 掌纹识别过程
• 3.3 掌纹识别研究现状
• 3.4 掌纹识别的难点
• 3.5 掌纹识别研究的意义
• 3.6 本章总结
• 4 掌纹图像的采集
• 4.1 掌纹采集设备的现状
• 4.2 掌纹图像的非接触式采集设备
• 4.3 非接触式掌纹图像的采集
• 4.4 本章总结
• 5 掌纹图像的预处理
• 5.1 掌纹的定位和ROI 区域的选取
• 5.2 掌纹图像的复原
• 5.2.1 掌纹图像的重叠划分
• 5.2.2 子块图像的脊波降噪
• 5.2.3 利用正则化方法进行子块掌纹图像复原
• 5.3 掌纹图像的归一化
• 5.4 掌纹图像的光照补偿
• 5.5 本章总结
• 6 掌纹特征的提取
• 6.1 掌纹图像特征分析
• 6.2 小波分析的基本理论
• 6.2.1 基于小波的多分辨分析
• 6.2.2 小波变换的快速算法
• 6.3 脊波分析的基本理论
• 6.3.1 脊波变换的产生
• 6.3.2 脊波和连续的脊波变换
• 6.3.3 脊波和小波及Radon 变换的关系
• 6.3.4 离散脊波变换
• 6.4 基于多尺度脊波变换的特征提取
• 6.4.1 图像剖分
• 6.4.2 子块的小波分解
• 6.4.3 分级多分辨脊波特征的提取
• 6.4.4 分级多分辨脊波特征的编码
• 6.5 本章总结
• 7 掌纹特征的匹配
• 7.1 分级多分辨脊波特征
• 7.2 分级多分辨脊波特征的匹配
• 7.2.1 粗略级别下的掌纹图像分类
• 7.2.2 精细级别下的掌纹图像匹配
• 7.3 本章总结
• 8 实验结果与分析
• 8.1 基于分级多分辨脊波特征的掌纹识别
• 8.2 不同掌纹识别方法的比较
• 8.3 实验结果分析
• 8.4 本章总结
• 9 总结及展望
• 参考文献
• 攻博期间发表的学术论文
• 致谢
• 摘要
• Abstract