基于Gabor滤波的掌纹识别研究

论文摘要

生物特征识别技术特有的唯一性、稳定性和方便性,使其成为身份认证技术的新宠,得到越来越广泛地应用。掌纹识别因具有采样简单、图像信息丰富、用户接受程度高等特点受到国内外研究人员的广泛关注,成为近年来非常热门的一种身份识别方法。但是在现有的掌纹识别技术中,如何更有效的提取感兴趣区域以及表征掌纹特征是掌纹识别技术中的重点与难点。基于以上两点,本文根据掌纹图像的具体特点,结合Gabor滤波器的方向选择性,做了如下工作:(1)在预处理阶段提出了一种简单的基于像素搜索的掌纹中心区域提取新方法。该方法简单,计算量小,且效果好。(2)在特征提取前,结合掌纹纹理的方向,给出了两种自动选择Gabor滤波器方向的方法:一种是根据掌纹图像的频谱特征,将其Fourier谱映射到极坐标域,分析并计算Fourier谱在角度轴上的投影峰值,从而设置Gabor滤波器的方向;另一种是通过Radon变换对直线进行检测,在变换域中通过检测到的直线方向来设置Gabor滤波器的方向。传统方法采用固定方向忽略了图像本身的特点及类间差异性,通过以上两种方法设置滤波器方向后,很好地利用了掌纹纹理的方向性以及Gabor滤波器的方向选择性,使得后续提取的掌纹特征更加有效。在以上工作的基础上,本文对掌纹图像进行滤波,提取均值方差作为掌纹的特征,最后采用最简单的最近邻分类器对提取的特征进行分类识别。分别对传统的滤波器方向参数设置与本文所提出的基于图像内容的两种参数设置方法的识别效果进行了详细的分析比较,突出了滤波器方向参数设置的重要性以及本文方法有效性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 生物特征识别
• 1.2.1 生物特征识别技术
• 1.2.2 几种常见的生物特征识别技术介绍
• 1.3 掌纹识别的研究意义
• 1.4 掌纹识别研究的现状及发展
• 1.4.1 掌纹识别的研究现状
• 1.4.2 掌纹识别的发展趋势
• 1.5 本文主要研究内容及结构安排
• 第2章 掌纹识别技术简介
• 2.1 掌纹识别系统构成
• 2.2 掌纹图像的采集
• 2.3 掌纹图像的预处理
• 2.4 掌纹图像的特征提取
• 2.4.1 基于结构的特征提取
• 2.4.2 基于时频分析的特征提取
• 2.4.3 基于统计的特征提取
• 2.4.4 基于子空间的特征提取
• 2.5 分类决策
• 2.6 本章小结
• 第3章 掌纹图像的预处理
• 3.1 基于形态学分析的掌纹图像定位方法
• 3.2 目标背景面积法
• 3.3 掌纹感兴趣区域提取新方法
• 3.3.1 掌纹数据库图像特征
• 3.3.2 掌纹感兴趣区域（ROI）提取
• 3.3.3 实验结果分析
• 3.4 本章小结
• 第4章 GABOR 变换的基本理论及其方向参数选择
• 4.1 GABOR 滤波器的介绍
• 4.1.1 二维Gabor 滤波器
• 4.1.2 Gabor 滤波器参数设置
• 4.1.3 Gabor 滤波器的方向选择性
• 4.1.4 掌纹方向选择性分析
• 4.2 基于纹理频谱度量的GABOR 滤波器方向参数选取
• 4.2.1 掌纹图像的频谱
• 4.2.2 掌纹频谱的角度选取
• 4.3 基于RADON 变换的GABOR 滤波器方向参数选取
• 4.3.1 Radon 变换简介
• 4.3.2 利用Radon 变换设置滤波器方向
• 4.4 本章小结
• 第五章 基于GABOR 滤波器的掌纹特征提取与识别
• 5.1 掌纹特征提取
• 5.2 最近邻分类器
• 5.3 实验结果与分析
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 全文总结
• 6.2 本文的局限性及进一步的工作研究
• 参考文献
• 致谢
• 附录 （攻读学位期间发表的论文）