基于流形学习的掌纹识别技术研究

论文摘要

掌纹是一种重要的生物特征,具有采样简单、特征唯一、信息量大等优点,掌纹识别技术具有重要研究价值。本文设计实现了基于扫描仪的图像采集系统,提出了一种新的掌纹旋转校正算法和基于垂直方向最大内接正方形的有效区域分割算法。特征提取部分实现了基于局部保留投影的统计特征提取算法和基于分块小波能量编码的变换域特征提取算法,并在此基础上提出了基于分级检索的分类器设计方案,进而完成实用化识别软件开发。本文通过多种实验证明了算法的有效性,并通过实际测试验证了识别软件的可靠性。主要研究内容为:1、在深入研究目前常用图像采集与预处理方法的基础上设计并实现了基于扫描仪的图像采集系统。针对目前旋转校正步骤中的难点,提出了一种新的手掌旋转校正算法和基于垂直方向最大内接正方形的有效区域提取算法,较好地解决了旋转校正与有效区域定位问题。2、采用新的流形学习算法—局部保留投影算法对掌纹数据进行非线性降维,提取统计特征,并通过实验深入研究算法性能。特征提取部分还实现了基于分块小波能量编码的特征提取算法,通过实验证明了算法的有效性。3、提出了基于LPP-BWEC分级检索的匹配算法,将LPP统计特征与BWEC小波频域有机结合,克服了由单一特征带来的局限性,实验证明该算法比单一特征匹配方法具有更高识别精度,系统适应性也得到大幅提高。4、完成开发实用化的掌纹识别软件,并通过实际测试验证了软件性能,证明了软件的有效性,对掌纹识别技术的实用化进行了有益的探讨。

论文目录

• 摘要
• Abstract
• 1 概述
• 1.1 研究背景
• 1.2 掌纹识别系统概述
• 1.3 本文主要工作
• 2 图像采集及预处理
• 2.1 图像采集
• 2.2 掌纹旋转校正算法
• 2.3 基于垂直方向最大内接正方形的 ROI分割算法
• 3 基于局部保留投影与小波分块能量编码的特征提取算法
• 3.1 流形学习思想与常用方法概述
• 3.2 局部保留投影（LPP）算法
• 3.2.1 建立高维数据空间
• 3.2.2 构造近邻图
• 3.2.3 计算保局投影
• 3.3 小波分块能量编码
• 3.3.1 二维小波分解
• 3.3.2 小波分块能量编码
• 4 基于分级检索的分类器设计
• 4.1 常用分类器算法分析
• 4.1.1 最小距离分类器
• 4.1.2 概率神经网络（PNN）分类器
• 4.2 基于分级检索的分类器设计方案
• 4.3 掌纹识别系统性能评价指标
• 5 算法测试实验及结果分析
• 5.1 局部保留投影统计特征识别实验
• 5.2 小波频域分块特征识别实验
• 5.3 LPP-BWEC分级匹配测试
• 5.4 错误识别分析
• 6 识别软件开发与关键技术分析
• 6.1 系统功能与界面布局
• 6.2 关键技术分析
• 6.2.1 TWAIN接口编程技术
• 6.2.2 多线程编程技术
• 6.2.3 数据交互与存储
• 6.3 实际性能测试
• 7 总结与展望
• 7.1 结论
• 7.2 今后工作展望
• 致谢
• 参考文献