论文摘要
掌纹识别近几年来兴起,并发展成为人体生物特征识别技术的研究热点。因为掌纹图像中包含有十分丰富的信息,不容易出现磨损,这点好于指纹；掌纹识别的识别精度比人脸识别要高；签名识别会受到人自身情绪和外界因素影响,所以掌纹在稳定性方面要高于签名识别。但是掌纹识别发展较晚,还没有像虹膜、人脸、指纹识别那样得到广泛的关注和研究。一个掌纹识别系统包括图像预处理、特征提取和分类器设计等几个模块。本论文针对掌纹的具体特点,对掌纹识别系统中预处理与特征提取的两个模块的算法进行了深入的研究。掌纹的定位分割是掌纹图像处理中十分重要的环节,它的好坏效果直接会影响到之后的特征提取和特征匹配。本文分析了掌纹定位分割常用的方法,由于掌纹图像的特殊性,这些方法在实际应用中并不适宜,本文在经典方法的基础上,对经典算法做了修改和延伸,研究了更适合掌纹图像定位分割的方法,将轮廓信息和局部区域信息作为参考条件加入算法中,将包含关键点的区域从原图像中划分出来,并做实验进行验证,效果良好。本文根据小波的多分辨率特性,将掌纹图像在不同尺度下进行分解,由于掌纹线和乳突纹的强度在不同尺度下的分布特性：掌纹线不具有振荡性,而乳突纹具有一定的振荡性,对于振荡信号,大尺度的小波系数比与振荡频率相对应的小尺度系数要小得多；而对于非振荡信号,小波系数会随着小波分解的尺度增加而增加。根据这个特性本文将掌纹小波能量作为特征进行提取。而且依据掌纹各构件在不同尺度下的分解,本文将各构件在不同尺度之间能量的比值作为掌纹特征进行特征提取,并做仿真实验验证了本方法的有效性。