掌纹与掌静脉融合算法研究与实现

论文摘要

本论文主要研究掌纹与掌静脉的融合算法,并在此算法的基础上实现了一套生物认证系统。此掌纹与掌静脉融合算法的特点是：1.本论文提出了一种改进的基于灰度差的线特征提取算法,并利用该线特征提取算法分别提取掌纹的线特征与掌静脉的线特征,将提取到的线特征进行融合。经实验证明,该算法可以很好地从掌纹图像或是掌静脉图像中提取到线特征。2.由于掌纹线特征与掌静脉线特征均是由一种算法提取而来,其数据结构相同,易于在特征级进行融合。本论文采用的特征级融合方法是将这两种线特征在空间域进行叠加。实验证明,掌纹与掌静脉的融合有效地提高了系统的性能。基于以上算法本论文实现了一套生物认证系统,主要包括以下几个部分：采集器的设计、认证系统的构架及该系统的应用。拥有两种光源的采集器既可以采集掌纹图像,同时又可以采集掌静脉图像。认证系统可以实现注册与认证功能,同时可以实现注册样本的分类存储。该认证系统的应用主要是实现了可以把注册得到的特征数据存储到智能卡中,实现防伪,保证信息的安全。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 序
• 1 绪论
• 1.1 课题研究的背景和意义
• 1.2 掌纹与掌静脉的研究
• 1.2.1 研究现状
• 1.2.2 掌纹特征提取
• 1.2.3 掌静脉特征提取
• 1.3 掌纹与掌静脉特征级融合的问题
• 1.4 论文的主要工作
• 1.4.1 主要工作
• 1.4.2 实验用数据库
• 1.4.3 内容安排
• 2 采集器设计
• 2.1 采集器光源
• 2.2 采集器电路
• 2.3 采集器结构
• 2.4 实验结果
• 2.5 本章小结
• 3 预处理
• 3.1 提取ROI区域
• 3.2 滤波去噪
• 3.3 本章小结
• 4 线特征提取
• 4.1 改进的基于灰度差的线特征提取算法
• 4.2 形态学操作
• 4.3 细化
• 4.4 静脉网络特征提取
• 4.5 掌纹线特征提取
• 4.6 本章小结
• 5 特征级融合
• 5.1 特征级融合对比
• 5.2 掌纹与掌静脉的特征级融合
• 5.3 实验结果
• 5.4 本章小结
• 6 认证系统结构及其功能
• 6.1 系统框图
• 6.2 系统功能
• 7 结论
• 7.1 工作总结
• 7.2 今后的工作
• 参考文献
• 作者简历
• 学位论文数据集