掌纹图像多级特征提取与识别算法研究

发布时间：2021-07-16 17:00

　　掌纹识别作为一种相对较新的生物特征识别技术成为近年来的研究热点。一般来讲,掌纹识别技术与掌纹图像类型密切相关,而掌纹图像具有典型的多样性特点。按照分辨率来分,掌纹图像可以分为低分辨率图像和高分辨率图像;按照采集方式来分,掌纹图像可分为接触式的掌纹图像和非接触式掌纹图像;按照维度来分,掌纹图像可分为二维（2D）掌纹图像和三维（3D）的掌纹图像。不同类型的掌纹图像凸显的掌纹特征也不尽相同,比如,低分辨率掌纹图像主要描述掌纹的线和纹理特征,高分辨率掌纹图像凸显掌纹的细节点特征,而3D掌纹图像则主要表示掌纹表面的结构信息。因此,有必要针对不同类型的掌纹图像设计不同的掌纹特征提取和识别方法。本文首先将掌纹图像系统地划分为四种类型:低分辨率接触式掌纹图像,低分辨率非接触式掌纹图像,高分辨率掌纹图像和3D掌纹图像。然后针对四种类型的掌纹图像,分别深入研究它们的特点并设计相应的掌纹特征提取和识别方法。本文的工作主要包括以下四个方面:（1）针对低分辨率接触式掌纹图像识别,提出了一种基于相邻方向指示的掌纹识别方法和一种基于半方向的掌纹识别方法。掌纹方向特征广泛应用在低分辨率掌纹图像识别当中。然而,传统的基... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：139 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 掌纹识别研究现状
    1.3 掌纹主要特征
    1.4 掌纹图像分类
    1.5 掌纹识别方法概述
        1.5.1 基于线特征的掌纹识别方法
        1.5.2 基于纹理方向的掌纹识别方法
        1.5.3 基于细节特征点的掌纹识别方法
        1.5.4 基于图像识别的方法
    1.6 本文主要研究内容
    1.7 本文结构安排
第2章 基于相邻方向指示的低分辨率掌纹图像识别方法
    2.1 引言
    2.2 掌纹ROI提取过程
    2.3 掌纹相邻方向指示提取与识别
        2.3.1 掌纹方向特征提取过程
        2.3.2 掌纹相邻方向指示
        2.3.3 掌纹相邻方向指示提取
        2.3.4 掌纹相邻方向指示识别
        2.3.5 掌纹相邻方向指示特征分析
    2.4 实验结果
        2.4.1 低分辨率掌纹图像数据库介绍
        2.4.2 掌纹认证
        2.4.3 掌纹识别
        2.4.4 多光谱掌纹图像融合性能分析
        2.4.5 Rank层融合性能分析
        2.4.6 基于卷积响应关系的特征分析
        2.4.7 计算时间对比
    2.5 本章小结
第3章 低分辨率掌纹图像半方向特征提取
    3.1 引言
    3.2 掌纹图像的双半方向特征
    3.3 掌纹图像半方向特征提取与匹配
        3.3.1 Half-Gabor滤波器
        3.3.2 掌纹图像半方向特征提取
        3.3.3 Half-Gabor滤波器的T值分析
        3.3.4 掌纹双半方向特征识别
    3.4 实验结果
        3.4.1 实验掌纹图像数据库介绍
        3.4.2 掌纹图像双半方向特征差异分析
        3.4.3 掌纹认证
        3.4.4 掌纹识别
        3.4.5 计算时间对比
        3.4.6 掌纹半方向特征和相邻方向指示区别
    3.5 本章小结
第4章 基于低秩表示和主线距离融合的非接触式掌纹识别方法
    4.1 引言
    4.2 掌纹图像主线特征提取
    4.3 基于主线距离约束的掌纹图像的低秩表示
        4.3.1 主线距离
        4.3.2 主线距离约束的低秩表示模型
        4.3.3 模型求解
        4.3.4 算法复杂度分析
        4.3.5 基于LRRIPLD模型的掌纹识别
    4.4 实验结果
        4.4.1 非接触式掌纹图像数据库介绍
        4.4.2 IITD掌纹库实验结果
        4.4.3 GPDS掌纹库实验结果
        4.4.4 CASIA掌纹库实验结果
        4.4.5 含噪声掌纹库实验结果
        4.4.6 计算时间对比
        4.4.7 实验结果分析
    4.5 本章小结
第5章 一种针对高分辨率掌纹图像的特征提取及匹配方法
    5.1 引言
    5.2 高分辨率掌纹图像特征提取
        5.2.1 高分辨率掌纹图像ROI提取
        5.2.2 脊方向图提取
        5.2.3 掌纹脊频率计算
        5.2.4 掌纹图像增强预处理
        5.2.5 掌纹细节特征点提取
    5.3 高分辨率掌纹图像特征识别
        5.3.1 基于主导脊方向的掌纹图像角度对齐
        5.3.2 掌纹位置对齐
        5.3.3 掌纹细节特征点匹配
    5.4 实验结果
        5.4.1 高分辨率掌纹图像数据库介绍
        5.4.2 掌纹认证
        5.4.3 掌纹识别
    5.5 本章小结
第6章 基于增强竞争编码和曲面类型的 3D掌纹识别方法
    6.1 引言
    6.2 3D掌纹图像曲率特征提取
        6.2.1 高斯曲率和均值曲率
        6.2.2 曲率计算及曲率图
        6.2.3 曲面类型
    6.3 增强竞争编码与曲面类型融合方法
        6.3.1 增强竞争编码方法
        6.3.2 曲面类型直方图
        6.3.3 增强竞争编码与曲面类型直方图融合识别
    6.4 实验结果
        6.4.1 3D掌纹图像数据库介绍
        6.4.2 3D掌纹图像认证
        6.4.3 3D掌纹图像识别
        6.4.4 增强竞争编码与传统竞争编码性能比较
        6.4.5 计算时间对比
    6.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其他成果
致谢
个人简历


【参考文献】：
期刊论文
[1]基于非接触采集下的鲁棒掌纹识别[J]. 桑海峰,马月施,黄静.  沈阳工业大学学报. 2013(02)
[2]非接触式掌纹识别中的图像复原方法[J]. 吴丹阳,张忠波,马驷良.  吉林大学学报(理学版). 2008(02)

博士论文
[1]面向身份识别的掌纹特征提取和匹配方法研究[D]. 岳峰.哈尔滨工业大学 2010
[2]掌纹识别关键技术研究[D]. 贾伟.中国科学技术大学 2008



本文编号：3287400