基于复杂网络与多小波的掌纹识别方法

发布时间：2017-10-15 05:39

  本文关键词：基于复杂网络与多小波的掌纹识别方法

  更多相关文章： 掌纹识别 CL多小波 图像二值化 复杂网络

【摘要】：当前生物识别技术在信息安全问题中受到越来越多的关注。相比其它生物特征,掌纹识别技术具有采样简单、容易被用户接受、不需要高精度仪器采样与识别等优点。在以往的掌纹识别技术中,通常使用掌纹图像全部的信息,事实上,决定掌纹身份信息的主要因素是其中的纹线与皱褶特征,通过识别掌纹纹线与皱褶就可以达到掌纹识别的目的。在提取纹线与皱褶特征时噪声会严重影响生成图像的质量,CL多小波因其优良的性质不但可以很好地滤除高频噪声,并且还能够提取出不同方向的纹线与皱褶特征,因此本文采用CL多小波结合均值窗口法将掌纹图像转化为二值纹线图像完成掌纹特征的初步提取。鉴于复杂网络可以很好地描述图像的拓扑结构,进一步将二值纹线图像通过选择不同的阈值形成一系列动态演变的网络,通过对网络的描述实现对纹线结构的描述,提出基于多小波与复杂网络的掌纹识别。主要研究工作如下:1)提出基于CL多小波与均值窗口法的初级掌纹图像特征提取方法。在CL多小波分解图像中,有用信息主要包含在低频分量对应预滤波生成的低频、水平、垂直分量的子图LL1、LL2与LL3中,使用均值窗口法提取图像低频分量的局部纹路信息可以在最大程度上保留掌纹纹路信息,完成掌纹特征的初步提取。2)介绍复杂网络的基本概念,选取描述网络时使用的度量。3)提出基于CL多小波与复杂网络的掌纹识别方法。使用CL多小波与均值窗口法生成二值纹线图像,然后将二值子图BLL_1、BLL_2与BLL3拼接起来完成初级特征的提取;根据二值纹线图像以不同阈值生成一系列网络,计算网络的平均度、最大度、度的标准差与度的平均能量作为掌纹的次级特征;再将次级特征通过LDA(Linear Discriminant Analysis)降维得到最终特征;最后使用最近邻(NN,Nearest Neighbor)分类器进行分类。4)提出一种改进的基于复杂网络局部优化的多小波特征提取方法。在3)的方法中总体使用了三个分量信息进行了网络建模,同时包含了它们的自身结构信息与相对位置信息。但子图BLL_1更多地反应了掌纹纹线与皱褶信息,而3)中方法并不能突出这一特点,因此在提取拼接图像信息的基础上,本方法进一步提取子图BLL_1的掌纹全局信息与子图BLL_1的四分图像的局部信息。通过分析与实验确定了采用平均度和标准差作为网络度量,结果表明改进方法降低了28%的特征维数并显著的提高了识别效果。本文采用CASIA(Institute of Automation of,Chinese Academy of Sciences)库进行实验,通过与传统方法对比证明了本文方法可以有效地进行掌纹识别。
【关键词】：掌纹识别 CL多小波 图像二值化 复杂网络
【学位授予单位】：青岛理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;O157.5
【目录】：

• 摘要8-10
• Abstract10-12
• 第1章 绪论12-19
• 1.1 掌纹识别的研究背景和意义12-13
• 1.2 国内外研究现状13-18
• 1.2.1 掌纹图像采集14
• 1.2.2 掌纹图像预处理14-16
• 1.2.3 掌纹图像特征提取16-17
• 1.2.4 掌纹图像分类识别17-18
• 1.3 本文的主要工作与内容安排18-19
• 第2章 基于多小波的掌纹特征增强方法19-26
• 2.1 多小波与多分辨分析19-22
• 2.1.1 多分辨分析与尺度函数19-21
• 2.1.2 小波函数与多小波21-22
• 2.2 本文基于多小波的掌纹图像增强方法22-25
• 2.2.1 多小波分解22-24
• 2.2.2 均值窗口法24-25
• 2.3 本章小结25-26
• 第3章 基于复杂网络的统计特征提取26-33
• 3.1 图26-28
• 3.1.1 Konigsberg七桥问题26-27
• 3.1.2 网络的图表示27-28
• 3.2 复杂网络描述的基本概念28-31
• 3.2.1 平均路径长度28
• 3.2.2 聚集系数28-29
• 3.2.3 度与度分布29-31
• 3.3 本文使用的复杂网络度量31-32
• 3.4 本章小结32-33
• 第4章 基于多小波与复杂网络的掌纹特征提取33-41
• 4.1 掌纹特征的初步提取34
• 4.2 基于欧式距离的动态演变的复杂网络的建模方法34-36
• 4.3 基于多小波与复杂网络的掌纹特征提取方法36-38
• 4.4 仿真实验和结果38-39
• 4.4.1 复杂网络建模阈值选取38
• 4.4.2 方法比较38-39
• 4.5 本章小结39-41
• 第5章 基于复杂网络局部优化多小波特征提取41-49
• 5.1 基于复杂网络的多组掌纹特征提取41-43
• 5.2 基于复杂网络局部优化多小波特征提取方法43-45
• 5.3 仿真实验和结果45-47
• 5.3.1 均值窗口法中窗口大小选取46
• 5.3.2 复杂网络建模阈值选取46-47
• 5.3.3 实验结果比较47
• 5.4 本章小结47-49
• 第6章 总结与展望49-51
• 6.1 论文总结49
• 6.2 研究展望49-51
• 参考文献51-55
• 攻读硕士学位期间发表的学术论文及科研工作55-56
• 致谢56

【相似文献】

中国期刊全文数据库 前10条

1 李彬;;用掌纹开门[J];科学之友(上半月);2014年02期

2 苑玮琦;曲晓峰;柯丽;黄静;;主成分分析重建误差掌纹识别方法[J];光学学报;2008年10期

3 闫琳;侯晓荣;;一种新型在线掌纹主线的提取方法[J];宁波大学学报(理工版);2008年04期

4 李莉;;基于小波多分辨率分析的掌纹分割算法研究[J];湘潭大学自然科学学报;2012年01期

5 田建武;吴一璞;郭冉;徐丹;;基于支持向量机的掌纹识别研究[J];云南大学学报(自然科学版);2006年S2期

6 郭金玉;苑玮琦;;基于局部保持投影的掌纹识别[J];光学学报;2008年10期

7 周雨阳;阿勇;吴敏;文成明;;高分辨率捺印掌纹的自动分割[J];中国科学院研究生院学报;2012年03期

8 ;动态点击[J];科学24小时;2008年04期

9 李正民;李安南;卢光明;;一种改进的掌纹定位算法[J];郑州大学学报(理学版);2007年01期

10 吴春生;冯才刚;迟学斌;;刑侦领域高分辨率掌纹识别技术及快速匹配方法[J];中国科学院大学学报;2014年04期

中国重要会议论文全文数据库 前5条

1 明泉水;孙季丰;;一种新的掌纹定位方法[A];2009年中国高校通信类院系学术研讨会论文集[C];2009年

2 魏骁勇;徐丹;袁国武;;基于组合特征的掌纹识别技术[A];第十二届全国图象图形学学术会议论文集[C];2005年

3 许慧;林家恒;刘增晓;;掌纹识别技术研究进展[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

4 李嘉伟;孙明;;基于图像处理的掌纹识别技术研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年

5 吴释培;沈琳琳;郑松浩;何金文;;达·芬奇TMS320DM6446 DMSoC平台双核通信的研究与实现[A];第十五届计算机工程与工艺年会暨第一届微处理器技术论坛论文集（A辑）[C];2011年

中国重要报纸全文数据库 前5条

1 ;英特尔展示掌纹识别技术解决安全问题[N];中国电脑教育报;2012年

2 卢光明邋记者 刘传书;我研制成功世界首套高精度自动掌纹识别系统[N];科技日报;2008年

3 周基东 张明新;生物防伪 大势所趋[N];人民公安报;2000年

4 本报记者 马爱平;科海搏击 铸就金鹰[N];科技日报;2011年

5 编译 杜龙德;扔掉你的密码[N];电脑报;2004年

中国博士学位论文全文数据库 前10条

1 赵秋实;非接触式掌纹识别关键问题研究[D];哈尔滨工业大学;2014年

2 康冰;基于身体健康状况表征的人体掌部精细纹路和颜色提取算法研究[D];吉林大学;2016年

3 崔金荣;基于多光谱和2D/3D掌纹的识别与融合方法研究[D];哈尔滨工业大学;2015年

4 贾伟;掌纹识别关键技术研究[D];中国科学技术大学;2008年

5 潘新;掌纹识别关键算法的研究[D];北京交通大学;2009年

6 林森;非理想条件下掌纹识别方法研究[D];沈阳工业大学;2013年

7 郭秀梅;掌纹识别算法的研究[D];山东大学;2014年

8 张建新;自动掌纹识别理论和算法研究[D];大连理工大学;2009年

9 郭金玉;基于子空间法的掌纹识别研究[D];沈阳工业大学;2009年

10 冷璐;可撤除掌纹识别与认证技术研究[D];西南交通大学;2012年

中国硕士学位论文全文数据库 前10条

1 瞿遥;基于同态加密的掌纹认证研究[D];西南交通大学;2015年

2 刘刚;非接触式可撤销手掌纹脉融合认证技术研究[D];南昌航空大学;2015年

3 王yN;复杂背景下的手掌图像预处理及关键区域提取技术研究[D];华侨大学;2015年

4 梁浩铭;基于云架构的大规模掌纹识别技术研究[D];哈尔滨工业大学;2015年

5 解冰;掌纹识别系统中的光源强度自动调节技术及其应用[D];哈尔滨工业大学;2014年

6 褚万星;基于角点检测与竞争编码的掌纹识别系统[D];西安电子科技大学;2014年

7 洪丹枫;鲁棒的高精度掌纹识别技术研究[D];青岛大学;2015年

8 徐云云;面向智能手机的掌纹识别技术研究[D];合肥工业大学;2015年

9 张鹏;基于特征提取的掌纹识别[D];北京理工大学;2016年

10 冯竞慧;基于旋转不变的掌纹识别系统[D];吉林大学;2016年

，

本文编号：1035428