非接触条件下手部多模态生物特征融合方法的研究

发布时间：2017-05-11 03:01

  本文关键词：非接触条件下手部多模态生物特征融合方法的研究，，由笔耕文化传播整理发布。

【摘要】：人体的一些生理结构,或称其为生物特征,例如脸形、虹膜纹理、指纹、手形、掌纹等,具有唯一性,并且在相当长的时间内具有不变性,不丢失也不被忘记。近年来,在一些场合人体生物特征越来越多地用来取代容易丢失或者仿造的钥匙、各种身份证件、容易忘记或者被窃取的密码等。生物特征在公共安全和人们的日常生产生活中发挥着越来越重要的作用。多模态生物识别是一种基于信息融合技术的生物特征识别技术,应用“取长补短,优势互补”的思想。多模态生物特征识别技术能够全面、有效的提高生物特征识别系统的整体性能,具有很强的鲁棒性,能够达到单一生物特征识别无法或很难达到的品质。本文以手部多模态生物特征识别作为主要研究内容,以自制的手部多模态图像获取装置为基础,提出了嵌入式手部多模态融合问题的解决方案。本文主要工作如下:(1)针对手部生物特征中的手形、掌纹、手掌静脉等特征图像可以通过图像获取装置一次性就可被获取到的特点,在综合分析掌纹和手掌静脉成像原理的基础上,制作了可以用于验证手部多模态识别算法的基于双CCD的手部多模态图像获取装置。该装置配备包括多个波段的可见光和多个波长的近红外LED多光谱光源,而且各波长LED光源都可以根据需要灵活调节发光强度。双CCD相机可以在多个波段LED下,分别同时获取到掌纹图像和手掌静脉图像。利用该装置可以方便的获取到手部三种模态图像的样本,建立相应的图库,验证相关融合识别方法的有效性。为了能够将手部多模态生物特征识别方式更好的应用于日常生活,开发和制作了基于嵌入式系统的双摄像头手部多模态图像获取和处理系统。利用该系统可以进行低分辨率下的手部多模态图像的获取和处理,为手部多模态生物识别方式的实际应用提供了可能。同时,为了能够有效降低手部多模态图像采集所需要的LED扩展光源的体积,同时保证照射到全手掌光线的均匀性,提出利用有限个高亮度LED构建小体积LED扩展光源,然后通过透镜对小体积LED扩展光源进行光线的二次分配,最终达到光强充足和均匀的目的。本文通过对光线二次分配进行详细的理论分析、光线追踪模拟和实验,取得了比较理想的效果。(2)针对非接触条件下获取的掌纹和手掌静脉图像纹理的特点,提出了基于纹理峰谷结构的掌纹掌脉像素融合方法。首先分别将获取到的包含掌纹的全手图像和包含手掌静脉的全手图像进行方向尺寸归一化,然后在包含掌纹的全手图像中提取ROI图像。由于多模态图像采集时间极短,多模态图像在空间没有移位,因此直接利用掌纹ROI图像坐标提取手掌静脉ROI图像。对获取到的掌纹ROI图像和手掌静脉ROI图像分别进行灰度归一化。根据纹理存在的局部极小值特点和不同方向宽度关系,提取纹理结构。随后根据掌纹和掌脉纹理不同情况下的对应关系,分类进行纹理融合。最后对融合后的图像进行识别。在自制的双CCD手部多模态图像获取装置采集的图库上进行的实验结果表明,融合后的图像的识别效果好于单模态下的掌纹识别效果和掌脉识别效果。(3)针对基于双CCD的手部多模态图像获取装置在非接触条件下获取的掌纹和手掌静脉图像的特点,提出了基于小波变换的掌纹和手掌静脉高低频综合数据融合方法。首先对双CCD获取的掌纹图像和手掌静脉图像分别进行ROI提取和配准等预处理。然后按照预先选择的小波基对掌纹ROI和手掌静脉ROI图像分别进行多层小波分解。随后对掌纹和手掌静脉小波分解后的高频和低频系数按照不同策略进行融合。最后通过小波逆变换得到融合图像。实验结果表明,通过融合后的图像进行的识别效果优于单模态掌纹识别和单模态手掌静脉识别,也优于其它融合方法。(4)针对嵌入式手部多模态图像获取与处理系统存在数据处理能力有限等问题,提出在掌纹掌脉数据融合的基础上融入手形识别,即基于决策融合和数据融合的手部三模态双融合。首先利用手形识别方式的速度优势进行决策融合,即通过合适的双阈值将识别对象划分为三类:身份确认类、身份否决类和身份待定。然后根据识别对象所处的类别,决定是否需要进行基于小波变换的掌纹掌脉数据融合识别。实验结果表明,通过综合利用手部三种模态双融合,在嵌入式系统进行手部身份识别的平均时间大大缩短,识别效果有明显改善。
【关键词】：手部多模态成像 数据融合 小波变换 嵌入式系统
【学位授予单位】：沈阳工业大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要4-6
• ABSTRACT6-12
• 第1章 绪论12-24
• 1.1 课题研究目的及意义12-15
• 1.1.1 手部生物特征识别研究的意义12
• 1.1.2 手部多模态生物特征识别的意义12-15
• 1.2 国内外研究动态15-21
• 1.2.1 国内外手部特征成像及采集装置15-20
• 1.2.2 手部多模态研究现状20-21
• 1.3 目前存在的问题21
• 1.4 本文所要解决的问题和各章节内容安排21-24
• 第2章 非接触式手部多模态图像获取及处理装置24-62
• 2.1 非接触式手部多模态图像获取及处理装置的特点24
• 2.2 掌纹掌脉图像采集原理及光源波长选择24-30
• 2.2.1 静脉纹理成像原理及光源波长选择25-28
• 2.2.2 掌纹纹理成像原理及波长选择28-30
• 2.3 手部多模态图像采集中的光源均匀的必要性30-31
• 2.4 基于双CCD的手部多模态图像获取装置31-36
• 2.4.1 装置总体硬件结构31-32
• 2.4.2 光源照射均匀化32-33
• 2.4.3 图像传感器及镜头33-36
• 2.5 嵌入式双摄像头手部多模态图像获取及处理装置36-51
• 2.5.1 光源系统38-44
• 2.5.2 图像采集44-50
• 2.5.3 图像实时显示50-51
• 2.5.4 系统数据传输51
• 2.6 使光源小型化的光线二次分配光学组件51-61
• 2.6.1 理论基础52-54
• 2.6.2 光线走向分析54-59
• 2.6.3 光通量比较实验59-61
• 2.7 小结61-62
• 第3章 基于纹理峰谷结构的掌纹掌脉像素融合62-94
• 3.1 图像融合概述62-64
• 3.2 掌纹与掌脉纹理构成64-70
• 3.2.1 掌纹纹理构成64-67
• 3.2.2 掌脉纹理构成67-70
• 3.3 非接触纹理图像特点70-72
• 3.3.1 掌纹纹理图像特点70-71
• 3.3.2 静脉纹理图像特点71-72
• 3.4 掌纹掌脉图像像素融合流程72-73
• 3.5 不同时间所获图像的一致性调整73-75
• 3.6 掌纹掌脉ROI的协同提取及灰度归一化75-77
• 3.6.1 掌纹掌脉ROI的协同提取75-76
• 3.6.2 ROI区域灰度归一化76-77
• 3.7 手掌纹理峰谷结构的像素融合77-87
• 3.7.1 像素融合的目标77-78
• 3.7.2 手掌纹理结构划分78-80
• 3.7.3 基于局部灰度极小值的纹理提取方法80-83
• 3.7.4 基于纹理峰谷结构的融合策略83-87
• 3.8 融合图像的识别87-89
• 3.8.1 结构特征识别87-88
• 3.8.2 全局特征识别88-89
• 3.9 实验及分析89-92
• 3.9.1 实验图库89
• 3.9.2 实验及结果分析89-92
• 3.10 本章小结92-94
• 第4章 基于决策融合和数据融合的手部三模态双融合94-122
• 4.1 三模态双融合识别思想94-96
• 4.1.1 三模态双融合结构94-95
• 4.1.2 三模态双融合过程95-96
• 4.2 双融合中的决策融合96-99
• 4.2.1 手形特征选择依据96
• 4.2.2 手形匹配96-97
• 4.2.3 决策融合策略97-98
• 4.2.4 决策融合中双阈值与数据处理量的关系98-99
• 4.3 双融合中的掌纹掌脉高低频综合数据融合99-111
• 4.3.1 小波变换的基本理论99-104
• 4.3.2 基于小波变换的图像融合104-105
• 4.3.3 基于掌纹掌脉高低频综合的数据融合105-111
• 4.4 融合实验结果比较及分析111-120
• 4.4.1 实验图库111-112
• 4.4.2 掌纹掌脉数据层实验结果评价指标112-113
• 4.4.3 双模态和三模态实验结果及分析113-120
• 4.5 本章小结120-122
• 第5章 结论与展望122-124
• 5.1 结论122-123
• 5.2 展望123-124
• 参考文献124-132
• 在学研究成果132-134
• 致谢134

【参考文献】

中国期刊全文数据库 前10条

1 苑玮琦;荆澜涛;吴微;桑海峰;;非接触采集手形相对特征识别性能分析[J];仪器仪表学报;2013年09期

2 苑玮琦;荆澜涛;林森;桑海峰;;基于分类区分度和相关性的手形特征选择方法[J];仪器仪表学报;2013年08期

3 苑玮琦;王黎黎;张宁宁;;手部三模态图像采集系统的设计与实现[J];传感器与微系统;2013年05期

4 许良凤;林辉;胡敏;;基于差分进化算法的多模态医学图像融合[J];电子测量与仪器学报;2013年02期

5 吴微;苑玮琦;林森;孔德奇;张洪涛;;手掌静脉识别典型波长选择[J];光学学报;2012年12期

6 李兆飞;柴毅;郭茂耘;李华峰;;静态小波域内特征对比度多聚焦图像融合算法[J];重庆大学学报;2012年10期

7 郑红;郑晨;闫秀生;陈海霞;;基于剪切波变换的可见光与红外图像融合算法[J];仪器仪表学报;2012年07期

8 马军红;;基于多小波变换的区域方差图像融合方法[J];光电子技术;2012年02期

9 刘斌;刘维杰;马嘉利;;基于三通道不可分对称小波的多聚焦图像融合[J];仪器仪表学报;2012年05期

10 苑玮琦;谷宗辉;;全手掌纹5类主线特征选择方法研究[J];仪器仪表学报;2012年04期

  本文关键词：非接触条件下手部多模态生物特征融合方法的研究，由笔耕文化传播整理发布。

本文编号：356060