基于方向距离特征的掌纹识别方法研究
发布时间：2021-07-20 13:55
掌纹识别技术作为生物识别技术的一种,近年来受到了越来越多的研究者的关注,掌纹识别技术不仅满足生物识别技术要求的普遍性,唯一性和可采集性,同时具有特征丰富,易采集和用户友好等独特的优势。随着当代社会对生物识别技术的要求越来越高,如何发挥掌纹识别的优势,构建鲁棒性高,同时安全有效的掌纹识别系统是当今掌纹识别研究的主要研究方向。利用掌纹方向特征进行识别是掌纹识别的主要方法之一,然而在掌纹方向特征选择方面,使用单方向的特征会使特征的鲁棒性较差,使用多方向的特征又常常因计算量过导致不能满足实时性的要求。同时,在掌纹匹配算法中,传统的一对一掌纹认证算法已经无法满足一对多的掌纹识别任务,基于稀疏表示的方法被证明可以有效解决这种一对多识别问题,它也成为了解决掌纹识别任务的突破口。针对上述掌纹识别中的鲁棒性、识别效率的问题,本文的主要工作包含如下内容:首先,研究并提出一种基于方向距离的掌纹特征。基于方向距离的旋转不变性,通过利用一组不同方向的线性滤波器分别与掌纹图像进行卷积计算,然后计算最强响应方向与最弱响应方向之间的距离,得到方向编码距离和方向响应距离。接下来单独将得到的方向编码距离与主方向编码特征融...
【文章来源】：广东工业大学广东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
来自不同掌纹
第二章掌纹识别概述11（b）IITD数据库中的典型ROI图像（c）GPDS数据库中的典型ROI图像图2-4来自不同掌纹数据库的典型ROI图像Fig.2-4TypicalROIimagesfromdifferentpalmprintdatabases2.3掌纹图像预处理对于数据库中的掌纹图像，我们需要对其进行预处理，预处理的目的在于对不同的掌纹图像进行对齐，同时提取掌纹的中心部分作为掌纹ROI图像。对掌纹图像进行对齐通常利用建立坐标系来实现，掌纹ROI图像的提取目的是去除图像中与掌纹无关的部分，这部分通常包括手掌的边缘部分，不属于掌纹图像的外部环境，这部分图像不仅对掌纹识别无用甚至可能严重影响识别效率。同时，通过ROI图像的提取，我们还可以去除掌纹图像采集过程中产生的一部分噪声对掌纹识别系统的影响，提高掌纹识别系统的准确率。当前有多种方法可以用来提取掌纹ROI图像，最常用的办法是建立掌纹坐标系来进行提龋建立掌纹坐标系来进行掌纹ROI图像提取先利用手掌中固有的几个点的连线来构建坐标系[8]，然后通过建立的坐标系提取手掌的中心区域作为ROI图像，主要包括以下几个步骤：步骤一：通过低通高斯滤波器对掌纹图像的噪声进行平滑，并通过设定一个阈值将平滑后掌纹图像转化为二值图像，如图2-5（b）所示。步骤二：利用边缘检测算法来找到掌纹的边缘线，同时检测出建立坐标系要使用的基准点，即食指与中指的指缝和小指与无名指的指缝，如图2-5（c）所示。步骤三：通过连接上一步骤产生的基准点作为Y轴，同时以两个基准点的中点为原点对Y轴做垂线构建X轴，构建的坐标轴如图2-5（d）所示。步骤四：沿着X轴向掌纹的中心区域移动一段距离找到一个点，距离长度为两个基准点之间距离的3/4，并以此点为中心构建一个正方形的区域，正方形边长为两个基准
广东工业大学硕士学位论文12点之间的距离，最终将这块区域裁剪出来作为掌纹ROI图像。最终提取出的掌纹ROI图像如图2-5（f）所示（a）原始图像（b）二值图像（c）边界检测（d）建立坐标系（e）提取中央部分（f）ROI图像图2-5ROI图像提取的基本流程Fig.2-5BasicprocedureofROIimageextraction2.4掌纹特征提取掌纹中包含着丰富多样的特征，通过特定的掌纹特征提取方法，将掌纹中拥有高安全性和稳定性的特征提取出来用于掌纹识别系统。由上一章我们了解到掌纹中的特征有各自对应提取和处理方法，而在掌纹特征中包含最丰富的信息是方向信息，这些方向特征区分能力强，同时相比于其他特征不易随着年龄，工作等原因被消磨而失去辨别能力，是掌纹识别中最受青睐的一种特征。本文主要研究对方向特征加以分析和改进，为了提取掌纹中的方向特征，常使用的办法是通过一组具有线性结构的滤波器来对掌纹图像进行滤波操作，同时为了计算方便，需要将提取到的方向特征转化为特征向量。一般方向特征存在以下几种表达办法：方向编码方法，特征描述子方法。（1）基于方向编码的方法基于方向编码的方法通常先将每个滤波器的方向进行编号，接着将提取到的方向特征的方向序号进行二进制编码。基于方向编码的方法，通常选取一个或者多个方向进行编码，经典的选取单个方向进行编码的方法主要有CompetitiveCode[9]，OrdinalCode[10]，RLOC[35]，采取单个方向进行编码通常特征提取速度快，但是会丢
【参考文献】：
博士论文
[1]掌纹图像多级特征提取与识别算法研究[D]. 费伦科.哈尔滨工业大学 2017
[2]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
[3]掌纹识别关键技术研究[D]. 贾伟.中国科学技术大学 2008
硕士论文
[1]融合多种方向特征的掌纹识别算法研究[D]. 陈晓蔓.合肥工业大学 2019
本文编号：3292951
【文章来源】：广东工业大学广东省
【文章页数】：60 页
【学位级别】：硕士
【部分图文】：
来自不同掌纹
第二章掌纹识别概述11（b）IITD数据库中的典型ROI图像（c）GPDS数据库中的典型ROI图像图2-4来自不同掌纹数据库的典型ROI图像Fig.2-4TypicalROIimagesfromdifferentpalmprintdatabases2.3掌纹图像预处理对于数据库中的掌纹图像，我们需要对其进行预处理，预处理的目的在于对不同的掌纹图像进行对齐，同时提取掌纹的中心部分作为掌纹ROI图像。对掌纹图像进行对齐通常利用建立坐标系来实现，掌纹ROI图像的提取目的是去除图像中与掌纹无关的部分，这部分通常包括手掌的边缘部分，不属于掌纹图像的外部环境，这部分图像不仅对掌纹识别无用甚至可能严重影响识别效率。同时，通过ROI图像的提取，我们还可以去除掌纹图像采集过程中产生的一部分噪声对掌纹识别系统的影响，提高掌纹识别系统的准确率。当前有多种方法可以用来提取掌纹ROI图像，最常用的办法是建立掌纹坐标系来进行提龋建立掌纹坐标系来进行掌纹ROI图像提取先利用手掌中固有的几个点的连线来构建坐标系[8]，然后通过建立的坐标系提取手掌的中心区域作为ROI图像，主要包括以下几个步骤：步骤一：通过低通高斯滤波器对掌纹图像的噪声进行平滑，并通过设定一个阈值将平滑后掌纹图像转化为二值图像，如图2-5（b）所示。步骤二：利用边缘检测算法来找到掌纹的边缘线，同时检测出建立坐标系要使用的基准点，即食指与中指的指缝和小指与无名指的指缝，如图2-5（c）所示。步骤三：通过连接上一步骤产生的基准点作为Y轴，同时以两个基准点的中点为原点对Y轴做垂线构建X轴，构建的坐标轴如图2-5（d）所示。步骤四：沿着X轴向掌纹的中心区域移动一段距离找到一个点，距离长度为两个基准点之间距离的3/4，并以此点为中心构建一个正方形的区域，正方形边长为两个基准
广东工业大学硕士学位论文12点之间的距离，最终将这块区域裁剪出来作为掌纹ROI图像。最终提取出的掌纹ROI图像如图2-5（f）所示（a）原始图像（b）二值图像（c）边界检测（d）建立坐标系（e）提取中央部分（f）ROI图像图2-5ROI图像提取的基本流程Fig.2-5BasicprocedureofROIimageextraction2.4掌纹特征提取掌纹中包含着丰富多样的特征，通过特定的掌纹特征提取方法，将掌纹中拥有高安全性和稳定性的特征提取出来用于掌纹识别系统。由上一章我们了解到掌纹中的特征有各自对应提取和处理方法，而在掌纹特征中包含最丰富的信息是方向信息，这些方向特征区分能力强，同时相比于其他特征不易随着年龄，工作等原因被消磨而失去辨别能力，是掌纹识别中最受青睐的一种特征。本文主要研究对方向特征加以分析和改进，为了提取掌纹中的方向特征，常使用的办法是通过一组具有线性结构的滤波器来对掌纹图像进行滤波操作，同时为了计算方便，需要将提取到的方向特征转化为特征向量。一般方向特征存在以下几种表达办法：方向编码方法，特征描述子方法。（1）基于方向编码的方法基于方向编码的方法通常先将每个滤波器的方向进行编号，接着将提取到的方向特征的方向序号进行二进制编码。基于方向编码的方法，通常选取一个或者多个方向进行编码，经典的选取单个方向进行编码的方法主要有CompetitiveCode[9]，OrdinalCode[10]，RLOC[35]，采取单个方向进行编码通常特征提取速度快，但是会丢
【参考文献】：
博士论文
[1]掌纹图像多级特征提取与识别算法研究[D]. 费伦科.哈尔滨工业大学 2017
[2]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
[3]掌纹识别关键技术研究[D]. 贾伟.中国科学技术大学 2008
硕士论文
[1]融合多种方向特征的掌纹识别算法研究[D]. 陈晓蔓.合肥工业大学 2019
本文编号：3292951
本文链接：https://www.wllwen.com/yixuelunwen/swyx/3292951.html
