论文部分内容阅读
随着科学技术的飞速发展,人们越来越重视信息系统的安全性问题。生物特征识别技术被认为是一种重要且可靠的解决方法而引发人们的普遍关注。Anil K.Jain和Arun Ross将生物识别技术定义为“建立一个基于该人的身体,化学或行为属性的个人身份的科学”。与以往的识别技术相比,因其具有较为突出的优势,近儿年被广泛的投入到实际应用中。掌纹识别是近几年提出的新兴的生物特征识别技术,它利用掌纹的点、线、纹理特征和几何特性来识别个人身份。相较于指纹图像、虹膜图像和语音信号等,因其具有采集设备成本低、易采集、识别精度高、识别区域广、用户接受程度好且不易伪造等特点在身份识别和权限控制方面引起了国内外研究学者的广泛关注。本文针对掌纹识别技术中的关键部分进行了详细的探讨,现把研究工作大致概括为以下几点:(1)为了提高掌纹识别系统的精确度,对掌纹图像进行良好的预处理是非常有必要的。本文首先检测出手掌上的某些角点并进行定位,然后以这些角点作为基准建立坐标系,在此坐标系的基础上进行平移、旋转的校正并切割出同定大小的区域作为感兴趣区域。该方法有效的降低了采集过程中手掌平移和旋转变化所带来的影响,提高鲁棒性,为提取掌纹特征奠定了基础。(2)提出了基于均匀模式的LBP(Uniform LocalBinary Patterns,ULBP)和协同表示的掌纹识别算法。该方法首先对掌纹图像进行预处理,然后采取ULBP算子对裁剪出的感兴趣区域进行特征提取,为了提取更多的掌纹信息,对掌纹图像进行2*2的分块处理以后再进行特征提取,将提取出的灰度特征用直方图的形式表示,最后掌纹图像的分类采用基于协同表示的分类器。实验结果表明该算法对掌纹图像的旋转平移以及亮度变化有较好的鲁棒性,且运算速度快。(3)为了在低成本下提升识别率,提出了一种基于局部方向模式(Local Direction Patterns,LDP)和概率神经网络(Probabilistic Neural Network,PNN)的掌纹识别算法。该算法首先对掌纹图像进行预处理,并将提取到的感兴趣区域进行分块处理,然后采用LDP算子进行特征提取,将每一块提取出的特征用直方图的形式描述出来,然后再将多个直方图连接为一个维数较高的直方图,最后根据概率神经网络来进行分类。实验表明该算法对掌纹图像的旋转平移和亮度变化有良好的鲁棒性,且提升识别率。