论文部分内容阅读
手掌特征识别是利用人体手掌器官的特有生物表征进行身份鉴别的技术。与人脸、语音等其他生物特征相比，手掌特征具有独特性好、稳定性强、易采集等优势，其中的指纹是应用最为广泛的一种身份识别用生物特征。近年来，掌纹特征因其与指纹类似的可识别性能，成为新的身份识别研究热点。本文在总结了掌纹识别技术的发展现状后，明确了现有研究的缺点和不足，并主要利用新的手掌纹路特征——手指中线灰度特征，进行了身份识别研究。
由王守觉院士提出的仿生模式识别方法是以特征空间中类内样本的同源连续性原理为基础，以对同类样本子空间的最佳覆盖为目标的识别方法。与传统模式识别方法基于不同类别的划分方法不同，仿生模式识别的出发点是对特定样本类的“认识”，这决定了其具有识别性能好、安全性高、适用于小训练样本集、训练方法简单、学习能力强等优点。本文将仿生模式识别方法用于手掌特征的分类识别，并取得了很好的效果。
在样本特征获取阶段，论文工作改进了原有的手掌采集系统软硬件；提出了基于肤色分割和修正重心极坐标计算的手掌区域分割定位算法，本算法可用于不限手掌大小、左右、放置位置和放置角度的手掌感兴趣区域的精确定位；改进了手指中线灰度特征提取算法，使手指边缘线拟合更加准确，所提取的手指中线灰度特征具有更好的精确性和稳定性；实现了以手指等距横截宽度为主的手形特征提取。
本论文实现了基于仿生模式识别的超香肠最小生成树网络，并用其进行手掌识别计算，与支撑向量机等常用方法进行的对比实验结果表明，仿生模式识别方法具有很高的正确识别率和系统安全性，分类计算复杂度低，算法学习能力强。本文进一步利用手指中线灰度特征和手形特征相结合，实现了手掌复合特征识别系统，使识别率得到进一步的提高，复合特征识别的尝试对今后的工作有一定的指导意义。