论文部分内容阅读
近年来，生物特征识别技术已经受到越来越多的研究和关注，它可以为我们提供一种有效且可靠的个人身份识别方法。作为一种相对较新的生物特征，掌纹识别由于具有分辨力强、对用户友好、特征丰富等特点近来受到越来越多的国内外学者的关注。虽然二维掌纹识别具有易于采集、成本低的优点，但是二维掌纹图像容易受光照变化、角度翻转以及表面脏污的影响且可能被伪造的假手掌欺骗。三维掌纹识别技术在一定程度上克服了上述二维掌纹识别技术的瓶颈，成为国内外的研究热点。三维掌纹描述的是掌纹的结构特征，不再受光照、角度等限制，但手掌的形变及外部噪声仍然不可避免，因此挖掘三维掌纹中具有高分辨力和稳定性的内在特征，以及设计对形变及噪声鲁棒的特征表示形式是三维掌纹识别的关键问题。本文在对三维掌纹特征深入分析的基础上，针对基于多特征的三维掌纹识别算法进行研究。本文主要的研究工作与创新点如下：
（一）提出一种基于掌纹多级特征SSM和协同表示模型的三维掌纹识别方法：
1）提出对形状指数进行离散编码，称为形状指数编码（SIC），与曲面类型（ST）共同来表征三维掌纹的几何特征。由于ST是一种基于阈值的分类编码，处于阈值附近的点由于形变和噪声干扰而容易被误判，因而导致几何特征表达的不准确性。本文利用SIC与ST之间的互补性，可以有效地克服上述问题。
2）提出一种多尺度的改进竞争编码（MSMCC），相比于单个尺度的Gabor滤波器， MSMCC可以获取更全面的方向信息；相比于传统的竞争编码，MSMCC将掌纹分成平坦区域和正常区域，对位于平坦区域内的点进行统一编码，有效地在区分性和稳定性之间达到一个平衡。实验表明MSMCC可以更好地表达掌纹的方向特征。
3）将ST、SIC以及MSMCC特征（合称SSM特征）在决策层融合，比较了四种分类模型与上述SSM特征结合的性能，分别是SVM、GoogleNet、稀疏表示和协同表示。综合考虑识别率和计算效率，最终选择多字典的协同表示模型，进一步提高了算法的准确性和鲁棒性。实验表明，所提方法可以在获得较高的识别准确率的同时，维持较低的计算复杂度，尤其适合于大规模样本的掌纹识别应用场景。
（二）提出一种基于多点投票局部三值模式的三维掌纹识别方法：
1）掌纹因其为非刚性物体的特点，在采集样本时容易受到形变及噪声的影响，相关的识别技术在提取局部描述符时未能充分地发挥局部多领域点的信息，本文提出的基于多点投票的局部三值模式（MPVTP）由于利用了多点投票的机制，面对这种局部形变时能够保持较高的稳定性，尤其适合于掌纹识别。
2）将MPVTP和曲面类型、形状指数编码及竞争编码特征结合，形成三维掌纹的多级完全三值表示（CMPVTR）并将其应用于三维掌纹识别。对MPVTP的层级以及组内投票点数量进行了内部对比实验，并通过MPVTP的组合实验证明组合使用MPVTP能够进一步提高算法的精度。在三维掌纹公开数据库进行对比实验，所提方法 Rank-1 识别率可达99.59%且EER仅为2.32%。
（三）MPVTP 是一种对局部变化鲁棒的特征描述符，可以结合各种已有特征来进一步提取分辨力更强、稳定性更高的特征表示。本文将第二章与第三章算法进行了交叉对比实验，实验结果表明将三维掌纹的典型特征与MPVTP结合后，算法的Rank-1准确率提高2.46%，EER降低0.55%，但是CMPVTR需要更长的特征提取时间与掌纹匹配时间。所以，本文所提出的两种三维掌纹识别算法有着各自的优势和缺点，可以满足不同应用场景的需求。
（一）提出一种基于掌纹多级特征SSM和协同表示模型的三维掌纹识别方法：
1）提出对形状指数进行离散编码，称为形状指数编码（SIC），与曲面类型（ST）共同来表征三维掌纹的几何特征。由于ST是一种基于阈值的分类编码，处于阈值附近的点由于形变和噪声干扰而容易被误判，因而导致几何特征表达的不准确性。本文利用SIC与ST之间的互补性，可以有效地克服上述问题。
2）提出一种多尺度的改进竞争编码（MSMCC），相比于单个尺度的Gabor滤波器， MSMCC可以获取更全面的方向信息；相比于传统的竞争编码，MSMCC将掌纹分成平坦区域和正常区域，对位于平坦区域内的点进行统一编码，有效地在区分性和稳定性之间达到一个平衡。实验表明MSMCC可以更好地表达掌纹的方向特征。
3）将ST、SIC以及MSMCC特征（合称SSM特征）在决策层融合，比较了四种分类模型与上述SSM特征结合的性能，分别是SVM、GoogleNet、稀疏表示和协同表示。综合考虑识别率和计算效率，最终选择多字典的协同表示模型，进一步提高了算法的准确性和鲁棒性。实验表明，所提方法可以在获得较高的识别准确率的同时，维持较低的计算复杂度，尤其适合于大规模样本的掌纹识别应用场景。
（二）提出一种基于多点投票局部三值模式的三维掌纹识别方法：
1）掌纹因其为非刚性物体的特点，在采集样本时容易受到形变及噪声的影响，相关的识别技术在提取局部描述符时未能充分地发挥局部多领域点的信息，本文提出的基于多点投票的局部三值模式（MPVTP）由于利用了多点投票的机制，面对这种局部形变时能够保持较高的稳定性，尤其适合于掌纹识别。
2）将MPVTP和曲面类型、形状指数编码及竞争编码特征结合，形成三维掌纹的多级完全三值表示（CMPVTR）并将其应用于三维掌纹识别。对MPVTP的层级以及组内投票点数量进行了内部对比实验，并通过MPVTP的组合实验证明组合使用MPVTP能够进一步提高算法的精度。在三维掌纹公开数据库进行对比实验，所提方法 Rank-1 识别率可达99.59%且EER仅为2.32%。
（三）MPVTP 是一种对局部变化鲁棒的特征描述符，可以结合各种已有特征来进一步提取分辨力更强、稳定性更高的特征表示。本文将第二章与第三章算法进行了交叉对比实验，实验结果表明将三维掌纹的典型特征与MPVTP结合后，算法的Rank-1准确率提高2.46%，EER降低0.55%，但是CMPVTR需要更长的特征提取时间与掌纹匹配时间。所以，本文所提出的两种三维掌纹识别算法有着各自的优势和缺点，可以满足不同应用场景的需求。