论文部分内容阅读
基于手形、掌纹等手部单一生物特征不可能实现完美的身份识别系统,基于手形和掌纹的双模态生物识别技术是多模态生物特征融合的一种新的研究方向。本课题在分析手形和掌纹两种特征识别技术的基础上,根据从采集的手部图像中即可获得手形特征又可获得掌纹特征的特点,利用手形匹配速度快和掌纹识别率高的优点,重点研究基于决策层的手形和掌纹的双模态身份识别方法,以满足身份识别系统构建中对精度高和速度快的应用要求。本课题的研究可以为嵌入式手部特征身份识别等系统的构建提供科学依据和技术方法,具有一定的科学价值和应用价值。课题主要研究内容如下:首先,利用手形和掌纹同为手部特征,可以从采集的手部图像中一次性提取出来的特点,本课题分别用照相机和摄像头采集了 50个同学的手部图像,建立相应的手部图像库,减少了采集复杂度。其次,通过研究发现,从一幅手部图像中提取手形和掌纹特征的前期预处理中,原始图像(640×480)灰度化、高斯滤波、二值化、形态学处理、轮廓提取和特征点定位等六个过程可以采用一次处理。利用手形和掌纹图像中有效共享的方法,能够减少多特征融合前期预处理的处理时间。此外,在特征点定位的研究中,本文提出了一种扫描线定位指尖点和手形顶点缺陷法定位指根点的方法,可以一次定位出手形和掌纹关键点,实验结果表明,该方法优于直线拟合定位特征点的方法。第三,根据定位出的特征点,本文使用基于特征矢量的方法提取手形特征;对手部图像中掌纹特征提取还需要通过旋转矫正、提取感兴趣区域图像(ROI 128×128)、下采样和直方图均衡等四个处理过程,然后使用PCA算法进行掌纹特征提取。第四,本课题采用最近邻分类方法,在分析手形识别、掌纹识别的基础上,利用决策融合理论,对手形和掌纹的串并联融合方法进行了分析,重点对基于手形和掌纹的串联方式进行了三种方式的对比,提出了采用用户验证的串联方式,该方法能更好的适应所有的训练样本库,系统鲁棒性更强。最后,在理论研究的基础上,本文使用VC++6.0为开发平台,Opencv为辅助工具,完成了基于手形、掌纹及多种融合的身份识别实验系统开发。并分别对用照相机和摄像头采集的图像库进行测试。通过比较手形识别、掌纹识别、基于手形和掌纹的串联和并联融合识别结果,可以发现基于手形和掌纹特征串联识别和并联识别在识别率上要优于单一手形识别或掌纹识别,其中采用用户验证的串联方式识别率可以达到97%,识别时间为78ms。