论文部分内容阅读
手部主纹线识别是一种较新的生物识别技术，主纹线的走向、形态主要由基因控制，具有很强的独特性和稳定性，且对成像图片质量要求不高，便于快速识别。 1、由于手部纹线提取易受背景区域手部颜色不均影响，本文首次把顶帽变换用于手部图像预处理，顶帽变换能有效的去除手部图像背景区域颜色不均的影响，使纹线提取更加容易，且具有抗噪能力强，可靠性好等特点。 2、基于手部图像采集易发生平移和旋转，且面积大，匹配时间长等缺点，本文提出一种基于手部轮廓线的指节纹、掌纹图像分割算法，该算法不受手部平移和旋转带来的影响，分割出了单个手指各节指节纹区域及掌纹部分区域。该分割算法使匹配区域变小、匹配搜索时间缩短。基于本文分割算法还求出了手指长度和指节纹之间的距离特征，这些特征使特征融合匹配更加丰富。 3、基于多数特征提取算法在特征提取过程中耗时长、易受噪声干扰等缺点，本文提出了一种基于双向垂直投影的图像特征提取算法。该算法对分割出的手指各节指节纹图像和掌纹图像进行两个相互垂直方向的垂直投影。双向垂直投影算法简单，特征提取速度快，抗干扰能力强，且相对其他特征提取算法，本文算法特征提取精度较高。 4、本文提取的手部特征包括手指长度、指节纹之间的距离、指节纹及掌纹主纹线特征，在单一特征生物识别的基础上，为了提高大数据库在搜索时间和匹配正确率的性能，设计了一种多特征融合的时间由快到慢、匹配精确率由低到高排列的层次搜索匹配器，实现方法是把手指长度、指节纹之间的距离及指节纹识别的高效性与掌纹识别的高精度性结合。选择“串”规则信息融合方法，首先识别手指长度和指节纹指尖的距离，后识别指节纹特征，最后识别掌纹特征。从而实现了既具有较高识别精确度，又具备较理想的大库检索时间性能的多模态生物识别系统。