论文部分内容阅读
生物特征识别技术(Bliometrics)利用人体本身具有的物理特征(如指纹、虹膜、脸型、掌纹等)或行为特征(如步态、签名等)来确定个人的身份，是当今身份识别的新技术。这种新技术可广泛应用于国家安全、公安以及民用等领域。
掌纹识别作为生物识别技术领域里的新兴成员，以其丰富而稳定的特征，受到了广泛的重视，极具发展前景。本文综合应用数字图像处理和模式识别等方面的理论和方法，系统深入的探讨了掌纹识别的主要技术环节，提出了若干有特色的新算法，使得掌纹识别系统的准确度得到了提高。归纳起来，本文主要工作和贡献如下：
1．掌纹识别的预处理算法：提出了一种新颖、有效的掌纹定位方法。首先，利用血点法对掌纹进行粗定位，找到两个手指间的谷点；然后，采用log-Gabor小波滤波追踪手掌中第一主线与手掌边缘的交点，log-Gabor小波不易受光照影响、能在狄度不均匀时很好的处理图像；最后，利用指间谷点和主线与手掌边缘的交点共同确定手掌的方向。对目前仅利用谷点定位手掌方向的方法进行改进，降低了手指旋转对掌纹目标区域定位带来的误差，为后续的特征提取打下更好的基础。
2．掌纹特征提取算法：对掌纹纹理图像，本文引入一种纹理分析的新方法log-Gabor小波对掌纹图像进行特征提取，并采用滤波后的幅度信息和相位信息共同对掌纹图像进行编码。实验结果表明，与目前主流的Gabor小波提取特征的方法相比，该方法有更好的识别率。
3．多特征融合：本文将掌纹特征分为全局特征和局部特征，在此基础上，提出了一种将掌纹的傅立叶频域统计特征和log-Gabor小波的局部纹理特征相融合的疗法，并采用了Bayes、改进的ENN与加权和三种数据融合方法来测试上述特征融合之后的识别性能，实验结果表明，选用适当的数据融合方法可以得到更好的识别效果。