论文部分内容阅读
掌纹作为一种重要的生物特征,具有特征唯一、采样简单、易接受和信息量大等优点,掌纹识别技术目前尚未成熟,具有很高的研究价值。本文设计实现了基于奇异值分解和隐马尔可夫模型的掌纹识别系统,先后在预处理部分、特征提取部分和匹配识别部分都提出了新的解决方法,并首次尝试了新的隐马尔可夫模型识别方法。该算法基于概率统计学,区别于传统识别方法,目前在人脸识别领域中仍属于前沿技术,在掌纹识别领域中还处于空白。本文主要采用香港理工大学(Hong Kong Polytechnic University, PolyU)标准掌纹库图像验证了算法的有效性,最终完成了软件识别系统的开发。主要研究内容如下：1、本文针对香港理工大学标准掌纹库,根据采集手掌所特有的规则性和稳定性,排除复杂、实现困难的方法,实现了兼具简单、快速、精确和高效的掌纹图像感兴趣区域(Region of Interest, ROI)提取算法。2、在指静脉重复线形跟踪二值化算法的基础上,本文引出了一种新的线特征增强技术。该技术一方面不受图像局部或整体光照不均影响,另一方面,能够根据特征自身强度不同,实时的进行不同程度的增强。该技术不仅适用于掌纹,也适用于其他的生物线特征增强,对图像处理技术具有普遍的应用研究价值。3、在掌纹特征提取这部分,本文借鉴人脸识别领域的研究成果,对掌纹提出了一种新的基于局部奇异值分解的特征提取方法,该方法在相同实验平台上与较为成熟的小波识别方法相比,显得更加简单高效。4、在图像识别领域中,隐马尔可夫模型(Hidden Markov Model, HMM)有许多方面的应用,本文将其应用在掌纹识别领域,进行了初步的尝试,为新的掌纹识别技术的开发做了有益的探讨。5、根据上述实验完成开发了一个掌纹识别软件,并通过实验测试了其应用可行性,在实时性和精度上都达到一定的标准。