论文部分内容阅读
基于生物特征识别的身份鉴别技术提供了一种高可靠性、高稳定性的身份鉴别方式。掌纹识别是一种相对较新的生物特征识别技术,但其发展非常迅速,现已成为生物特征识别技术领域中重要一员。研究掌纹识别技术具有重要的理论意义和巨大的应用价值,它涉及计算机视觉,模式识别,图像处理等多门学科,掌纹识别技术的研究有助于这些学科的发展;在信息安全、公共安全、法律等领域,掌纹识别技术均具有潜在的应用前景。目前尽管掌纹识别技术已取得了很大进展,但在实际应用中仍然存在许多问题亟待解决。本文对掌纹识别相关理论和算法进行了深入研究,主要工作和贡献如下:(1)提出了一种基于Log-Gabor小波相位一致的掌纹线特征提取方法。掌纹线特征是掌纹识别中最基本、最直观的特征,但由于掌纹线的特殊性和复杂性,如何有效提取掌纹线特征一直是掌纹识别的难点。本文从频率域角度考虑,使用Log-Gabor小波相位一致方法提取掌纹图像线特征,包括掌纹方向相位一致特征和掌纹整体相位一致特征。该方法提取的线特征可有效包含纹线的结构信息、强度信息和宽度信息,且提取的线特征比较稳定。在掌纹整体相位一致特征图像上进一步检测出具体的掌纹线,仅使用掌纹线结构特征来表示和识别掌纹,实验结果验证了Log-Gabor小波相位一致提取掌纹线特征用于识别的有效性。(2)提出了基于区域方向码的掌纹线特征表示方法。该方法首先将6个方向的掌纹方向相位一致特征图像均匀分块,对于同一区域的六个子块图像,将具有最大灰度平均值的那个子块所对应的特征图像方向作为该区域主方向,然后采用三位的二进制码对该主方向编码。掌纹区域方向码综合描述了纹线的灰度变化强度及其方向性信息,因而能更好地区分掌纹图像;此外,对区域的方向编码使该方法受图像平移和旋转影响也较小。在PolyU掌纹数据库上的实验结果验证了掌纹区域方向码方法的有效性。(3)提出了一种基于散度差判别局部保持投影(Scatter-difference DiscriminantLocality Preserving Projections,SDLPP)的掌纹识别算法。子空间方法具有特征描述性强、计算代价小和良好可分性等优点,已被广泛应用于生物特征识别。线性鉴别分析(LDA)和局部保持投影(LPP)是其中比较经典的线性方法,LDA注重图像数据间的可分性,LPP则更关注于数据的局部关系。本文结合LDA的判别性思想和LPP注重局部邻域关系的思想,提出了散度差判别局部保持投影算法,并对SDLPP中影响图像分类的主要参数进行了研究分析。SDLPP的目的是使同类图像在低维空间中保持紧致的局部关系,同时使那些在图像空间中距离近的非同类图像在低维投影空间中相对远一些,从而使各类图像能获得更好地区分。在公开掌纹数据库上的实验结果表明提出的SDLPP算法较LDA、LPP具有更优的识别性能,对参数的分析则有助于确定SDLPP的最优参数。此外,论文还使用核方法在理论上将SDLPP扩展得到相应非线性算法,称为核散度差判别局部保持投影(Kernel SDLPP,KSDLPP)。(4)设计了一种适合于智能移动设备的掌纹识别算法,并以该算法为核心开发了联想ET980智能手机实时掌纹身份验证系统。算法首先设计了一种适于移动设备的掌纹图像采集方式并给出了相应定位分割方法,这保证了移动设备下掌纹验证系统的可行性;在识别过程中加入光照预处理,一定程度上消除了外部光照变化的影响;采用Gabor小波变换和子空间方法的结合算法来提取掌纹特征,并用遗传算法对Gabor特征节点的数目和位置做优化选取,在保证识别精度同时显著地提高了识别效率。论文算法在联想ET980手机上可获得等错误率为3.42%的识别精度,实现的掌纹验证系统也满足识别系统的实时性要求。