基于特征融合的掌紋識(shí)別.pdf

1、掌紋識(shí)別是利用計(jì)算機(jī)自動(dòng)提取并分析掌紋圖像的特征來進(jìn)行身份的識(shí)別與認(rèn)證。識(shí)別過程涉及數(shù)字圖像處理、模式識(shí)別、機(jī)器視覺和人工智能等學(xué)科領(lǐng)域。該項(xiàng)技術(shù)在考勤系統(tǒng)、門禁系統(tǒng)以及安檢場(chǎng)所等領(lǐng)域具有廣闊的應(yīng)用前景。對(duì)掌紋識(shí)別技術(shù)的研究具有較高的理論意義和應(yīng)用價(jià)值。
　　 本文的主要研究工作如下：
　　 1.對(duì)掌紋圖像的預(yù)處理進(jìn)行了研究。掌紋圖像的預(yù)處理包括幾何預(yù)處理和灰度預(yù)處理，幾何預(yù)處理的目的在于從采集得到的原始手掌圖像中，提取

2、對(duì)分類識(shí)別有利的掌紋區(qū)域，本文提出一種簡(jiǎn)單易行的方法，能夠準(zhǔn)確的分割出對(duì)掌紋識(shí)別有意義的掌紋區(qū)域；灰度預(yù)處理的目的在于將圖像的灰度值進(jìn)行變換，從而獲取更有利于特征提取的圖像，本文對(duì)比了直方圖均衡化法、中值濾波法、均值濾波法和高斯濾波法四種方法，通過對(duì)處理結(jié)果的分析，選擇高斯高通濾波法為掌紋圖像灰度預(yù)處理的方法；
　　 2.對(duì)四種典型掌紋特征提取方法進(jìn)行研究，其中的離散二維傅立葉變換、離散二維余弦變換以及離散二維小波變換是針對(duì)掌紋

3、圖像的頻域特征進(jìn)行提取和比對(duì)的，局部二進(jìn)制模式則利用了圖像的空域特征。這些變換得到的掌紋圖像特征數(shù)據(jù)量太大，而且過于細(xì)致，于是在上述方法的基礎(chǔ)上，進(jìn)一步計(jì)算其能量特征，這樣既降低了特征的維數(shù)，又保留了掌紋的內(nèi)在特征。實(shí)驗(yàn)測(cè)得識(shí)別率最高的為小波變換，識(shí)別率可達(dá)到98.6％；
　　 3.為了突破對(duì)單一特征所蘊(yùn)含信息的局限性，本文重點(diǎn)研究了通過特征融合進(jìn)行掌紋識(shí)別的方法。特征融合過程主要包括三步：特征選擇、加權(quán)處理以及降維處理。特征選

4、擇的作用在于將對(duì)分類影響較小甚至產(chǎn)生相反影響的特征值去掉，保留利于分類的特征；加權(quán)處理則通過對(duì)不同特征賦予不同的權(quán)值，達(dá)到對(duì) 重要特征的強(qiáng)調(diào)和對(duì)非重要特征的弱化或忽略，最終達(dá)到提高識(shí)別率的目的；降維處理通過對(duì)特征數(shù)據(jù)的壓縮，實(shí)現(xiàn)特征維數(shù)的降低，同時(shí)也可以保持較高的識(shí)別率。論文選用識(shí)別率最高的小波變換和提升的局部二進(jìn)制模式兩種算法進(jìn)行上述融合實(shí)驗(yàn)，最終得到了99.8％的識(shí)別率。
　　 本文研究了掌紋圖像的特征提取方法，在此基礎(chǔ)上研