基于小波分析和局部二值模式的掌紋識別方法.pdf

1、伴隨著社會的信息化和網(wǎng)絡(luò)化發(fā)展，基于人的生理特征和行為特征的生物特征識別技術(shù)成為了保障信息安全的最有效方法之一。掌紋作為一種生理特征具有許多獨(dú)特的優(yōu)勢，例如豐富的紋理信息和穩(wěn)定的線特征、對像素要求不高、采集設(shè)備價格低廉、采集方式容易被用戶接受等，因此受到了各國學(xué)者的不斷研究和發(fā)展。
　　掌紋最主要的特征是不同紋線的尺度變化，也就是紋線的深淺、長短與寬窄等幾何特征。作為灰度圖像而言，掌紋的紋線就是一些尺度不同的邊緣，也就是灰度變化明

2、顯的區(qū)域。目前掌紋識別的方法有很多種，在空間域內(nèi)對掌紋圖像進(jìn)行分析和處理時，容易受到各種噪聲干擾，并且很難充分表示掌紋的特征。而小波變換最主要的特性就在于對多尺度多分辨率下的圖像邊緣信息具有很好的描述能力，因此對掌紋圖像進(jìn)行小波變換既能夠表示不同尺度的邊緣特征，又能忽略手掌過小的細(xì)節(jié)和非關(guān)鍵特征。同時LBP作為一種局部紋理描述算子，它并不是從單一的像素點(diǎn)來描述紋理，而是用一個局部區(qū)域的模式進(jìn)行描述，每個像素點(diǎn)由一個與之最匹配的局部鄰域的

3、原始紋理形成的碼值來標(biāo)記。LBP方法能夠廣泛地應(yīng)用于各類紋理圖像的識別，并能充分克服傳統(tǒng)單一方法的不足。
　　本文以掌紋圖像為研究對象，結(jié)合小波分析與局部二值模式的基本理論和特點(diǎn)，提出了一種新的掌紋識別方法。首先選取兩種不同的小波分別提取掌紋圖像的不同頻率特征，將對應(yīng)的子帶分別進(jìn)行融合。由于融合后的各個子帶對掌紋圖像的不同部分進(jìn)行了加強(qiáng)或抑制，為了完整保留原始圖像的信息，再利用各個子帶重構(gòu)出新的變換后的掌紋圖像，最后利用LBP算子

4、提取其紋理特征。
　　本文的主要工作和貢獻(xiàn)如下:
　　(1)為了充分利用掌紋圖像的有效信息，提出了分別利用兩種小波對圖像進(jìn)行變換的思想，對小波分解后的兩種低頻子帶和高頻子帶分別以不同的規(guī)則進(jìn)行融合，然后重構(gòu)出新的掌紋圖像，再采用LBP算子提取其掌紋特征。新的掌紋圖像中有用信息得到了加強(qiáng)，噪聲也得到了一定的抑制，取得良好的識別效果。
　　(2)在小波分解的基礎(chǔ)上，提出了去除含噪聲較多的高頻子帶的想法。充分利用包含主要能量