基于圖像內(nèi)容的手部特征識別研究.pdf

1、身份的鑒別是關(guān)系到國家安全和社會穩(wěn)定的恒久話題。在傳統(tǒng)的基于標識物或口令的身份鑒別方法無法滿足社會需要的情況下，生物特征識別技術(shù)應(yīng)運而生，成為采用科技手段辨別身份信息的新方法。 隨著技術(shù)的日益發(fā)展與成熟，生物特征識別技術(shù)的工作環(huán)境逐漸從實驗室下的封閉性環(huán)境轉(zhuǎn)向復(fù)雜的開放性環(huán)境。基于指紋、人臉的識別技術(shù)已經(jīng)在社會中開放性環(huán)境下的不同領(lǐng)域發(fā)揮了各自的作用。同上述特征相比，基于掌紋特征的識別技術(shù)研究興起較晚，尚未得到廣泛的應(yīng)用。掌紋特

2、征的表示形式先后經(jīng)歷了以結(jié)構(gòu)特征、變換域特征、子空間特征、統(tǒng)計特征為代表的單一特征形式到多科，特征信息的融合形式的變化。在上述特征表示形式中，除結(jié)構(gòu)特征外，其余特征形式的提取更多地將圖像視為一個矩陣進行變換，而較少關(guān)注圖像本身包含的顏色、形狀、紋理、空間位置關(guān)系、區(qū)域性的視覺信息甚至圖像的語義信息等能夠表達圖像“內(nèi)容”的特征。圖像的內(nèi)容具有在不同層次上描述和表征圖像的能力，這使得基于內(nèi)容的圖像檢索(CBIR)代替了基于文本的圖像檢索成為

3、更加先進的圖像檢索技術(shù)。本文對基于圖像內(nèi)容的手部特征識別技術(shù)進行了較為深入的探討，從不同層次上對手部特征圖像進行分析以實現(xiàn)身份的鑒別，解決了在手部特征識別技術(shù)實用化進程中存在的問題，例如開放性環(huán)境下容易出現(xiàn)的低質(zhì)量圖像的識別問題，以及在少量訓(xùn)練樣本下保持系統(tǒng)性能的問題等等。 本文的主要研究內(nèi)容可歸納如下： 1.分析現(xiàn)有的手部特征識別技術(shù)，指出手部特征識別技術(shù)中存在的問題和不足。提出廣義和狹義的手部特征定義，提出采用圖像的

4、各層次內(nèi)容特征解決廣義和狹義定義下的手部特征識別技術(shù)中現(xiàn)存問題的思想。 2.針對掌紋紋理具有的天然多分辨率特性，提出結(jié)合小波多分辨率分析(MRA)和具有仿射變換不變性的不變矩函數(shù)的算法，在不同分辨率尺度卜對掌紋感興趣區(qū)域(ROI)圖像中包含的紋理內(nèi)容信息進行描述。 3.在低分辨率下的狹義手部特征圖像中，如皺紋、細節(jié)、紋理等傳統(tǒng)特征形式的清晰度和可提取程度均低于正常分辨率下的狹義手部特征圖像。結(jié)合低分辨率圖像的特性，提出基

5、于底層內(nèi)容特征中幾何形狀和灰度分布信息的層次識別算法：在粗分類階段增加指窩點間連線構(gòu)成的三角形內(nèi)角值作為對傳統(tǒng)的基于線段長度的手形描述的補充；在細分類階段，根據(jù)不同位置的主線、皺紋和表層皮膚顏色的深淺在灰度圖像上對應(yīng)了不同灰度級這一特性，提出以局部灰度信息熵表示局部灰度分布的特征提取方法，實現(xiàn)灰度信息同空澡位置信息的結(jié)合。 4.提出以區(qū)域代替點線作為描述低分辨率下狹義手部特征圖像的結(jié)構(gòu)元，解決了點線作為結(jié)構(gòu)元所具有的提取不穩(wěn)定性

6、。提出低分辨率狹義手部特征圖像的簡單順序標記分割算法，利用灰度圖像中像素梯度具有描述該位置灰度變化率的能力，以像素的方向梯度為依據(jù)實現(xiàn)對狹義手部特征圖像的分割。通過限制區(qū)域面積選擇在類內(nèi)圖像間具有分割穩(wěn)定性的條件區(qū)域。因區(qū)分性能良好的粗大紋線和紋線密集區(qū)域相比周邊區(qū)域?qū)?yīng)了較低的灰度，在條件區(qū)域集合中選取具有低平均灰度的區(qū)域，計算區(qū)域中心的空間位置信息作為區(qū)域性內(nèi)容特征。最后定義區(qū)域空間位置關(guān)系矩陣完成不同維數(shù)的特征向量間距離的度量。實

7、驗表明，以區(qū)域作為結(jié)構(gòu)元的特征提取方案對平移和旋轉(zhuǎn)操作具有魯棒性。 5.手部特征圖像的特性決定了難以提取直觀、顯式的、可區(qū)分類別的語義特征。我們將隱式語義引入手部特征的分析。常用于文本分析的隱式語義分析(LSA)可以繞開對自然語言的理解，通過對大量樣本的統(tǒng)計分析抽耿數(shù)據(jù)間的關(guān)聯(lián)作為語義概念。借助該思想，我們抽取手部特征圖像的局部信息所反映的特性作為局部語義，提出基于非負矩陣分解(NMF)的掌紋ROI圖像的LSA，實現(xiàn)從語義層次上

8、對手部特征圖像的描述。由于傳統(tǒng)NMF算法采用隨機初始化的方案并且計算復(fù)雜度過高，不適合直接用于實時的手部特征識別系統(tǒng)，我們改進現(xiàn)有的NMF算法，實現(xiàn)了NMF性能的穩(wěn)定性，并且降低了算法復(fù)雜度。改進后的NMF算法被應(yīng)用于掌紋ROI圖像的實時LSA。 6.以掌紋ROI圖像的子空間方法為例，通過移除連續(xù)多個主成分向量的組合以及單獨的主成分向量，驗證子空間內(nèi)主成分的選擇在不同的子空間構(gòu)成準則下對特征空間的構(gòu)建和系統(tǒng)性能的影響，選擇對于掌