低清晰度掌紋識(shí)別技術(shù)研究.pdf

1、人體生物特征識(shí)別技術(shù)是21世紀(jì)最有發(fā)展?jié)摿Φ募夹g(shù)之一。通過人體生物特征識(shí)別技術(shù)進(jìn)行身份識(shí)別克服了傳統(tǒng)識(shí)別方式容易被竊取、偽造或者丟失、遺忘等缺點(diǎn)，使得該技術(shù)廣泛地應(yīng)用于信息安全等領(lǐng)域?；谡萍y特征的身份識(shí)別因其具有無(wú)侵害性、成本低、隱蔽性、不需要被測(cè)者特殊配合等優(yōu)點(diǎn)，得到廣泛的關(guān)注和重視，具有廣泛的應(yīng)用前景。
　　 本文以低清晰度下的掌紋識(shí)別技術(shù)為研究對(duì)象，通過對(duì)低質(zhì)量掌紋的定位、歸一化、特征提取和匹配識(shí)別等處理，較好地解決了低

2、清晰下的掌紋識(shí)別問題。
　　 論文主要包括以下工作：
　　 1.掌紋圖像的預(yù)處理。為了克服以往預(yù)處理方法計(jì)算量大、定位能力差等缺點(diǎn)，本文提出了一種基于自適應(yīng)的Harris角點(diǎn)檢測(cè)的掌紋定位方法，同時(shí)針對(duì)低清晰度的掌紋圖像，在預(yù)處理中采用了PCNN的圖像增強(qiáng)技術(shù)進(jìn)行掌紋圖像的增強(qiáng)，極大的改善了圖像低質(zhì)量對(duì)識(shí)別效率的不利影響。
　　 2.利用圖像的不變矩特征對(duì)掌紋進(jìn)行特征提取。為了減少計(jì)算量，提高識(shí)別效率，本文首先將

3、掌紋感興趣區(qū)域分割成四個(gè)子塊，然后對(duì)每個(gè)子塊進(jìn)行特征提取，這樣，每一幅掌紋圖像就可以用四個(gè)七維不變矩表示，可以有效降低掌紋識(shí)別系統(tǒng)運(yùn)行的時(shí)間復(fù)雜度。
　　 3.利用支持向量機(jī)(SVM)的方法對(duì)掌紋特征進(jìn)行匹配、識(shí)別。為了準(zhǔn)確的選擇SVM的參數(shù)以提高識(shí)別效率，本文采用了交叉測(cè)試的訓(xùn)練方法選擇SVM的參數(shù)，保證了最終的識(shí)別效率。
　　 最后，利用Matlab仿真軟件進(jìn)行整體系統(tǒng)的仿真實(shí)驗(yàn)，對(duì)文中提出的算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證。同時(shí)