学位论文 > 优秀研究生学位论文题录展示
基于掌纹的身份自动识别技术研究
作 者: 李静雯
导 师: 吴跃
学 校: 电子科技大学
专 业: 计算机应用技术
关键词: 掌纹识别 生物特征识别 掌纹图像 特征提取
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 55次
引 用: 0次
阅 读: 论文下载
内容摘要
生物特征识别技术是通过生物统计学原理和计算机等高科技的技术手段密切结合,利用人体固有的行为特征和生理特性来进行个人身份的鉴定。它具有传统的身份鉴别方式所不能比拟的优势,因此已经成为国际上的研究热点之一。掌纹识别技术是生物特征识别技术的一种,它是根据人手掌上的有效信息(如:掌纹)来识别人的身份。每个人的掌纹千差万别,没有任何两个手掌的掌纹是完全相同的,这就是掌纹的唯一性。因此可以利用掌纹的这一特点作人体的身份鉴别。掌纹含有很独特的线特征,包括主线和很多皱褶,这些线特征结合在一起,就具有了很强的区分能力。掌纹识别具有唯一性、直接、方便、友好和应用范围广等优点。本文以掌纹为研究对象,对掌纹的定位、特征提取、分类及匹配等关键技术进行了研究,主要研究内容如下:1)在掌纹图像预处理方面,对掌纹感兴趣区域(ROI)的获取过程进行改进,通过提取出合适的基准点,建立相应的参照坐标系,可以有效减少采样过程中引进的平移、旋转、扭曲等非线性因素的影响,提高了匹配识别算法的鲁棒性。2)在掌纹图像的识别方面,针对经典的PCA算法中不适用于分类的缺点,本文研究了掌纹图像特征值的提取方法,选取那些使样本类内离散度较小而样本类间离散度较大的特征值来表示原有的掌纹图像信息。实验结果表明,此改进算法既不会丢失掌纹图像的原有信息,又在一定程度上提高了图像的识别率。3)在掌纹图像分类方面,本文提出了一种将改进的PCA和Fisher线性判别方法相结合的掌纹图像分类方法。此方法先将图像通过改进的PCA算法进行降维,然后对降维后的图像应用Fisher线性判别算法进行分类。实验表明这种识别效果比基于纯FLD的方法更好。
|
全文目录
摘要 4-5 ABSTRACT 5-10 第一章 引言 10-13 第二章 生物特征识别技术 13-23 2.1 生物特征识别技术概述 13-14 2.2 几种典型的生物特征识别技术 14-19 2.2.1 脸像识别技术 14-15 2.2.2 虹膜识别技术 15-16 2.2.3 指纹识别技术 16-17 2.2.4 掌纹识别技术 17 2.2.5 声音识别技术 17-18 2.2.6 签名识别技术 18-19 2.3 生物特征识别系统的结构 19 2.4 生物特征识别系统的评价标准 19-21 2.5 生物识别技术的发展方向及研究意义 21-22 2.6 本章小结 22-23 第三章 掌纹识别技术 23-40 3.1 掌纹识别技术的研究意义 23 3.2 掌纹的结构特征 23-25 3.3 掌纹识别的优势 25 3.4 掌纹识别的过程 25-26 3.5 掌纹图像的采集 26-27 3.6 掌纹图像的预处理 27-30 3.6.1 掌纹图像的去噪 28-29 3.6.2 手掌轮廓线的提取 29 3.6.3 掌纹图像的定位 29-30 3.6.4 ROI 区域的选取 30 3.7 掌纹图像的特征提取 30-37 3.7.1 掌纹特征提取方法综述 30-36 3.7.2 掌纹特征提取方法的对比 36-37 3.8 掌纹识别的分类算法 37-38 3.9 掌纹图像的特征匹配 38-39 3.10 本章小结 39-40 第四章 掌纹图像的采集和预处理 40-54 4.1 掌纹图像的采集 40-41 4.2 掌纹图像的预处理 41-52 4.2.1 掌纹图像的去噪 41-46 4.2.2 掌纹图像的灰度化处理 46-47 4.2.3 掌纹图像的二值化 47-49 4.2.4 掌纹轮廓的提取和有效区域的确定 49-52 4.3 试验结果及分析 52-53 4.4 本章小结 53-54 第五章 基于改进的PCA 和FLD 相结合的掌纹识别方法 54-63 5.1 PCA 的原理和方法 54-56 5.2 一种改进的 PCA 算法 56-57 5.3 Fisher 线性判别方法的原理 57-58 5.4 改进的 PCA 和 Fisher 线性判别相结合的识别算法 58-59 5.5 特征匹配 59 5.6 各种算法的实验结果对比 59-61 5.6.1 改进的PCA 算法的实验结果 59-60 5.6.2 改进的PCA 算法和FLD 方法结合的实验结果 60-61 5.7 本章小结 61-63 第六章 掌纹识别系统的实现 63-70 6.1 掌纹识别系统的平台 63 6.2 掌纹识别系统的架构 63-68 6.2.1 系统界面和功能介绍 64-68 6.3 系统图像数据库介绍 68-69 6.4 本章小结 69-70 第七章 结论 70-72 7.1 本论文主要完成的工作 70-71 7.2 工作展望 71-72 致谢 72-73 参考文献 73-77 攻硕期间取得的研究成果 77-78
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于距离映射码的安全指纹认证研究,TP391.4
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|