学位论文 > 优秀研究生学位论文题录展示

基于局部兴趣点和弹性图匹配的掌纹识别技术研究

作　者: 杨震群
导　师: 冯乔生；徐丹
学　校: 云南师范大学
专　业: 计算机软件与理论
关键词: 人体生物特征 身份识别 掌纹识别 LIPs 非线性形变 弹性图匹配 生物特征识别技术 掌纹图像采集 掌纹图像预处理 掌纹特征提取和匹配
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 51次
引　用: 2次
阅　读: 论文下载
 

内容摘要


随着科学与技术的迅猛发展,传统的基于标识物品或者标识知识的身份识别技术已不能满足复杂的实时识别需求,人体生物特征识别技术由于具有(1)用户随身携带,(2)不易被窃取,(3)不易被伪造等特点,近年来得到了越来越广泛的研究和应用。掌纹作为人体生物特征中的一种性能优越的特征,具有以下优点:容易获取,囊括的信息量丰富,适于分类,主特征明显、稳定。掌纹识别系统友好、方便、快速、有效,容易实现低成本和大范围的使用。因此,掌纹识别技术在最近的十多年时间里得到了国内外各研究机构和学者的重视。掌纹图像特征丰富,其中包含手掌的长、宽和面积等参数的几何形状特征,三条主要屈肌纹的特征,皱纹特征,三角状带和脊线等细节特征。基于这些特征,产生了许多优秀的识别算法。由于受掌纹大面积柔性皮肤的影响,对同一采样者不同时刻的掌纹采样会出现非线性的形变,这给基于局部特征的匹配方法(如基于点,或者线特征的方法)造成了一定困难。相对于局部特征的方法来说,全局统计特征的方法很少受非线性形变的影响;然而,全局统计方法在特征提取阶段即丢失了丰富的局部细节特征,直接影响特征的代表性,使很多具有相似全局特性的掌纹很难被区分开。因此,寻找一种能够同时描述图像全局和局部代表性特征的方法成为近年来掌纹识别研究的一个重要发展趋势。本文在广泛研究和总结掌纹识别技术的相关知识、关键技术的基础上,主要进行了以下几个方面的研究工作:(1)分析了当前掌纹特征提取方法的优缺点,提出使用局部兴趣点(LocalInteresting Points,简称LIPs)进行特征提取和描述的新方法。该方法将DoG(Difference of Gaussian)检测方法与SIFT(Scale Invariant FeatureTransform)描述方法相结合用于提取、表达掌纹特征,能完整并有效地提取掌纹的局部兼全局代表性特征,且提取到的特征具有稳定、互异、简洁和鲁棒性好等优点。(2)根据掌纹图像的变形特点,对传统的LIPs点匹配方法进行了改进,有效降低了算法时间复杂度。(3)通过分析掌纹的非线性形变特点,提出新的基于弹性模型的匹配和识别方法。在特征匹配阶段通过弹性模型的自适应能力减小非线性形变的影响,提高了匹配的准确率。(4)使用分层匹配的思想构建决策树,对算法的决策过程和执行时间均进行了优化,并提高了识别精度。随着信息技术推动的新产业革命的兴起,人们在网络社会生存和生活都离不开身份识别与认证,生物特征识别技术是逐渐为人们公认的一种最安全的身份认证技术。近几年来,全球的生物特征识别技术已从研究阶段转向应用阶段,对该技术的研究和应用正进行得如火如荼,前景十分广阔。目前,常用的人体生物特征识别技术有虹膜识别、指纹识别、脸形识别、手形识别等,但没有一种技术在各项指标上全面优于其它技术,所以不同的应用场合需要采用不同的技术。掌纹识别技术作为一种较新的人体生物特征识别技术,是目前的研究热点。本文从多种常用人体生物特征识别技术的介绍开始,广泛研究了掌纹识别技术的相关问题和技术路线,重点概括了掌纹识别技术中的图像采集技术和图像预处理技术、特征提取和匹配技术,并对各种技术进行了比较分析,指出了未来的研究方向。

全文目录


基于局部兴趣点和弹性图匹配的掌纹识别 技术研究  4-66
  摘要  5-7
  目录  7-9
  第一章 绪论  9-16
    1.1 人体生物特征识别技术概述  9
    1.2 基于掌纹的身份识别技术研究的背景和意义  9-10
    1.3 掌纹相关知识介绍  10-12
    1.4 国内外的相关研究与发展  12-13
    1.5 论文的主要研究内容  13-16
  第二章 掌纹图像的获取与预处理  16-23
    2.1 掌纹图像的获取  16-17
    2.2 掌纹图像的预处理  17-22
      2.2.1 掌纹图像方向的校正及ROI位置的确定  17-19
      2.2.2 ROI图像亮度归一化  19-20
      2.2.3 ROI图像亮度分布不均匀的消除  20-22
    2.3 本章小结  22-23
  第三章 特征提取  23-37
    3.1 掌纹特征提取方法分析  23-25
    3.2 LIPs方法  25-28
      3.2.1 局部兴趣点的概念  25-26
      3.2.2 局部兴趣点检测方法分析  26-27
      3.2.3 局部兴趣点特征描述方法分析  27-28
    3.3 基于LIPs的掌纹特征提取  28-33
      3.3.1 掌纹LIPs的检测  28-32
        3.3.1.1 DoG(Difference of Gaussian)方法的原理  28-29
        3.3.1.2 DoG方法的执行过程  29-32
      3.3.2 掌纹LIPs的特征描述  32-33
    3.4 掌纹LIPs的特征提取效果  33-36
      3.4.1 掌纹LIPs检测效果  33-34
      3.4.2 掌纹LIPs特征描述效果  34-36
    3.5 本章小结  36-37
  第四章 特征匹配和决策技术  37-52
    4.1 基于弹性图的特征匹配方法  37-39
      4.1.1 弹性图匹配方法的原理  37-38
      4.1.2 人脸弹性图匹配方法  38-39
    4.2 掌纹LIPs的弹性图特征匹配方法  39-49
      4.2.1 基于网格搜索法(Grid Search)的参数优化方法及点匹配效果  39-48
        4.2.1.1 方法的引入  39-41
        4.2.1.2 基于网格搜索法的参数优化算法  41-44
        4.2.1.3 实验结果与分析  44-48
      4.2.2 掌纹弹性匹配  48-49
        4.2.2.1 全局特征弹性匹配模型  48-49
        4.2.2.2 局部特征弹性匹配模型  49
    4.3 基于弹性匹配的分层决策技术  49-51
    4.4 本章小结  51-52
  第五章 识别实验及结果分析  52-56
    5.1 验证实验结果  52-54
    5.2 辨识实验结果  54-55
    5.3 本章小结  55-56
  第六章 总结与展望  56-57
  参考文献  57-65
  致谢  65-66
基于人体生物特征的身份鉴别研究——掌纹识别的相关问题及技术研究  66-128
  摘要  67-68
  目录  68-70
  第一章 绪论  70-77
    1.1 概述  70-71
    1.2 常用人体生物特征识别技术  71-76
      1.2.1 虹膜识别技术  71-72
      1.2.2 指纹识别技术  72
      1.2.3 脸形识别技术  72-73
      1.2.4 手形识别技术  73-74
      1.2.5 视网膜识别技术  74
      1.2.6 语音识别技术  74
      1.2.7 签名识别技术  74-75
      1.2.8 各种常用人体生物特征识别技术的性能比较  75-76
    1.3 其它人体生物特征识别技术  76-77
  第二章 掌纹识别系统  77-84
    2.1 掌纹识别系统的组成  77-78
    2.2 掌纹识别系统的评价标准  78-79
      2.2.1 识别率  78-79
      2.2.2 等错率(EER)  79
      2.2.3 总最小错误率(TME)  79
    2.3 掌纹识别系统的研究与发展  79-84
  第三章 掌纹图像采集技术和掌纹图像预处理技术  84-98
    3.1 掌纹图像样本采集技术  84-87
      3.1.1 油墨印记法  84-85
      3.1.2 扫描仪方法  85-86
      3.1.3 数码相机或CCD方法  86-87
    3.2 掌纹图像预处理技术  87-97
      3.2.1 图像位置校正方法及ROI定位技术  88-96
        3.2.1.1 基于不变特征点的位置校正方法及相应的ROI定位技术  88-91
        3.2.1.2 椭圆拟合法及相应的ROI定位技术  91-93
        3.2.1.3 基于数学形态学(Mathematical Morphoiogy)的位置校正方法及相应的ROI定位技术  93-95
        3.2.1.4 其它的位置校正方法及相应的ROI定位技术  95-96
      3.2.2 图像平滑  96-97
    3.3 小结  97-98
  第四章 掌纹识别中的特征提取和匹配技术  98-116
    4.1 掌纹识别中的特征提取技术  98-107
      4.1.1 基于线特征的掌纹特征提取技术  98-102
        4.1.1.1 边缘提取  99
        4.1.1.2 HOUGH变换  99-100
        4.1.1.3 模板匹配  100-101
        4.1.1.4 金字塔方法  101
        4.1.1.5 其它基于线特征的掌纹特征提取方法  101-102
      4.1.2 基于点特征的掌纹特征提取技术  102-103
      4.1.3 基于统计特征的掌纹特征提取技术  103-105
      4.1.4 基于空域—频域变换的掌纹特征提取技术  105-107
        4.1.4.1 傅立叶变换  105-106
        4.1.4.2 Gabor变换  106-107
        4.1.4.3 小波变换  107
    4.2 掌纹识别中的特征匹配技术  107-111
      4.2.1 掌纹线特征的匹配技术  108-109
        4.2.1.1 直线段模拟曲线的掌纹特征匹配方法  108-109
        4.2.1.2 改进的线段HD距离(Modified Line segment Hausdorff Distance)方法  109
      4.2.2 掌纹点特征的匹配技术  109
      4.2.3 掌纹统计特征的匹配技术  109-110
      4.2.4 基于空域—频域变换的掌纹特征匹配技术  110-111
        4.2.4.1 基于傅立叶变换的特征匹配方法  110-111
        4.2.4.2 基于Gabor变换的特征匹配方法  111
        4.2.4.3 基于小波变换的特征匹配方法  111
    4.3 其它的掌纹特征提取和匹配技术  111-113
    4.4 各种掌纹特征提取和匹配技术的比较  113-116
  第五章 总结与展望  116-117
  参考文献  117-128
Research of Palmprint Identification based on Local Interesting Points and Elastic Bunch Graph Matching  128-186
  Abstract  129-131
  Contents  131-133
  Chapter 1 Introduction  133-141
    1.1 Introduction of Biometrics  133-134
    1.2 The background and significance of palmprint identification research  134-135
    1.3 Knowledge of palmprint  135-136
    1.4 Relative research and development of palmprint identification at home and abroad  136-138
    1.5 The main research of this paper  138-141
  Chapter 2 Palmprint Image Acquisition and Preprocessing  141-148
    2.1 Acquisition of palmprint image  141-142
    2.2 Preprocessing of palmprint image  142-147
      2.2.1 The correction of palmprint image and the determining of ROI  142-145
      2.2.2 Normalization of image brightness  145-146
      2.2.3 Elimination of brightness uniformity  146-147
    2.3 Summary  147-148
  Chapter 3 Feature Extracting  148-163
    3.1 Analysis of some feature extracting method of palmprint  148-151
    3.2 LIPs method  151-153
      3.2.1 The concept of LIPs  151
      3.2.2 The analysis of local interest points' detectors  151-152
      3.2.3 The analysis of local interest points' descriptors  152-153
    3.3 Feature extracting of palmprint based on LIPs  153-159
      3.3.1 Detecting of palmprint LIPs  153-158
        3.3.1.1 The principle of DoG(Difference of Gaussian)  153-154
        3.3.1.2 The algorithm steps of DoG  154-158
      3.3.2 Description of palmprint LIPs  158-159
    3.4 Features extraction result of palmprint LIPs  159-162
      3.4.1 Detection result of palmprint LIPs  159-160
      3.4.2 Result of palmprint LIPs description  160-162
    3.5 Summary  162-163
  Chapter 4 Feature Matching and Decision-making Technology  163-180
    4.1 Feature matching method based on elastic graph  163-165
      4.1.1 Principle  163-164
      4.1.2 Face elastic graph matching method  164-165
    4.2 Feature matching method of palmprint LIPs  165-177
      4.2.1 Feature points matching method based on grid search  166-175
        4.2.1.1 Method introduction  166-167
        4.2.1.2 Palmprint keypoints matching based on grid search  167-171
        4.2.1.3 Experiment results and analysis  171-175
      4.2.2 Palmprint elastic matching  175-177
        4.2.2.1 Global features' elastic matching model  176
        4.2.2.2 Local features' elastic matching model  176-177
    4.3 A hierarchical decision-making technology based on elastic matching  177-179
    4.4 Summary  179-180
  Chapter 5 Identification and Experimental Results  180-184
    5.1 Verification results  180-182
    5.2 Identification results  182
    5.3 Summary  182-184
  Chapter 6 Summary and Future Work  184-185
  Reference  185-186
A Research of Personal Identification based on Biometricss ——Some Issues and Technologies of Palmprint Identification  186-247
  Abstract  187-188
  Contents  188-191
  Chapter 1 Introduction  191-200
    1.1 Overview  191-192
    1.2 Biometrics identifier which are widely used  192-198
      1.2.1 Iris  192-193
      1.2.2 Fingerprint  193-194
      1.2.3 Face  194-195
      1.2.4 Hand geometry  195-196
      1.2.5 Retina  196
      1.2.6 Voice  196-197
      1.2.7 Signature  197-198
      1.2.8 Human biometricss' performance comparison  198
    1.3 Other biometricss  198-200
  Chapter 2 Palmprint Identification System  200-208
    2.1 Components of palmprint identification system  200-201
    2.2 Evaluation criteria of palmprint identification system  201-202
      2.2.1 Certification rates  201-202
      2.2.2 EER(Equal Error Rate)  202
      2.2.3 TME(Total Minimum Error)  202
    2.3 Research and development of palmprint identification system  202-208
  Chapter 3 Image Sampling and Image Preprocessing  208-224
    3.1 Sampling technology of palmprint image  208-212
      3.1.1 Ink method  208-209
      3.1.2 Scanner method  209-210
      3.1.3 Digital camera method or CCD method  210-212
    3.2 Palmprint image preprocessing  212-222
      3.2.1 Image correction method and ROI positioning technology  212-221
        3.2.1.1 Correction method based on key points and its ROI positioning technology  212-216
        3.2.1.2 Eellipse fitting method and its ROI positioning technology  216-218
        3.2.1.3 Correction based on mathematical morphology and its ROI positioning technology  218-220
        3.2.1.4 Other image correction method and ROI positioning technology  220-221
      3.2.2 Smoothing  221-222
    3.3 Summary  222-224
  Chapter 4 Feature Extraction and Matching Technology of Palmprint Identification  224-246
    4.1 Feature extraction technology of palmprint identification  224-234
      4.1.1 Feature extraction technique based on line features  224-228
        4.1.1.1 Edge detection  225-226
        4.1.1.2 Hough transform  226
        4.1.1.3 Template matching  226-227
        4.1.1.4 Pyramid method  227-228
        4.1.1.5 Other feature extraction method based on line features  228
      4.1.2 Feature extraction method based on point features  228-230
      4.1.3 Feature extraction technique based on statistical feature of palmprint  230-232
      4.1.4 Feature extraction technique based on the transform from frequency domain to airspace  232-234
        4.1.4.1 Fourier transform  232-233
        4.1.4.2 Gabor transform  233-234
        4.1.4.3 Wavelet transform  234
    4.2 Feature matching technology of palmprint identification  234-239
      4.2.1 Matching technology based on palmprint lines  235-236
        4.2.1.1 Matching technology of approximating palmprint lines with line segments  235-236
        4.2.1.2 Method of Modified Line segment Hausdorff Distance(MLHD)  236
      4.2.2 Matching technology of point features  236-237
      4.2.3 Matching technology of statistical features  237
      4.2.4 Feature matching techniques based on the transform from frequency domain to airspace  237-239
        4.2.4.1 Feature matching based on Fourier Transform  237-238
        4.2.4.2 Feature matching based on Gabor Transform  238-239
        4.2.4.3 Feature matching based on Wavelet Transform  239
    4.3 Other feature extracting and matching technology of palmprint  239-241
    4.4 The comparison of various kinds of technology  241-246
  Chapter 5 Summary and Outlook  246-247
  Reference  247

相似论文

  1. 基于加权投票和关键帧提取的视频流人脸识别方法研究,TP391.41
  2. 中国动画电影的若干弊端与解决方法的研究,J954
  3. 无人值守全台面动静态轨道衡系统研究,TH715.13
  4. 小波分析在掌纹图像特征提取中的应用,TP391.41
  5. 基于小波分析的掌纹图像识别研究,TP391.41
  6. 民族面部特征提取及其识别算法研究,TP391.41
  7. 基于指纹与姓名语音的多模态生物特征融合身份识别技术的研究,TP391.41
  8. 咳嗽音特征提取及在身份识别中的应用研究,TN912.34
  9. 基于IHE的PIX研究与实现,TP399-C8
  10. 高分辨率掌纹图像采集与识别技术研究,TP391.41
  11. 基于非接触采集下的鲁棒掌纹识别,TP391.41
  12. 环卫车辆远程监控终端的设计与实现,TP277
  13. 基于Gabor滤波的掌纹识别研究,TP391.41
  14. 基于小波变换的掌纹识别算法的研究及DSP实现,TP391.41
  15. 带监护功能的可穿戴系统研究,TP277
  16. 基于不变矩的掌纹识别算法研究,TP391.41
  17. 基于特征融合的掌纹识别,TP391.41
  18. 在线掌纹匹配技术的研究,TP391.41
  19. 基于多角度热释电红外信息的人体身份认证研究,TP391.41
  20. 嵌入式3D掌纹识别系统的设计与实现,TP391.41
  21. 线扫掌纹图像采集系统设计与实现,TP391.41

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