学位论文 > 优秀研究生学位论文题录展示

基于指纹与手指静脉的双模态识别算法研究

作　者: 李雪峰
导　师: 王科俊
学　校: 哈尔滨工程大学
专　业: 模式识别与智能系统
关键词: 指纹识别手指静脉识别多模态识别系统图像分割图像增强特征提取
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 101次
引　用: 5次
阅　读: 论文下载

内容摘要

生物特征识别技术是依靠人体生物特征进行身份认证的一种技术,因为具有不会丢失、遗忘同时也很难伪造和假冒等优点,正在逐步取代传统的身份认证手段,成为人们日常生活中首选的身份鉴别方法。目前,对生物特征识别系统的研究,主要集中在单模态识别系统的研究上,也取得了很多成果。但是,在系统的实际应用中也发现了许多问题,并且这些问题无法仅从单模态系统的基础上得到有效的解决。多模态系统将多个特征结合在一起组成一个新的识别系统,具有提高系统的准确率、抗噪性、抗假冒攻击性以及减小大库衰减程度等优点,可有效弥补单一模态识别系统的不足,使得新的系统在身份认证、识别方面更加快捷、有效。本文构建并实现了基于指纹与手指静脉的双模态系统,该系统包括以下三个部分:指纹识别模块、手指静脉识别模块以及多模态系统的融合模块。在指纹识别模块中,首先对采集到的指纹图像进行灰度归一化、分割、增强、二值化和细化等一系列预处理操作,使得图像转变为高质量的二值细化指纹图像,便于进行特征提取操作。然后,采用8领域的方法对细化图像进行特征提取,最后,在图像匹配的环节中,提出了一种新的指纹图像特征点匹配算法完成了匹配、识别,并对实验结果进行了相应的分析。在手指静脉识别模块中,通过对手指静脉图像方向场的分析,提出了一种基于方向滤波算法的手指静脉提取算法,这种算法无论在光滑性和连通性,还是在去除噪声和伪特征方面均好于传统的Niblack方法,为后续的特征提取和识别奠定了基础。在手指静脉的识别过程中,首先采用了基于MHD距离的匹配算法完成了识别,发现该算法对平移、旋转严重的图像的识别效果并不是很好,所以,文中又采用基于相对距离的手指静脉匹配算法进行了实验,有效的克服了平移、旋转等对识别结果的影响,使得系统在识别效果上得到了改善。在多模态系统融合模块中,首先介绍了多模态系统构建的关键技术,然后提出了一种新的指纹图像质量评估和手指静脉质量评估方法,在此基础上完成基于指纹质量评价与手指静脉质量评价的决策级融合,并对融合结果进行了分析,验证了多模态系统的综合性能要强于单一的指纹系统和手指静脉识别系统;文中还介绍了一种基于二级决策的决策级融合算法,该算法同样要好于单一的识别系统,同时该算法在第三个分类器设计时引入了特征级融合的概念,为今后深入研究基于特征级融合的多模态系统构建奠定了基础。

全文目录

摘要  5-7
Abstract  7-11
第1章绪论  11-19
  1.1 课题研究的背景、目的和意义  11-14
  1.2 课题的国内外研究现状  14-17
    1.2.1 指纹识别技术研究现状  14-15
    1.2.2 手指静脉识别技术研究现状  15-16
    1.2.3 多模态生物特征识别技术研究现状  16-17
  1.3 多模态识别系统的整体框架  17-18
  1.4 论文的主要内容及结构安排  18-19
第2章指纹识别技术研究  19-42
  2.1 指纹图像方向图的求取  19-21
  2.2 指纹图像的分割  21-23
  2.3 指纹图像增强  23-26
    2.3.1 Gabor 滤波增强  23-25
    2.3.2 方向滤波增强  25-26
  2.4 指纹图像的二值化及其后处理  26-27
  2.5 指纹图像的细化  27-29
  2.6 指纹图像的特征提取  29-33
    2.6.1 指纹细节点的提取  30
    2.6.2 指纹伪细节点的分析  30
    2.6.3 指纹伪细节点的滤除  30-31
    2.6.4 指纹奇异点的提取  31-33
  2.7 指纹图像的匹配  33-38
    2.7.1 指纹图像的配准  34
    2.7.2 配准后图像的细节点匹配  34-38
  2.8 实验设计及结果分析  38-41
  2.9 本章小结  41-42
第3章手指静脉识别技术研究  42-61
  3.1 手指静脉图像的灰度化  43
  3.2 手指区域的提取  43-45
  3.3 静脉图像的增强与去噪  45-49
    3.3.1 直方图均衡  45-47
    3.3.2 中值滤波  47-48
    3.3.3 高斯滤波  48-49
  3.4 静脉图像的分割  49-52
  3.5 静脉图像的细化  52
  3.6 静脉图像的特征提取与匹配  52-53
    3.6.1 静脉图像的特征点的提取  52-53
    3.6.2 伪特征点的去除  53
  3.7 静脉图像的匹配  53-57
    3.7.1 基于MHD 距离的手指静脉匹配方法  54-56
    3.7.2 基于相对距离的手指静脉匹配方法  56-57
  3.8 实验设计及结果分析  57-60
  3.9 本章小结  60-61
第4章多模态识别系统的构建与实现  61-77
  4.1 融合系统算法结构的选择  61-62
  4.2 模式源的选择  62
  4.3 融合层次的选择  62-65
    4.3.1 传感器层融合  62-63
    4.3.2 特征层融合  63-64
    4.3.3 决策层融合  64-65
  4.4 基于指纹和手指静脉的多模态系统的构建  65-71
    4.4.1 指纹图像的质量评价  65-68
    4.4.2 手指静脉图像的质量评价  68-69
    4.4.3 指纹与手指静脉系统的决策级融合  69-71
  4.5 实验设计及结果分析  71-76
  4.6 本章小结  76-77
结论  77-79
参考文献  79-85
攻读硕士学位期间发表的论文和取得的科研成果  85-86
致谢  86

基于指纹与手指静脉的双模态识别算法研究

内容摘要

全文目录

相似论文