学位论文 > 优秀研究生学位论文题录展示

基于特征融合的掌纹识别

作　者: 张亚莉
导　师: 李云峰
学　校: 河南科技大学
专　业: 测试计量技术及仪器
关键词: 掌纹识别 特征融合 特征提取 特征选择 加权处理
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 52次
引　用: 0次
阅　读: 论文下载
 

内容摘要


掌纹识别是利用计算机自动提取并分析掌纹图像的特征来进行身份的识别与认证。识别过程涉及数字图像处理、模式识别、机器视觉和人工智能等学科领域。该项技术在考勤系统、门禁系统以及安检场所等领域具有广阔的应用前景。对掌纹识别技术的研究具有较高的理论意义和应用价值。本文的主要研究工作如下:1.对掌纹图像的预处理进行了研究。掌纹图像的预处理包括几何预处理和灰度预处理,几何预处理的目的在于从采集得到的原始手掌图像中,提取对分类识别有利的掌纹区域,本文提出一种简单易行的方法,能够准确的分割出对掌纹识别有意义的掌纹区域;灰度预处理的目的在于将图像的灰度值进行变换,从而获取更有利于特征提取的图像,本文对比了直方图均衡化法、中值滤波法、均值滤波法和高斯滤波法四种方法,通过对处理结果的分析,选择高斯高通滤波法为掌纹图像灰度预处理的方法;2.对四种典型掌纹特征提取方法进行研究,其中的离散二维傅立叶变换、离散二维余弦变换以及离散二维小波变换是针对掌纹图像的频域特征进行提取和比对的,局部二进制模式则利用了图像的空域特征。这些变换得到的掌纹图像特征数据量太大,而且过于细致,于是在上述方法的基础上,进一步计算其能量特征,这样既降低了特征的维数,又保留了掌纹的内在特征。实验测得识别率最高的为小波变换,识别率可达到98.6%;3.为了突破对单一特征所蕴含信息的局限性,本文重点研究了通过特征融合进行掌纹识别的方法。特征融合过程主要包括三步:特征选择、加权处理以及降维处理。特征选择的作用在于将对分类影响较小甚至产生相反影响的特征值去掉,保留利于分类的特征;加权处理则通过对不同特征赋予不同的权值,达到对重要特征的强调和对非重要特征的弱化或忽略,最终达到提高识别率的目的;降维处理通过对特征数据的压缩,实现特征维数的降低,同时也可以保持较高的识别率。论文选用识别率最高的小波变换和提升的局部二进制模式两种算法进行上述融合实验,最终得到了99.8%的识别率。本文研究了掌纹图像的特征提取方法,在此基础上研究了图像的多个特征的融合的方法。通过特征融合克服了单一特征的局限性,有效的提高了识别率,实验结果表明了本文所提出方法的有效性。

全文目录


摘要  2-4
ABSTRACT  4-8
第1章 绪论  8-16
  1.1 课题研究的背景  8
  1.2 生物特征识别技术  8-12
    1.2.1 生物特征类别  8-10
    1.2.2 生物识别技术应用  10-11
    1.2.3 掌纹识别的优势  11-12
  1.3 国内外研究现状  12-14
    1.3.1 特征的提取  12-13
    1.3.2 特征的融合  13-14
  1.4 课题研究意义  14-15
  1.5 课题研究内容  15-16
第2章 掌纹图像采集与预处理  16-26
  2.1 掌纹识别流程  16-17
  2.2 掌纹图像的采集  17-20
  2.3 掌纹图像的预处理  20-25
    2.3.1 几何预处理  20-22
    2.3.2 灰度预处理  22-25
  2.4 小结  25-26
第3章 掌纹特征的提取方法研究  26-44
  3.1 基于2D-DFT 的特征提取  26-30
    3.1.1 2D-DFT 变换原理  26-28
    3.1.2 2-D DFT 频谱图  28
    3.1.3 实验结果及分析  28-30
  3.2 基于2D-DCT 的特征提取  30-35
    3.2.1 2D-DCT 变换原理  30-31
    3.2.2 2D-DCT 频谱图  31-32
    3.2.3 实验结果及分析  32-35
  3.3 基于2D-DWT 的特征提取  35-39
    3.3.1 2D-DWT 变换原理  35-36
    3.3.2 DWT 的分解图  36-37
    3.3.3 2D-DWT 频谱图  37-38
    3.3.4 实验结果及分析  38-39
  3.4 基于LBP 的特征提取  39-42
    3.4.1 LBP 原理  39-41
    3.4.2 LBP 值图  41
    3.4.3 实验结果及分析  41-42
  3.5 实验结果分析  42-43
  3.6 小结  43-44
第4章 掌纹特征的融合研究  44-58
  4.1 融合的思想  44-46
  4.2 特征融合  46-49
    4.2.1 特征选择  46-47
    4.2.2 特征加权处理  47-48
    4.2.3 特征降维处理  48-49
  4.3 基于DWT 与改进LBP 的特征融合  49-57
    4.3.1 改进的LBP 算法  50-52
    4.3.2 特征选择  52-55
    4.3.3 特征加权  55-56
    4.3.4 特征降维  56-57
    4.3.5 实验结果及分析  57
  4.4 小结  57-58
第5章 结论  58-60
  5.1 课题总结  58
  5.2 工作展望  58-60
参考文献  60-64
致谢  64-65
攻读硕士学位期间的研究成果  65

相似论文

  1. 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
  2. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  3. 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
  4. Q学习在基于内容图像检索技术中的应用,TP391.41
  5. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  6. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  7. 基于仿生模式识别的文本分类技术研究,TP391.1
  8. 空间交会接近视觉测量方法研究,TP391.41
  9. 图像实时采集、存储与处理方法研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 多币种纸币处理技术的研究与实现,TP391.41
  12. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  13. 基于图像的路面破损识别,TP391.41
  14. 移动机器人视觉检测和跟踪研究,TP242.62
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于随机森林的植物抗性基因识别方法研究,Q943
  17. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  18. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  19. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  20. 红外图像目标识别及跟踪技术研究,TP391.41
  21. 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