学位论文 > 优秀研究生学位论文题录展示
基于手指静脉和指背关节纹理的识别算法的研究
作 者: 喻祥
导 师: 廖庆敏
学 校: 清华大学
专 业: 信息与通信工程
关键词: 生物特征识别 静脉提取 指背关节纹理 特征融合
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 57次
引 用: 0次
阅 读: 论文下载
内容摘要
信息安全性和隐私的保密性在信息化时代已成为人们关注的重点。身份识别是保护个人信息和隐私的核心技术。传统的身份识别技术因其本身的缺陷不足以对抗各种伪造、假冒手段,新兴的生物特征更加稳定,更不容易被伪造或窃取,并借助成熟的计算机技术和生物传感技术应用广泛。目前较为成熟的生物特征识别技术主要包括指纹识别、人脸识别等。指纹识别采集方式一般为接触式,存在被伪造的问题;人脸识别因为光照、姿态等因素特征稳定性不好,识别精度不高。因此,研究人员提出了以掌纹、静脉等特征为核心的第二代生物特征识别技术,它比第一代技术特征更加稳定,采集方式为非接触式,防伪造性能更好。本文从这一出发点提出了手指静脉和手指背关节纹理融合的多模态生物特征识别新方案。手指静脉为活体检测,特征稳定性很高,具有很高的个体差异度和防伪造性能;指背关节纹理丰富,特征在较长时间保持稳定。两种特征各有优点,互为补充。因此,本文开创性的提出将独立的手指静脉特征和指背关节纹理特征进行融合,综合二者的有效信息进一步提高识别精度。本文首先自主构建了一套成像质量较高的硬件采集设备。然后针对传统静脉提取算法存在的不足提出了改进的算法,将局部阈值二值化和迭代统计频数图改为置信度图,并综合二者得到结果置信度图。在此基础上本文比较了生物特征识别中普遍采用的特征提取方法,并选择合适的特征降维方法和设计有效的分类器,最终设计了一个鲁棒、识别精度较高的认证识别系统。更进一步,本文还提出了对手指静脉和指背关节纹理在数据层、特征层和决策层的融合策略,并给出实验分析和验证结果,比较了单特征识别和融合策略特征识别的准确率,不同融合策略之间的识别准确率,以及不同识别方案的等误率识别性能。这些结果对多模态融合的生物特征识别尤其是手指局部生物特征识别具有一定的借鉴意义。
|
全文目录
摘要 3-4 Abstract 4-9 第1章 引言 9-20 1.1 课题研究背景、目的及意义 9-17 1.1.1 生物特征识别技术简介 10-12 1.1.2 生物识别技术的发展方向和市场前景 12-15 1.1.3 人手局部生物特征 15-17 1.2 国内外研究现状及进展 17-18 1.3 本论文主要工作 18-20 第2章 手指静脉和指背纹理图像获取 20-26 2.1 手指静脉成像原理 20-21 2.2 光源的选择 21-22 2.3 图像采集装置 22-23 2.3.1 滤波片参数要求 22-23 2.3.2 成像设备的选择 23 2.4 采集装置框架和实现 23-25 2.5 本章小结 25-26 第3章 手指静脉和指背关节纹理图像提取 26-44 3.1 手指感兴趣区域定位与获取 26-29 3.2 手指静脉提取 29-39 3.2.1 图像增强 29-32 3.2.2 传统提取方法 32-36 3.2.3 改进的静脉提取方法 36-39 3.3 指背关节纹理提取 39-42 3.3.1 关节纹理感兴趣区域获取 40-41 3.3.2 关节纹理提取方法 41-42 3.4 本章小结 42-44 第4章 特征提取与识别 44-63 4.1 特征提取 44-52 4.1.1 小波能量特征 45-49 4.1.2 Gabor 相位方向特征 49-50 4.1.3 模糊方向能量特征 50-52 4.2 特征选择与降维 52-57 4.2.1 特征选择 52-54 4.2.2 主成分分析(PCA) 54-55 4.2.3 线性判别分析(LDA) 55-57 4.3 少样本容量模式识别 57-62 4.3.1 配准 58-60 4.3.2 分类器的设计 60-62 4.4 本章小结 62-63 第5章 数据层、特征层和决策层融合 63-70 5.1 数据层融合 63-66 5.1.1 几何融合 63-64 5.1.2 变换域融合 64-66 5.2 特征层融合 66-67 5.3 决策层融合 67-69 5.4 本章小结 69-70 第6章 实验结果讨论与分析 70-77 6.1 单特征识别 70-71 6.2 数据层融合识别 71-72 6.3 特征层融合识别 72-73 6.4 决策层融合识别 73-74 6.5 识别性能比较 74-77 第7章 结论 77-79 7.1 研究总结 77-78 7.2 需进一步开展的工作 78-79 参考文献 79-84 致谢 84-85 个人简历、在学期间发表的学术论文与研究成果 85
|
相似论文
- 唇读中的特征提取、选择与融合,TP391.41
- 基于距离映射码的安全指纹认证研究,TP391.4
- 水下目标特征的压缩与融合技术研究,TN911.7
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 指纹图像分割方法研究,TP391.41
- 虹膜识别的定位算法研究,TP391.41
- 基于分形和多小波理论的静脉特征提取研究,TP391.41
- 基于特征融合的人脸识别算法研究,TP391.41
- 面向电力营销服务的客户身份自动识别系统设计,TP391.41
- 手指静脉识别技术研究,TP391.41
- 掌纹图像特征抽取方法研究,TP391.41
- 基于信息融合的模拟电路故障诊断研究,TN710
- 基于特征融合的膜蛋白跨膜螺旋预测,Q51
- 非重叠监控摄像机中行人关联技术研究,TP391.41
- 基于特征融合的目标识别技术的研究,TP391.41
- 钴结壳的非线性超声识别技术研究,TN912.34
- 运动多目标检测与跟踪算法研究,TP391.41
- 复杂背景条件下的运动目标检测与跟踪的研究,TP391.41
- 基于特征融合的掌纹识别,TP391.41
- 粒子滤波框架下的自适应多特征融合目标跟踪方法研究,TP391.41
- 基于动静态多源特征选取、对齐与融合的唇读方法,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
|