掌紋識(shí)別關(guān)鍵技術(shù)及算法的研究.pdf

1、北京交通大學(xué)博士學(xué)位論文掌紋識(shí)別關(guān)鍵技術(shù)及算法的研究姓名：王艷霞申請(qǐng)學(xué)位級(jí)別：博士專業(yè)：信號(hào)與信息處理指導(dǎo)教師：阮秋琦20080701北京交通大博士學(xué)位論文了手指張開程度對(duì)掌紋定位精度的影響，可根據(jù)手掌大小自動(dòng)調(diào)整所截取的掌紋圖像的大小及快速地確定手掌最大內(nèi)切圓。實(shí)驗(yàn)結(jié)果證明，本文所提出的掌紋圖像定位及分割算法比現(xiàn)有的基于正方形的掌紋圖像定位及分割算法和基于內(nèi)切圓的掌紋圖像定位及分割算法具有更好的魯棒性和定位精度。2根據(jù)掌紋圖像的特點(diǎn)，

2、提出一種基于方向可調(diào)濾波器的模糊反銳化掩模掌紋圖像增強(qiáng)算法。由于掌紋線在圖像中呈現(xiàn)脊邊緣特性，且方向富于變化，無規(guī)律可循，因此該算法以反銳化掩模技術(shù)為主體，使用方向可調(diào)濾波器替代經(jīng)典反銳化掩模算法中的Laplaeian濾波器，在任意方向上提取掌紋圖像中的高頻信息，以增強(qiáng)掌紋線的對(duì)比度；另外，由于掌紋線深淺不一，因此該算法將模糊集合理論引入到反銳化掩?？蚣苤校⑻岢隽艘粋€(gè)半開模糊隸屬度函數(shù)將掌紋圖像中的低頻分量、中頻分量和高頻分量區(qū)分開來

3、，并分別控制他們各自的增強(qiáng)強(qiáng)度；通過降低低頻分量的增強(qiáng)強(qiáng)度，可以進(jìn)一步抑制平滑區(qū)域內(nèi)的噪聲；通過大幅度地提高中頻分量的增強(qiáng)強(qiáng)度，可以有效地增強(qiáng)皺紋線的對(duì)比度；再有，通過弱化高頻分量的增強(qiáng)強(qiáng)度，可以平衡主線和皺紋線的對(duì)比度的增強(qiáng)強(qiáng)度。該算法不僅具有一定的抗噪聲能力，而且還可以同時(shí)增強(qiáng)主線和皺紋線的對(duì)比度，有效消除掌紋圖像中的“陰影效應(yīng)”。實(shí)驗(yàn)結(jié)果表明，本文所提出的算法無論是在視覺感知上，還是在識(shí)別效果上都優(yōu)于其它傳統(tǒng)的圖像增強(qiáng)算法。3提出

4、一種基于核Fisher判別式分析的掌紋代數(shù)特征的提取方法。基于子空間分析的掌紋識(shí)別算法已經(jīng)成為掌紋識(shí)別領(lǐng)域內(nèi)的主流算法，該類算法在訓(xùn)練樣本充足的情況下可以獲得較高的識(shí)別率，但是當(dāng)訓(xùn)練樣本較少時(shí)識(shí)別率則大幅度地下降；另外，由于在掌紋圖像采集過程中引入了手掌的平移、旋轉(zhuǎn)和扭曲等非線性因素，所以使用現(xiàn)有的基于線性子空間分析的掌紋識(shí)別算法無法獲得令人滿意的識(shí)別結(jié)果。本文首次將核Fisher判別式方法用于分析掌紋的代數(shù)特征，提取出一種稱之為Ker

5、nelFisherpalms的掌紋代數(shù)特征。該方法用一個(gè)非線性映射將掌紋圖像從原始的掌紋空間映射到高維特征空間F內(nèi)。在特征空間F內(nèi)使用Fisher線性判別式對(duì)掌紋進(jìn)行分類。在特征空間F內(nèi)，因?yàn)楦嗟乜紤]了掌紋圖像的高維統(tǒng)計(jì)量，所以可以更有效地區(qū)分不同類別的掌紋。本文首先通過實(shí)驗(yàn)選定該算法中所需的參數(shù)。最后將選定參數(shù)的基于KernelFisherpalms的掌紋識(shí)別算法應(yīng)用于掌紋分類和識(shí)別，并得到了滿意的結(jié)果。4提出了一種掌紋線結(jié)構(gòu)特征提