基于特征融合的掌紋識別.pdf

1、掌紋識別是利用計算機自動提取并分析掌紋圖像的特征來進行身份的識別與認證。識別過程涉及數(shù)字圖像處理、模式識別、機器視覺和人工智能等學科領域。該項技術在考勤系統(tǒng)、門禁系統(tǒng)以及安檢場所等領域具有廣闊的應用前景。對掌紋識別技術的研究具有較高的理論意義和應用價值。
　　 本文的主要研究工作如下：
　　 1.對掌紋圖像的預處理進行了研究。掌紋圖像的預處理包括幾何預處理和灰度預處理，幾何預處理的目的在于從采集得到的原始手掌圖像中，提取

2、對分類識別有利的掌紋區(qū)域，本文提出一種簡單易行的方法，能夠準確的分割出對掌紋識別有意義的掌紋區(qū)域；灰度預處理的目的在于將圖像的灰度值進行變換，從而獲取更有利于特征提取的圖像，本文對比了直方圖均衡化法、中值濾波法、均值濾波法和高斯濾波法四種方法，通過對處理結(jié)果的分析，選擇高斯高通濾波法為掌紋圖像灰度預處理的方法；
　　 2.對四種典型掌紋特征提取方法進行研究，其中的離散二維傅立葉變換、離散二維余弦變換以及離散二維小波變換是針對掌紋

3、圖像的頻域特征進行提取和比對的，局部二進制模式則利用了圖像的空域特征。這些變換得到的掌紋圖像特征數(shù)據(jù)量太大，而且過于細致，于是在上述方法的基礎上，進一步計算其能量特征，這樣既降低了特征的維數(shù)，又保留了掌紋的內(nèi)在特征。實驗測得識別率最高的為小波變換，識別率可達到98.6％；
　　 3.為了突破對單一特征所蘊含信息的局限性，本文重點研究了通過特征融合進行掌紋識別的方法。特征融合過程主要包括三步：特征選擇、加權(quán)處理以及降維處理。特征選

4、擇的作用在于將對分類影響較小甚至產(chǎn)生相反影響的特征值去掉，保留利于分類的特征；加權(quán)處理則通過對不同特征賦予不同的權(quán)值，達到對 重要特征的強調(diào)和對非重要特征的弱化或忽略，最終達到提高識別率的目的；降維處理通過對特征數(shù)據(jù)的壓縮，實現(xiàn)特征維數(shù)的降低，同時也可以保持較高的識別率。論文選用識別率最高的小波變換和提升的局部二進制模式兩種算法進行上述融合實驗，最終得到了99.8％的識別率。
　　 本文研究了掌紋圖像的特征提取方法，在此基礎上研