【摘要】：掌紋識(shí)別是一種新興的生物特征識(shí)別技術(shù)。掌紋識(shí)別是用掌紋特征來(lái)進(jìn)行身份鑒別的一種方法。主成分分析(Principal component analysis,PCA)是一種經(jīng)典掌紋特征提取方法,但它也存在一些不足:丟失部分信息,受旋轉(zhuǎn)、光照強(qiáng)度的影響較大等問(wèn)題。這在一定程度上影響了PCA的效果。本文針對(duì)上述問(wèn)題提出兩種改進(jìn)的PCA算法,它們分別側(cè)重掌紋的全局特征和局部特征。在對(duì)掌紋識(shí)別系統(tǒng)的研究中發(fā)現(xiàn),全局特征和局部特征在掌紋感知過(guò)程中所起的作用不同,所以綜合這兩種特征的識(shí)別算法的研究是十分有意義的。針對(duì)上述問(wèn)題,本文主要的研究工作如下:(1)針對(duì)PCA算法中存在的問(wèn)題:只保留原始圖像的主要信息,會(huì)丟失部分信息。結(jié)合原始掌紋圖像的強(qiáng)弱對(duì)比不明顯的特點(diǎn),提出基于傅里葉與PCA特征相結(jié)合的掌紋識(shí)別方法。首先對(duì)掌紋圖像進(jìn)行傅里葉變換,然后對(duì)變換后的圖像進(jìn)行主成分分析,最后利用LS-SVM分類器進(jìn)行識(shí)別。實(shí)驗(yàn)驗(yàn)證了所提方法的有效性。(2)針對(duì)PCA算法存在的問(wèn)題:受旋轉(zhuǎn)、光照強(qiáng)度變化的影響較大。提出基于分塊PCA(ModulePCA)和LS-SVM相結(jié)合的掌紋識(shí)別方法。該方法特征提取時(shí)將一整幅掌紋圖像分為4×4個(gè)子塊圖像,在此基礎(chǔ)上應(yīng)用主成分分析。在單樣本掌紋識(shí)別問(wèn)題中優(yōu)勢(shì)明顯,是因?yàn)椴捎梅謮KPCA方法變換后的圖像與原有掌紋圖像共同作為新的訓(xùn)練集進(jìn)行訓(xùn)練,這樣有效的擴(kuò)充了樣本數(shù)量。實(shí)驗(yàn)驗(yàn)證了該方法的有效性。(3)傅里葉變換使掌紋圖像的主要信息更集中且分塊PCA會(huì)更好的保留局部信息,使圖像魯棒性增強(qiáng)。由于掌紋圖像不僅包含全局特征也包含豐富的局部特征,綜合應(yīng)用兩種上述方法,本文設(shè)計(jì)基于全局和局部特征相融合的掌紋識(shí)別系統(tǒng)。掌紋圖像經(jīng)過(guò)傅里葉變換得到全局特征;經(jīng)過(guò)Gabor變換,再運(yùn)用分塊PCA算法得到局部特征。在識(shí)別階段,采用由粗到精的串行集成策略來(lái)集成全局和局部分類器。實(shí)驗(yàn)驗(yàn)證該系統(tǒng)可以兼顧掌紋識(shí)別的速度與精度,增強(qiáng)掌紋識(shí)別系統(tǒng)的實(shí)用性。本文實(shí)驗(yàn)所使用的數(shù)據(jù)集來(lái)自香港理工大學(xué)掌紋數(shù)據(jù)庫(kù)(Poly U)。
[Abstract]:Palmprint recognition is a new biometric recognition technology. Palmprint recognition is a method of identification using palmprint features. Principal component Analysis (Principal component analysis,PCA) is a classical palmprint feature extraction method, but it also has some shortcomings: loss of some information, rotation, light intensity and other problems. This affects the effect of PCA to some extent. In this paper, two improved PCA algorithms are proposed, which focus on the global and local features of palmprint, respectively. In the research of palmprint recognition system, it is found that global feature and local feature play different roles in palmprint perception, so it is very meaningful to study the recognition algorithm which synthesizes these two features. The main research work of this paper is as follows: (1) aiming at the problem in PCA algorithm, only the main information of the original image will be retained, and some information will be lost. A palmprint recognition method based on the combination of Fourier and PCA features is proposed. First, the palmprint image is transformed by Fourier transform, then the transformed image is analyzed by principal component analysis (PCA). Finally, LS-SVM classifier is used to recognize the palmprint image. The experimental results show that the proposed method is effective. (2) the problem of PCA algorithm is that the variation of light intensity is greatly influenced by rotation. A palmprint recognition method based on block PCA (ModulePCA) and LS-SVM is proposed. In this method, an entire palmprint image is divided into 4 脳 4 sub-block images, and principal component analysis is applied. The advantage of single sample palmprint recognition is due to the use of block PCA transform image and the original palmprint image as a new training set, which effectively expands the number of samples. Experimental results show that the method is effective. (3) Fourier transform makes the main information of palmprint image more centralized and block PCA can better preserve local information and enhance the robustness of the image. Since palmprint images contain not only global features but also rich local features, a palmprint recognition system based on the fusion of global and local features is designed in this paper. The global feature of palmprint image is obtained by Fourier transform, and the local feature is obtained by using block PCA algorithm after Gabor transform. In the recognition phase, a coarse-to-fine serial integration strategy is used to integrate global and local classifiers. Experiments show that the system can give attention to the speed and precision of palmprint recognition and enhance the practicability of palmprint recognition system. The data set used in this experiment is from the palmprint database (Poly U). Of the Hong Kong Polytechnic University.
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;中國(guó)研制出首個(gè)高精度自動(dòng)掌紋識(shí)別系統(tǒng)[J];安防科技;2008年04期

2 吳文暉;;掌紋識(shí)別技術(shù)在金融系統(tǒng)的應(yīng)用[J];廣東金融電腦;1998年05期

3 宋炯,林喜榮,包桂秋,申晶;一種掌紋線特征的提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

4 鄔向前,王寬全,張大鵬;一種用于掌紋識(shí)別的線特征表示和匹配方法(英文)[J];軟件學(xué)報(bào);2004年06期

5 吳攀;;一種提高掌紋識(shí)別率方法的研究[J];軟件導(dǎo)刊;2007年03期

6 姚永芳;趙清杰;張利萍;荊曉遠(yuǎn);;統(tǒng)計(jì)不相關(guān)的費(fèi)舍掌紋識(shí)別算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年21期

7 劉富;徐杰;崔平遠(yuǎn);;基于兩層策略的掌紋識(shí)別新方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2008年S2期

8 ;我國(guó)研制成功世界首套高精度自動(dòng)掌紋識(shí)別系統(tǒng)[J];大眾科技;2008年02期

9 ;哈爾濱工業(yè)大學(xué)成功研制掌紋識(shí)別系統(tǒng)[J];安防科技;2008年04期

10 王艷霞;阮秋琦;;一種掌紋紋線結(jié)構(gòu)特征的描述和匹配方法[J];電子與信息學(xué)報(bào);2008年06期

相關(guān)會(huì)議論文 前5條

1 明泉水;孫季豐;;一種新的掌紋定位方法[A];2009年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2009年

2 魏驍勇;徐丹;袁國(guó)武;;基于組合特征的掌紋識(shí)別技術(shù)[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

3 許慧;林家恒;劉增曉;;掌紋識(shí)別技術(shù)研究進(jìn)展[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

4 李嘉偉;孫明;;基于圖像處理的掌紋識(shí)別技術(shù)研究[A];中國(guó)農(nóng)業(yè)工程學(xué)會(huì)電氣信息與自動(dòng)化專業(yè)委員會(huì)、中國(guó)電機(jī)工程學(xué)會(huì)農(nóng)村電氣化分會(huì)科技與教育專委會(huì)2010年學(xué)術(shù)年會(huì)論文摘要[C];2010年

5 吳釋培;沈琳琳;鄭松浩;何金文;;達(dá)·芬奇TMS320DM6446 DMSoC平臺(tái)雙核通信的研究與實(shí)現(xiàn)[A];第十五屆計(jì)算機(jī)工程與工藝年會(huì)暨第一屆微處理器技術(shù)論壇論文集（A輯）[C];2011年

相關(guān)重要報(bào)紙文章 前5條

1 ;英特爾展示掌紋識(shí)別技術(shù)解決安全問(wèn)題[N];中國(guó)電腦教育報(bào);2012年

2 盧光明邋記者 劉傳書;我研制成功世界首套高精度自動(dòng)掌紋識(shí)別系統(tǒng)[N];科技日?qǐng)?bào);2008年

3 周基東 張明新;生物防偽 大勢(shì)所趨[N];人民公安報(bào);2000年

4 本報(bào)記者 馬愛(ài)平;科海搏擊 鑄就金鷹[N];科技日?qǐng)?bào);2011年

5 編譯 杜龍德;扔掉你的密碼[N];電腦報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 趙秋實(shí);非接觸式掌紋識(shí)別關(guān)鍵問(wèn)題研究[D];哈爾濱工業(yè)大學(xué);2014年

2 康冰;基于身體健康狀況表征的人體掌部精細(xì)紋路和顏色提取算法研究[D];吉林大學(xué);2016年

3 崔金榮;基于多光譜和2D/3D掌紋的識(shí)別與融合方法研究[D];哈爾濱工業(yè)大學(xué);2015年

4 賈偉;掌紋識(shí)別關(guān)鍵技術(shù)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年

5 潘新;掌紋識(shí)別關(guān)鍵算法的研究[D];北京交通大學(xué);2009年

6 林森;非理想條件下掌紋識(shí)別方法研究[D];沈陽(yáng)工業(yè)大學(xué);2013年

7 郭秀梅;掌紋識(shí)別算法的研究[D];山東大學(xué);2014年

8 張建新;自動(dòng)掌紋識(shí)別理論和算法研究[D];大連理工大學(xué);2009年

9 郭金玉;基于子空間法的掌紋識(shí)別研究[D];沈陽(yáng)工業(yè)大學(xué);2009年

10 冷璐;可撤除掌紋識(shí)別與認(rèn)證技術(shù)研究[D];西南交通大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 瞿遙;基于同態(tài)加密的掌紋認(rèn)證研究[D];西南交通大學(xué);2015年

2 劉剛;非接觸式可撤銷手掌紋脈融合認(rèn)證技術(shù)研究[D];南昌航空大學(xué);2015年

3 王yN;復(fù)雜背景下的手掌圖像預(yù)處理及關(guān)鍵區(qū)域提取技術(shù)研究[D];華僑大學(xué);2015年

4 梁浩銘;基于云架構(gòu)的大規(guī)模掌紋識(shí)別技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 解冰;掌紋識(shí)別系統(tǒng)中的光源強(qiáng)度自動(dòng)調(diào)節(jié)技術(shù)及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

6 褚萬(wàn)星;基于角點(diǎn)檢測(cè)與競(jìng)爭(zhēng)編碼的掌紋識(shí)別系統(tǒng)[D];西安電子科技大學(xué);2014年

7 洪丹楓;魯棒的高精度掌紋識(shí)別技術(shù)研究[D];青島大學(xué);2015年

8 徐云云;面向智能手機(jī)的掌紋識(shí)別技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

9 鐘曉雯;非接觸多光譜手成像光學(xué)系統(tǒng)研制[D];沈陽(yáng)工業(yè)大學(xué);2015年

10 王志強(qiáng);基于圖像質(zhì)量評(píng)價(jià)的掌紋識(shí)別算法研究[D];北京交通大學(xué);2016年

，

本文編號(hào)：2283323