本文關鍵詞：自然光環(huán)境下的掌紋圖像的主線提取方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著科技的發(fā)展,生物特征技術在生活各個領域使用越來越廣泛。生物特征技術相比傳統(tǒng)的身份認證技術,具有更高的唯一性、穩(wěn)定性、普遍性等優(yōu)點。而掌紋識別技術是生物特征識別技術領域里新興的一個技術,因其每個人的手掌的掌紋具有唯一性、固定性、穩(wěn)定性、普遍性、可采集性,而且掌紋信息較為豐富等特征,這使得掌紋識別技術能夠被大眾普遍接受,掌紋識別技術成為了生物特征識別領域的一大研究熱點。而掌紋主線具有豐富的掌紋信息,相比手掌乳突紋、三角點、皺褶等其他掌紋信息,主線具有更穩(wěn)定、更易提取等特點,所以對掌紋主線進行提取認證能夠作為掌紋識別技術中個人信息的特征識別。而現(xiàn)有的絕大多數(shù)掌紋識別技術均是在特定光的背景下,固定住手掌位置的接觸或非接觸式的方式采集掌紋,論文研究的是對在自然光環(huán)境下,不固定住手掌位置的非接觸式方式采集的掌紋圖像進行主線提取。具體的研究內(nèi)容和結(jié)果如下:(1)對掌紋感興趣區(qū)域進行提取,用改進的種子算法對掌紋圖像進行定位,再運用Sobel算子對圖像濾波后再定位,然后將兩種定位方法定位的區(qū)域合并,得到含有手指區(qū)域的圖像。再根據(jù)計算圖像幾何特征的矩形度和長寬比值,判斷是否有手指區(qū)域進入要提取的區(qū)域中,再通過分析圖像的垂直和水平灰度積分截取掌紋感興趣區(qū)域。(2)對掌紋圖像進行預處理,包括用一種基于垂直和水平灰度積分局部灰度自動校正使圖片亮度分布更均勻,再對圖片進行灰度化,提出用基于中值濾波和Sobel銳化濾波的加權運算法增強掌紋邊緣紋線,再進行類判別二值化法,最后又利用基于水平灰度積分值對圖像進行去噪。(3)對掌紋主線進行提取,首先運用中值濾波的原理對二值圖像進行去噪處理,然后用數(shù)學形態(tài)學運算連接主線斷裂的現(xiàn)象,再進行主線細化,最后進行連通域去噪提取出有效的主線。經(jīng)大量實驗證明,這種方法提取出來的主線有效、準確,且識別效果佳,能夠滿足實際的應用。
【關鍵詞】：自然光環(huán)境 掌紋主線 掌紋定位提取 預處理 主線提取
【學位授予單位】：東華理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-17
• 1.1 課題研究背景及意義9-10
• 1.2 生物特征的身份認證技術10-11
• 1.3 掌紋識別技術11-13
• 1.3.1 掌紋識別的優(yōu)勢11-12
• 1.3.2 提取掌紋主線的意義12-13
• 1.4 研究現(xiàn)狀簡介13-15
• 1.4.1 自然光環(huán)境下的掌紋提取研究現(xiàn)狀13
• 1.4.2 提取掌紋主線的研究現(xiàn)狀13-15
• 1.5 本文研究的內(nèi)容15-17
• 2 掌紋識別系統(tǒng)及圖像采集17-23
• 2.1 掌紋識別系統(tǒng)17-19
• 2.1.1 掌紋識別系統(tǒng)的組成17
• 2.1.2 掌紋識別系統(tǒng)的工作模式17-19
• 2.2 掌紋圖像采集方法介紹19-22
• 2.2.1 掌紋圖像采集方法19-21
• 2.2.2 掌紋圖像采集數(shù)據(jù)庫21
• 2.2.3 本文采用的掌紋圖像庫21-22
• 2.3 小結(jié)22-23
• 3 掌紋感興趣區(qū)域的提取23-37
• 3.1 常用的掌紋感興趣區(qū)域圖像提取方法23-25
• 3.2 本文所用的掌紋感興趣區(qū)域的提取方法25-35
• 3.2.1 改進的種子算法對掌紋區(qū)域的定位26-29
• 3.2.2 Sobel算子銳化后的定位29-31
• 3.2.3 計算矩形度31-32
• 3.2.4 計算長寬比32-33
• 3.2.5 灰度投影33-35
• 3.3 小結(jié)35-37
• 4 掌紋圖像預處理37-49
• 4.1 圖像灰度化37-38
• 4.2 基于灰度積分的局部灰度自動校正38-41
• 4.3 基于中值濾波和Sobel算子的加權運算的濾波41-43
• 4.4 掌紋圖像二值化43-45
• 4.5 基于灰度積分的掌紋去噪45-47
• 4.6 小結(jié)47-49
• 5 掌紋主線的提取49-57
• 5.1 掌紋的線特征逡49-50
• 5.2 中值濾波處理50-51
• 5.3 數(shù)學形態(tài)學運算51-53
• 5.4 主線細化53-54
• 5.5 連通域去噪54-56
• 5.6 小結(jié)56-57
• 6 總結(jié)與展望57-59
• 6.1 本文研究工作及成果57-58
• 6.2 進一步的研究工作58-59
• 致謝59-61
• 參考文獻61-62

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐東華;;基于二階段小波多分辨率分析的掌紋分割算法[J];計算機應用與軟件;2012年04期

2 許爽;索繼東;趙繼印;;自動找點的掌紋圖像定位分割方法[J];計算機工程與設計;2011年09期

3 李明昊;李燕華;潘新;劉洋;;掌紋特征提取算法的研究[J];內(nèi)蒙古農(nóng)業(yè)大學學報(自然科學版);2010年04期

4 岳峰;左旺孟;張大鵬;;掌紋識別算法綜述[J];自動化學報;2010年03期

5 苑瑋琦;劉真;柯麗;;基于雙樹復數(shù)小波變換的掌紋特征提取[J];光電子.激光;2009年04期

6 閆琳;侯曉榮;;一種新型在線掌紋主線的提取方法[J];寧波大學學報(理工版);2008年04期

7 苑瑋琦;黃靜;桑海峰;;小波分解與PCA方法的掌紋特征提取方法[J];計算機應用研究;2008年12期

8 鄭艷清;裘正定;吳介;;基于形態(tài)學濾波和Hough變換的掌紋主線提取方法[J];北京交通大學學報;2008年05期

9 吳丹陽;張忠波;馬駟良;;基于脊波變換的掌紋識別方法[J];吉林大學學報(理學版);2008年05期

10 張建新;歐宗瑛;;基于Log-Gabor小波相位一致的掌紋線特征提取[J];光電子.激光;2008年05期

中國博士學位論文全文數(shù)據(jù)庫 前3條

1 郭秀梅;掌紋識別算法的研究[D];山東大學;2014年

2 林森;非理想條件下掌紋識別方法研究[D];沈陽工業(yè)大學;2013年

3 賈偉;掌紋識別關鍵技術研究[D];中國科學技術大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 郭婧宇;基于掌紋的身份識別算法研究[D];安徽大學;2015年

2 吳鑫;多態(tài)掌紋識別算法研究[D];青島大學;2014年

3 黃鵬

本文編號：285515