在高速發(fā)展的信息時(shí)代,身份識(shí)別技術(shù)已經(jīng)從難以使用的高端技術(shù)轉(zhuǎn)化為成熟的產(chǎn)品。以支付手段為例,從紙質(zhì)貨幣支付到電子貨幣支付是一種進(jìn)步,從憑密碼支付到憑指紋（臉）支付又是另一種進(jìn)步。有鑒于此,越來(lái)越多的研究人員投入到更加廣闊的生物識(shí)別技術(shù)的研究當(dāng)中。作為一種重要的生物識(shí)別技術(shù),掌紋識(shí)別的優(yōu)點(diǎn)和缺點(diǎn)都十分鮮明。優(yōu)點(diǎn)方面:掌紋同指紋一樣,是一種性能優(yōu)越、容易獲取、分類(lèi)明顯、信息穩(wěn)定的人體生物特征。缺點(diǎn)方面:不同于主流的指紋面部識(shí)別,掌紋識(shí)別研究較晚、缺乏完善的研究體系,且已投入使用的實(shí)物設(shè)備往往體積龐大、造價(jià)高昂,市場(chǎng)普及率明顯不高。因此,如何實(shí)現(xiàn)更好、更方便、更廉價(jià)的掌紋識(shí)別系統(tǒng)成為了當(dāng)前研究人員的關(guān)注重點(diǎn)。本文主要貢獻(xiàn)和工作總結(jié)如下:基于手掌的形態(tài)特征,提出了一種掌紋圖像的獲取與預(yù)處理方法,消除了原始手掌圖像的亮度不均勻的問(wèn)題,精確定位到手掌中心位置,有助于進(jìn)一步對(duì)ROI區(qū)域提取掌紋特征;研究了基于概率化模板和模糊邏輯的掌紋識(shí)別算法,能夠消除采集圖像時(shí)帶來(lái)的旋轉(zhuǎn)干擾,對(duì)樣本掌紋特征的提取、融合與存儲(chǔ)進(jìn)行了分析,能夠?qū)⑻崛〕龅恼萍y特征線存入設(shè)置好的模板庫(kù)中,最后利用基于模糊邏輯的特征匹配方法... 

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 生物識(shí)別技術(shù)概述
        1.1.1 各種生物特征的分類(lèi)與比較
        1.1.2 生物識(shí)別技術(shù)的應(yīng)用
    1.2 手形手紋識(shí)別技術(shù)概述
        1.2.1 手形識(shí)別
        1.2.2 掌紋識(shí)別
        1.2.3 手掌靜脈血管識(shí)別
    1.3 相關(guān)研究工作
        1.3.1 利用掌紋圖像實(shí)現(xiàn)身份驗(yàn)證
        1.3.2 基于手形的身份識(shí)別
        1.3.3 多模態(tài)生物特征識(shí)別
        1.3.4 嵌入式生物識(shí)別系統(tǒng)
    1.4 論文的主要內(nèi)容及組織
第2章 掌紋圖像的獲取與預(yù)處理
    2.1 掌紋圖像的獲取
    2.2 掌紋圖像的預(yù)處理
        2.2.1 掌紋圖像方向的校正及ROI位置的確定
        2.2.2 ROI圖像亮度歸一化
        2.2.3 ROI圖像亮度分布不均勻的消除
    2.3 本章小節(jié)
第3章 基于概率化模板和模糊邏輯的掌紋識(shí)別算法
    3.1 主掌紋線提取
        3.1.1 灰度圖像預(yù)處理
        3.1.2 灰度圖自適應(yīng)閉值二值化
        3.1.3 特征紋線篩選
    3.2 樣本掌紋特征的融合與存儲(chǔ)
    3.3 基于模糊邏輯的掌紋匹配
    3.4 本章小節(jié)
第4章 基于主線和雙樹(shù)復(fù)數(shù)小波的分級(jí)掌紋識(shí)別
    4.1 主線特征提取
    4.2 雙樹(shù)復(fù)數(shù)小波紋理特征提取
    4.3 特征匹配
        4.3.1 主線特征匹配
        4.3.2 雙樹(shù)復(fù)數(shù)小波特征匹配
    4.4 本章小節(jié)
第5章 平移、旋轉(zhuǎn)及尺度不變掌紋識(shí)別算法研究
    5.1 特征提取
        5.1.1 關(guān)鍵點(diǎn)定位
        5.1.2 關(guān)鍵點(diǎn)方向分配
        5.1.3 生成特征描述子
    5.2 特征匹配
    5.3 本章小節(jié)
第6章 基于手部特征的多模態(tài)生物識(shí)別系統(tǒng)實(shí)現(xiàn)
    6.1 手部特征決策級(jí)融合算法描述
        6.1.1 與規(guī)則決策級(jí)融合多模態(tài)系統(tǒng)差錯(cuò)率分析
        6.1.2 層次型匹配器結(jié)構(gòu)
        6.1.3 匹配特征分析
    6.2 實(shí)驗(yàn)結(jié)果
    6.3 應(yīng)用系統(tǒng)
    6.4 本章小節(jié)
第7章 總結(jié)與展望
    7.1 研究結(jié)論
    7.2 研究展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]掌紋識(shí)別研究進(jìn)展綜述[J]. 鐘德星,朱勁松,杜學(xué)峰.  模式識(shí)別與人工智能. 2019(05)
[2]基于Stein-Weiss函數(shù)的彩色掌紋特征識(shí)別算法[J]. 吳明珠,陳瑛,李興民.  計(jì)算機(jī)應(yīng)用研究. 2020(04)
[3]基于近鄰三值模式和協(xié)作表示的三維掌紋識(shí)別[J]. 劉玉珍,蔣政權(quán),趙娜.  計(jì)算機(jī)應(yīng)用. 2019(06)
[4]基于子空間與紋理特征融合的掌紋識(shí)別[J]. 李新春,馬紅艷,林森.  激光與光電子學(xué)進(jìn)展. 2019(07)
[5]基于TensorFlow的掌紋識(shí)別方法研究[J]. 王全,田宇.  價(jià)值工程. 2018(33)
[6]基于Harris角點(diǎn)檢測(cè)和聚類(lèi)算法的掌紋圖像ROI提取方法[J]. 陳典典,程培培,馬軍山.  光學(xué)儀器. 2018(05)
[7]基于安全概略的可撤銷(xiāo)掌紋模板生成算法[J]. 李亞楠,張雪鋒.  計(jì)算機(jī)工程與應(yīng)用. 2018(18)
[8]ADAM33基因rs44707、rs598418、rs2853215多態(tài)性與大魚(yú)際掌紋特應(yīng)征的相關(guān)性研究[J]. 梁文華,周兆山,王燕青,朱習(xí)軍,姜洪玉,陶紅衛(wèi),姜文青,陸學(xué)超,趙國(guó)靜.  中華中醫(yī)藥雜志. 2018(02)
[9]基于BSLDP和典型相關(guān)分析的掌紋掌脈融合識(shí)別[J]. 李新春,張春華,林森.  激光與光電子學(xué)進(jìn)展. 2018(05)
[10]基于特征優(yōu)化與稀疏表示的3D掌紋分類(lèi)[J]. 于愛(ài)華,王洪安.  浙江科技學(xué)院學(xué)報(bào). 2017(06)

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

碩士論文
[1]融合多種方向特征的掌紋識(shí)別算法研究[D]. 陳曉蔓.合肥工業(yè)大學(xué) 2019
[2]基于局部不變特征的掌紋識(shí)別方法研究[D]. 肖倩文.合肥工業(yè)大學(xué) 2019
[3]移動(dòng)端復(fù)雜背景下掌紋特征提取的算法研究[D]. 晏洋.北京交通大學(xué) 2018
[4]掌紋預(yù)處理研究及Android終端掌紋認(rèn)證系統(tǒng)開(kāi)發(fā)[D]. 陳琪.南昌航空大學(xué) 2018
[5]移動(dòng)端復(fù)雜背景下掌紋圖像預(yù)處理技術(shù)的研究及系統(tǒng)實(shí)現(xiàn)[D]. 丁玲玲.北京交通大學(xué) 2018
[6]基于半方向特征的掌紋識(shí)別方法研究[D]. 羅江.廣東工業(yè)大學(xué) 2018
[7]基于混沌加密的多模態(tài)生物模板保護(hù)技術(shù)研究[D]. 董錦錦.黑龍江大學(xué) 2018
[8]圖像特征提取算法在掌紋識(shí)別中的應(yīng)用研究[D]. 邢瑞.吉林大學(xué) 2017
[9]指掌紋物證檢驗(yàn)鑒定流程管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 宋航.吉林大學(xué) 2016
[10]基于中介真值程度度量的手紋識(shí)別方法研究與實(shí)現(xiàn)[D]. 薛松明.南京郵電大學(xué) 2016



本文編號(hào)：3730565