本文關(guān)鍵詞：基于復(fù)雜網(wǎng)絡(luò)與多小波的掌紋識別方法

  更多相關(guān)文章： 掌紋識別 CL多小波 圖像二值化 復(fù)雜網(wǎng)絡(luò)

【摘要】：當(dāng)前生物識別技術(shù)在信息安全問題中受到越來越多的關(guān)注。相比其它生物特征,掌紋識別技術(shù)具有采樣簡單、容易被用戶接受、不需要高精度儀器采樣與識別等優(yōu)點。在以往的掌紋識別技術(shù)中,通常使用掌紋圖像全部的信息,事實上,決定掌紋身份信息的主要因素是其中的紋線與皺褶特征,通過識別掌紋紋線與皺褶就可以達(dá)到掌紋識別的目的。在提取紋線與皺褶特征時噪聲會嚴(yán)重影響生成圖像的質(zhì)量,CL多小波因其優(yōu)良的性質(zhì)不但可以很好地濾除高頻噪聲,并且還能夠提取出不同方向的紋線與皺褶特征,因此本文采用CL多小波結(jié)合均值窗口法將掌紋圖像轉(zhuǎn)化為二值紋線圖像完成掌紋特征的初步提取。鑒于復(fù)雜網(wǎng)絡(luò)可以很好地描述圖像的拓?fù)浣Y(jié)構(gòu),進(jìn)一步將二值紋線圖像通過選擇不同的閾值形成一系列動態(tài)演變的網(wǎng)絡(luò),通過對網(wǎng)絡(luò)的描述實現(xiàn)對紋線結(jié)構(gòu)的描述,提出基于多小波與復(fù)雜網(wǎng)絡(luò)的掌紋識別。主要研究工作如下:1)提出基于CL多小波與均值窗口法的初級掌紋圖像特征提取方法。在CL多小波分解圖像中,有用信息主要包含在低頻分量對應(yīng)預(yù)濾波生成的低頻、水平、垂直分量的子圖LL1、LL2與LL3中,使用均值窗口法提取圖像低頻分量的局部紋路信息可以在最大程度上保留掌紋紋路信息,完成掌紋特征的初步提取。2)介紹復(fù)雜網(wǎng)絡(luò)的基本概念,選取描述網(wǎng)絡(luò)時使用的度量。3)提出基于CL多小波與復(fù)雜網(wǎng)絡(luò)的掌紋識別方法。使用CL多小波與均值窗口法生成二值紋線圖像,然后將二值子圖BLL_1、BLL_2與BLL3拼接起來完成初級特征的提取;根據(jù)二值紋線圖像以不同閾值生成一系列網(wǎng)絡(luò),計算網(wǎng)絡(luò)的平均度、最大度、度的標(biāo)準(zhǔn)差與度的平均能量作為掌紋的次級特征;再將次級特征通過LDA(Linear Discriminant Analysis)降維得到最終特征;最后使用最近鄰(NN,Nearest Neighbor)分類器進(jìn)行分類。4)提出一種改進(jìn)的基于復(fù)雜網(wǎng)絡(luò)局部優(yōu)化的多小波特征提取方法。在3)的方法中總體使用了三個分量信息進(jìn)行了網(wǎng)絡(luò)建模,同時包含了它們的自身結(jié)構(gòu)信息與相對位置信息。但子圖BLL_1更多地反應(yīng)了掌紋紋線與皺褶信息,而3)中方法并不能突出這一特點,因此在提取拼接圖像信息的基礎(chǔ)上,本方法進(jìn)一步提取子圖BLL_1的掌紋全局信息與子圖BLL_1的四分圖像的局部信息。通過分析與實驗確定了采用平均度和標(biāo)準(zhǔn)差作為網(wǎng)絡(luò)度量,結(jié)果表明改進(jìn)方法降低了28%的特征維數(shù)并顯著的提高了識別效果。本文采用CASIA(Institute of Automation of,Chinese Academy of Sciences)庫進(jìn)行實驗,通過與傳統(tǒng)方法對比證明了本文方法可以有效地進(jìn)行掌紋識別。
【關(guān)鍵詞】：掌紋識別 CL多小波 圖像二值化 復(fù)雜網(wǎng)絡(luò)
【學(xué)位授予單位】：青島理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;O157.5
【目錄】：

• 摘要8-10
• Abstract10-12
• 第1章 緒論12-19
• 1.1 掌紋識別的研究背景和意義12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.2.1 掌紋圖像采集14
• 1.2.2 掌紋圖像預(yù)處理14-16
• 1.2.3 掌紋圖像特征提取16-17
• 1.2.4 掌紋圖像分類識別17-18
• 1.3 本文的主要工作與內(nèi)容安排18-19
• 第2章 基于多小波的掌紋特征增強(qiáng)方法19-26
• 2.1 多小波與多分辨分析19-22
• 2.1.1 多分辨分析與尺度函數(shù)19-21
• 2.1.2 小波函數(shù)與多小波21-22
• 2.2 本文基于多小波的掌紋圖像增強(qiáng)方法22-25
• 2.2.1 多小波分解22-24
• 2.2.2 均值窗口法24-25
• 2.3 本章小結(jié)25-26
• 第3章 基于復(fù)雜網(wǎng)絡(luò)的統(tǒng)計特征提取26-33
• 3.1 圖26-28
• 3.1.1 Konigsberg七橋問題26-27
• 3.1.2 網(wǎng)絡(luò)的圖表示27-28
• 3.2 復(fù)雜網(wǎng)絡(luò)描述的基本概念28-31
• 3.2.1 平均路徑長度28
• 3.2.2 聚集系數(shù)28-29
• 3.2.3 度與度分布29-31
• 3.3 本文使用的復(fù)雜網(wǎng)絡(luò)度量31-32
• 3.4 本章小結(jié)32-33
• 第4章 基于多小波與復(fù)雜網(wǎng)絡(luò)的掌紋特征提取33-41
• 4.1 掌紋特征的初步提取34
• 4.2 基于歐式距離的動態(tài)演變的復(fù)雜網(wǎng)絡(luò)的建模方法34-36
• 4.3 基于多小波與復(fù)雜網(wǎng)絡(luò)的掌紋特征提取方法36-38
• 4.4 仿真實驗和結(jié)果38-39
• 4.4.1 復(fù)雜網(wǎng)絡(luò)建模閾值選取38
• 4.4.2 方法比較38-39
• 4.5 本章小結(jié)39-41
• 第5章 基于復(fù)雜網(wǎng)絡(luò)局部優(yōu)化多小波特征提取41-49
• 5.1 基于復(fù)雜網(wǎng)絡(luò)的多組掌紋特征提取41-43
• 5.2 基于復(fù)雜網(wǎng)絡(luò)局部優(yōu)化多小波特征提取方法43-45
• 5.3 仿真實驗和結(jié)果45-47
• 5.3.1 均值窗口法中窗口大小選取46
• 5.3.2 復(fù)雜網(wǎng)絡(luò)建模閾值選取46-47
• 5.3.3 實驗結(jié)果比較47
• 5.4 本章小結(jié)47-49
• 第6章 總結(jié)與展望49-51
• 6.1 論文總結(jié)49
• 6.2 研究展望49-51
• 參考文獻(xiàn)51-55
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及科研工作55-56
• 致謝56

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李彬;;用掌紋開門[J];科學(xué)之友(上半月);2014年02期

2 苑瑋琦;曲曉峰;柯麗;黃靜;;主成分分析重建誤差掌紋識別方法[J];光學(xué)學(xué)報;2008年10期

3 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(xué)學(xué)報(理工版);2008年04期

4 李莉;;基于小波多分辨率分析的掌紋分割算法研究[J];湘潭大學(xué)自然科學(xué)學(xué)報;2012年01期

5 田建武;吳一璞;郭冉;徐丹;;基于支持向量機(jī)的掌紋識別研究[J];云南大學(xué)學(xué)報(自然科學(xué)版);2006年S2期

6 郭金玉;苑瑋琦;;基于局部保持投影的掌紋識別[J];光學(xué)學(xué)報;2008年10期

7 周雨陽;阿勇;吳敏;文成明;;高分辨率捺印掌紋的自動分割[J];中國科學(xué)院研究生院學(xué)報;2012年03期

8 ;動態(tài)點擊[J];科學(xué)24小時;2008年04期

9 李正民;李安南;盧光明;;一種改進(jìn)的掌紋定位算法[J];鄭州大學(xué)學(xué)報(理學(xué)版);2007年01期

10 吳春生;馮才剛;遲學(xué)斌;;刑偵領(lǐng)域高分辨率掌紋識別技術(shù)及快速匹配方法[J];中國科學(xué)院大學(xué)學(xué)報;2014年04期

中國重要會議論文全文數(shù)據(jù)庫 前5條

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

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

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

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

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

中國重要報紙全文數(shù)據(jù)庫 前5條

1 ;英特爾展示掌紋識別技術(shù)解決安全問題[N];中國電腦教育報;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掌紋識別系統(tǒng)[N];科技日報;2008年

3 周基東 張明新;生物防偽 大勢所趨[N];人民公安報;2000年

4 本報記者 馬愛平;科海搏擊 鑄就金鷹[N];科技日報;2011年

5 編譯 杜龍德;扔掉你的密碼[N];電腦報;2004年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙秋實;非接觸式掌紋識別關(guān)鍵問題研究[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;掌紋識別關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2008年

5 潘新;掌紋識別關(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別方法研究[D];沈陽工業(yè)大學(xué);2013年

7 郭秀梅;掌紋識別算法的研究[D];山東大學(xué);2014年

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

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

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

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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)模掌紋識別技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

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

6 褚萬星;基于角點檢測與競爭編碼的掌紋識別系統(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)的掌紋識別技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

9 張鵬;基于特征提取的掌紋識別[D];北京理工大學(xué);2016年

10 馮競慧;基于旋轉(zhuǎn)不變的掌紋識別系統(tǒng)[D];吉林大學(xué);2016年

，

本文編號：1035428