本文選題：掌紋識(shí)別 + 特征提取　； 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：作為生物特征識(shí)別的一種,掌紋識(shí)別是通過(guò)提取手掌的紋理特征來(lái)進(jìn)行身份識(shí)別的一種方法。與當(dāng)前常用的指紋等識(shí)別方法相比,掌紋圖像采集更容易被人們接受,且掌紋面積比較大包含更多的識(shí)別信息。因此,掌紋識(shí)別同其他身份識(shí)別相比將具有更廣闊的應(yīng)用前景。此外,掌紋采集對(duì)設(shè)備要求低,不需要高分辨率的成像設(shè)備,是當(dāng)前研究的又一熱點(diǎn)方向。當(dāng)前已有多種掌紋識(shí)別方法,如:使用掌紋紋理的識(shí)別方法,掌紋主線的識(shí)別方法,掌紋方向的識(shí)別方法,特征相關(guān)的識(shí)別方法和掌紋圖像子空間的識(shí)別方法等。掌紋識(shí)別過(guò)程主要包括:掌紋圖像獲取、預(yù)處理、特征提取、分類(lèi)決策等幾大部分。其中特征提取是掌紋識(shí)別的關(guān)鍵,在整個(gè)識(shí)別過(guò)程中占據(jù)著非常關(guān)鍵的位置。特征提取的好壞直接決定掌紋識(shí)別結(jié)果的優(yōu)劣,如何有效的對(duì)掌紋圖像進(jìn)行特征提取是進(jìn)行掌紋識(shí)別的關(guān)鍵。隨著圖像識(shí)別技術(shù)的進(jìn)步,一些對(duì)掌紋原始圖像特征進(jìn)行識(shí)別操作的算法被提出。這些算法往往具有識(shí)別速度快,計(jì)算量小等特點(diǎn)。常用的圖像特征,包括圖像的點(diǎn)、線、面等特征,還包括圖像的統(tǒng)計(jì)特征、圖像的顏色特征和紋理特征等。當(dāng)前經(jīng)典的掌紋識(shí)別算法中既有基于點(diǎn)、線、面的特征提取算法,也有基于傅立葉變換和Gabor變換的頻域特征提取算法等。其中,基于圖像的點(diǎn)、線、面結(jié)構(gòu)特征的方法是比較傳統(tǒng)的特征提取方法;使用統(tǒng)計(jì)特征的方法常常使用灰度圖像的統(tǒng)計(jì)特征,如方差、標(biāo)準(zhǔn)差等對(duì)圖像原始特征進(jìn)行定義和衡量;常見(jiàn)的空域-頻域變換的特征提取,主要的變換方法有Fourier變換、Window Fourier變換和Wavelet變換等;基于子空間的特征提取又稱(chēng)為基于圖像表征的識(shí)別方法,通過(guò)獲得圖像的局部特征,利用圖像的這種局部特征構(gòu)造特征向量進(jìn)行圖像的識(shí)別操作,實(shí)現(xiàn)從N維到M維的轉(zhuǎn)換,常見(jiàn)方法有主成分分析和費(fèi)舍爾線性判別等。在圖像特征提取領(lǐng)域SIFT(Scale Invariant Feature Transform)算法具有較好的性能,但是其在掌紋圖像識(shí)別中的研究較少,因此本文提出使用該方法進(jìn)行掌紋特征提取。使用SIFT算法的關(guān)鍵是找到特征點(diǎn),并生成特征點(diǎn)的特征描述子。該領(lǐng)域中SIFT算法有比較成熟的特征子生成方法,本文中通過(guò)對(duì)掌紋圖像進(jìn)行特征向量生成,然后利用歐式距離進(jìn)行特征匹配計(jì)算,取得了較好的圖像匹配效果。因此,本文對(duì)掌紋識(shí)別的圖像特征提取關(guān)鍵技術(shù)和常用的匹配算法進(jìn)行了詳細(xì)的介紹,并對(duì)典型的圖像特征提取算法進(jìn)行了全面的探究,找出了各種算法在掌紋圖像特征提取中的優(yōu)劣之處,在這些算法的理解基礎(chǔ)之上提出了基于SIFT特征提取的掌紋識(shí)別方法。本文介紹的用于掌紋圖像特征提取技術(shù)能夠?yàn)楸绢I(lǐng)域開(kāi)發(fā)人員提供技術(shù)參考,通過(guò)系統(tǒng)的闡述該領(lǐng)域用到的關(guān)鍵技術(shù)將為下一步相關(guān)應(yīng)用的研發(fā)打下基礎(chǔ)。
[Abstract]:As a kind of biometric recognition, palmprint recognition is an identification method by extracting the texture features of the palm. Compared with the commonly used fingerprint recognition methods, palmprint image acquisition is more easily accepted, and the palmprint area is larger than the palmprint area contains more recognition information. Therefore, palmprint recognition will have a wider application prospect than other identification. In addition, palmprint acquisition requires less equipment and does not require high resolution imaging equipment. At present, there are many palmprint recognition methods, such as: palmprint texture recognition method, palmprint main line recognition method, palmprint direction recognition method, feature related recognition method and palmprint image subspace recognition method. The palmprint recognition process mainly includes: palmprint image acquisition, preprocessing, feature extraction, classification decision and so on. Feature extraction is the key of palmprint recognition and occupies a very important position in the whole recognition process. The quality of feature extraction directly determines the result of palmprint recognition. How to effectively extract the palmprint image feature is the key to palmprint recognition. With the development of image recognition technology, some algorithms for recognition of palmprint original image features are proposed. These algorithms often have the characteristics of fast recognition speed and less computation. The commonly used image features include the points, lines and surfaces of the image, as well as the statistical features of the image, the color features and the texture features of the image. The current classic palmprint recognition algorithms include feature extraction algorithms based on points, lines and surfaces, and frequency-domain feature extraction algorithms based on Fourier transform and Gabor transform. Among them, the method based on the points, lines and surface structure features of the image is a more traditional feature extraction method, and the statistical feature of the gray image, such as variance, is often used in the statistical feature extraction method. The standard deviation defines and measures the original features of the image, and the main methods of feature extraction in spatial and frequency-domain transform include Fourier transform, window Fourier transform and Wavelet transform, etc. The feature extraction based on subspace is also called the recognition method based on image representation. By obtaining the local feature of the image and using the local feature vector of the image to construct the feature vector of the image to carry out the image recognition operation, the transformation from N dimension to M dimension can be realized. Common methods include principal component analysis and Fisher linear discriminant. In the field of image feature extraction, SIFT(Scale Invariant Feature Transform) algorithm has better performance, but its research in palmprint image recognition is less, so this paper proposes to use this method for palmprint feature extraction. The key of using SIFT algorithm is to find feature points and generate feature descriptors of feature points. In this field, SIFT algorithm has more mature feature generation method. In this paper, the palmprint image is generated by feature vector, and then the Euclidean distance is used for feature matching calculation, and a better image matching effect is obtained. Therefore, this paper introduces the key techniques and common matching algorithms of palmprint recognition in detail, and makes a comprehensive study of typical image feature extraction algorithms. The advantages and disadvantages of various algorithms in palmprint image feature extraction are found. Based on the understanding of these algorithms, a palmprint recognition method based on SIFT feature extraction is proposed. The feature extraction technology of palmprint image introduced in this paper can provide a technical reference for the developers in this field, and the key technologies used in this field will lay a foundation for the research and development of related applications in the next step.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;我研制成功世界首套高精度自動(dòng)掌紋識(shí)別系統(tǒng)[J];光學(xué)儀器;2008年01期

2 ;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

3 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

4 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

5 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

6 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

7 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

8 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

9 ;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

10 ;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

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(lèi)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(zhuān)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(zhuān)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(shū);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(xiāo)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)：1906851