基于Gabor小波变换的掌纹特征提取算法研究

摘要

随着信息社会的到来，人们对于信息安全越来越重视。传统的保密与认证方式已经越来越难以保证认证的安全性。然而，利用个人独特的生物特征所辨认其身份的生物特征识别技术，则由于其难以复制或伪造的特征，可以真正有效的解决安全认证问题而受关注。生物特征识别技术就是将信息技术与生物技术相结合，利用人体固有的生理特征（如指纹、虹膜、脸型、掌纹等）和行为特征（如步态、签名等）来进行个人身份的鉴定，它被认为是当今高度互联的信息化社会的最高级别的安全密钥系统。这种新技术可广泛应用于国家安全、金融、社会福利、电子商务等领域，已成为本世纪最有发展潜力的技术之一。
　　 掌纹识别技术利用人的掌部纹理作为生物特征进行身份的自动确认，是生物特征识别领域的又一新兴技术。掌纹由于易于获取，主特征明显、稳定、具有可分性等特点，以及掌纹自动识别系统具有直接、友好、方便、良好的唯一性和应用范围广的优点，因此是一种很有发展潜力的身份识别方法。
　　 本论文以掌纹图像为研究对象，主要针对掌纹图像的特征提取进行了深入的研究。具体来说，本文主要研究内容包括以下几点：
　　 1.讲述了生物特征识别和掌纹识别的意义、历史、发展以及现状，介绍了几种常见的生物特征识别技术及其优缺点，并对掌纹识别系统及其评价参考进行了总体的概述。
　　 2.通过掌纹的结构特征及优势、掌纹识别的基本过程、掌纹图像的获取技术，掌纹识别研究的发展及现状等方面内容，介绍了掌纹识别技术。
　　 3.总结了掌纹识别中的各类特征提取方法，并对其中的一些特征提取算法进行了较为详细的阐述。
　　 4.提出了一种改进的基于Gabor小波变换和二维主分量分析(2DPCA)的掌纹识别。2DPCA克服了传统Gabor小波变换后直接进行主分量分析(PCA)遇到的维数灾难问题，并且将PCA与Fisher线性判别(FLD)结合起来，利用了以前仅用于降维的PCA特征和FLD特征相融合进行掌纹识别。实验结果表明，该方法不仅有更高的识别率，而且维数更低。
　　 5.提出了一种基于Gabor小波变换和双向二维主分量分析（即2D-2DPCA）的掌纹识别。双向二维主成分分析是二维主成分分析的改进算法，将其应用于掌纹识别，通过在垂直和水平两个方向上各执行一次二维主成分分析，消除了掌纹图像行和列的相关性，大大压缩了特征的维数。实验结果表明，该方法具有较高的识别率和更低的算法复杂度。

目录

文摘

英文文摘

CONTENTS

符号说明

第一章 绪论

1.1 课题研究的目的和意义

1.2 生物特征识别技术

1.2.1 各种常用生物特征识别技术及其比较

1.2.2 生物识别技术的现状及发展

1.2.3 生物特征识别系统评价参考

1.3 掌纹识别技术

1.3.1 掌纹特征定义

1.3.2 掌纹识别的发展历史

第二章 掌纹识别系统及感兴趣区域的提取

2.1 掌纹识别系统的组成

2.2 掌纹图像采集

2.3 掌纹感兴趣区域的获取

第三章 特征提取算法

3.1 基于空域一频域变换的特征提取

3.1.1 傅里叶变换

3.1.2 小波变换

3.1.3 Gabor小波变换

3.2 基于结构的特征提取

3.2.1 点特征

3.1.2 线特征

3.3 基于统计的特征提取

3.4 基于子空间的特征提取

3.4.1 主成分分析

3.4.2 Fisher线性判别分析

第四章 一种基于GABOR小波和2DPCA的掌纹识别改进算法

4.1 算法简介

4.2 GABOR小波变换

4.3 PCA与2DPCA变换

4.3.1 PCA方法

4.3.2 2DPCA方法

4.4 FISHER线性判别分析

4.5 二次降维及其效率

4.6 近邻法

4.7 仿真实验

4.7.1 实验步骤

4.7.2 实验结果

4.8 结论

第五章 基于GABOR小波和双向2DPCA的掌纹识别算法

5.1 双向2DPCA

5.1.1 列方向的2DPCA

5.1.2 双向2DPCA投影矩阵

5.1.3 特征选择

5.2 实验

第六章 总结与展望

参考文献

致谢

攻读学位期间发表的学术论文

学位论文评阅及答辩情况表