基于复杂背景下的无接触掌纹预处理算法研究

摘要

近些年来，随着科学技术的不断进步，个人身份信息的安全受到了越来越多人的关注，尤其是在银行账户、网上支付平台等涉及金融交易的应用领域，过去单纯的密码口令存储信息的劣势已经越来越明显，它们容易被遗忘或被窃取。利用生物特征识别技术可以很好的解决当前的这些问题，生物特征识别技术主要是指通过人本身具有的生理特征进行身份识别的一种科学，这些特征通常具备唯一性、稳定性和安全性等独特的优势。掌纹识别技术作为生物特征识别技术的一种，它除了具备常规生物特征识别技术的优点外，其本身还具有易采集性、用户接受程度高等优点，所以对掌纹识别技术的研究将具有十分广阔的应用前景。目前，虽然在实验室中掌纹识别的精度已经很高，但是在实验室中采集的掌纹图像背景都比较单一，与在现实的场景中采集的掌纹图像差异较大。在现实的场景中，被拍摄手掌的背景可能比较复杂，并且在拍摄时手掌的角度可能不确定，仅仅使用实验室中已有的掌纹预处理算法很难准确的提取到掌纹感兴趣区域(ROI)，这也是限制掌纹识别技术市场化的关键因素。为了能使掌纹识别技术应用到人们的日常生活中，针对于复杂背景下的掌纹预处理技术的研究就显得尤为重要。
　　本文主要研究复杂背景下的无接触掌纹预处理方法。分析当下较流行的基于复杂背景下的手掌分割算法，提出了一种单高斯肤色模型和光照分量相互融合的人工神经网络的方法用于复杂背景下的手掌前景分割，解决了手掌在光照不均匀的情况下分割不准确的问题；分析已有的经典掌纹 ROI提取算法的不足，提出了一种基于校正手掌方向的掌纹感兴趣区域提取方法，该方法通过校正手掌方向能够快速提取任意方向的手掌图像的感兴趣区域，解决了在现实场景中掌纹感兴趣区域提取不准确的问题；针对于本文提出的预处理算法所获得的掌纹感兴趣区域，提取其一致局部二进制模式(ULBP)特征并进行一对多的匹配识别，评估了本文提出的基于复杂背景下的无接触掌纹预处理算法的性能。为了验证本文提出算法的有效性，我们建立了在复杂背景的环境下的采集的掌纹数据库，该数据库中的手掌图像是利用Iphone6手机在复杂背景的环境下拍摄的，由60个不同的手掌组成，每个手掌采集5幅图像，总共300张手掌图像。在此数据库中，经本文提出的基于复杂背景下的无接触掌纹预处理算法得到的掌纹感兴趣区域，采用ULBP特征匹配所得到的等错误率已达到1.65％。由此可见，本文所提算法较适用于在现实场景中拍摄的掌纹图像，对于促进掌纹识别技术市场化有一定的借鉴意义。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1生物特征识别技术的介绍与分类

1.2掌纹识别技术介绍

1.3复杂背景下的无接触掌纹预处理

1.4本文研究的内容和章节安排

第二章 基于肤色信息的手掌前景分割算法

2.1颜色空间的介绍

2.2基于Cb和Cr区域模型的肤色分割算法

2.3基于单高斯模型的肤色分割算法

2.4基于人工神经网络的肤色分割算法

2.5基于融合单高斯模型和光照分量的人工神经网络的手掌分割算法

2.6不同分割算法得到的分割图比较

2.7本章小结

第三章 掌纹感兴趣区域提取算法的研究

3.1常见的掌纹ROI提取算法简介

3.2基于校正手掌方向的掌纹感兴趣区域提取算法

3.3本章小结

第四章 算法性能测试与分析

4.1算法的性能指标

4.2算法性能测试中的匹配方法介绍

4.3算法性能分析

4.4本章小结

第五章 总结与展望

5.1总结

5.2展望

参考文献

致谢

作者简介