基于图像质量的掌纹识别算法研究

摘要

掌纹识别技术因其包含信息量大、采集设备简单、用户易于接受等优点，近年来得到了广泛的研究，并成功应用于公安系统、医学研究、社会福利等方面。
　　随着非接触式掌纹采集系统的发展，图像的质量成为一个不可忽略的问题。易用性的提高必将降低图像的质量。而在众多影响图像质量的因素中，离焦模糊是一种极为重要的图像失真。而传统的模糊掌纹识别算法主要通过提取掌纹的稳定性特征进行识别，识别率较低。本文在引入掌纹图像质量评价的方法，并在此基础上提出了LMCP（局部多层对比模式）和log-Gabor数据融合的方法，主要工作如下:
　　(1)引入掌纹图像质量评价。该方法基于Daugman算法，首先对掌纹图像进行拉普拉斯锐化，然后计算图像的质量分数，通过设定的阈值对清晰图像和模糊图像进行区分，去除严重模糊的掌纹图像。
　　(2)提出LMCP和log-Gabor数据融合的掌纹识别算法。首先对LMCP算法和log-Gabor算法进行了分析，实验证明了两种方法的有效性。然后对LMCP和log-Gabor算法进行数据融合，在提取LMCP特征和log-Gabor特征的基础上，进行分数级融合，再通过K-近邻分类器完成匹配识别。仿真结果证明了数据融合的方法使得识别率得到了提高。

目录

声明

致谢

摘要

序言

1 绪论

1．1 研究背景及意义

1．2 掌纹识别技术

1．2．1 掌纹特征

1．2．2 掌纹识别技术的优势

1．2．3 掌纹识别技术的现状

1．3 论文的主要研究内容

1．4 论文的结构安排

2 掌纹识别系统简介

2．1 掌纹图像采集

2．2 掌纹定位分割技术

2．3 掌纹特征提取算法

2．3．1 基于结构特征的提取

2．3．2 基于统计的掌纹特征提取

2．3．3 基于子空间的掌纹特征提取

2．3．4 基于纹理编码的掌纹特征提取

2．3．5 基于特征融合的掌纹特征提取

2．4 模糊掌纹识别技术

2．5 本章小结

3 基于Daugman算法的模糊掌纹图像质量评价

3．1 系统算法

3．1．1 图像模糊原理

3．1．2 掌纹图像质量分数

3．1．2 改进的Daugman算法

3．2 实验与分析

3．2．1 合成掌纹数据库

3．2．2 实验结果和分析

3．3 本章小结

4 基于LMCP和log-Gabor数据融合的掌纹识别

4．1 基于局部二值模式的掌纹识别

4．1．1 LBP基本形式

4．1．2 旋转不变的LBP算子

4．1．3 均匀模式的LBP算子

4．1．4 LMCP方法

4．1．5 实验与分析

4．2 基于log-Gabor变换的掌纹识别

4．2．1 log-Gabor函数的特征

4．2．2 二维log-Gabor函数

4．2．2 实验与分析

4．3 基于LMCP和log-Gabor数据融合的掌纹识别

4．3．1 融合策略选择

4．3．2 实验与分析

4．4 本章小结

5 总结与展望

5．1 工作总结

5．2 展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集