论文部分内容阅读
随着经济的发展,生物特征识别技术的应用需求也不断的扩大,性能更可靠和用户接受度更高的识别系统成为了目前的研究热点。基于手部特征的识别技术具有高可靠性和高用户接受度的特点,其中掌纹和手形两种特征的融合更是可以获得更高的系统可靠性。因此本文分别研究了掌纹和手形两种特征的识别技术,同时也全面的测试了目前常用的融合方法。具体来说,全文的主要工作概括如下:(1)对于原始图像上的掌纹识别技术,提出了一种基于张量表示的最大边缘准则算法。作为基于子空间的特征提取方法的一种分支,该算法完善了最大边缘准则的不同数据表示形式的系列。该算法在保持了与同类张量算法近似的性能的前提下,具有更高的鲁棒性。相对于最大边缘准则的向量形式算法,张量形式的算法计算速度更快,且该算法在少量训练样本的情况下就可以获得比较高的识别效果,非常适用于样本数量偏少的生物特征识别应用。在掌纹数据库上的实验证明了该算法的有效性。(2)对于特征图像上的掌纹识别技术,提出了两种基于线特征直方图的掌纹特征表示,分别基于Gabor特征和有限Radon变换。在这些特征表示的基础上再使用基于子空间的特征提取方法进行掌纹识别,可以获得比使用原始图像进行掌纹识别更好的识别效果。所提出的两种特征表示使得基于子空间的特征提取方法在掌纹识别应用中获得了与顶级掌纹识别方法的类似性能,达到了具有高可靠性的应用水平。(3)对于手形的识别,提出了一种基于形状上下文的改进的识别算法,使用了一种针对手形识别问题的新的一致性距离。该算法对于各种手指摆放的位置具有很好的鲁棒性,同时达到了同规模数据集上目前最高的识别率。该算法在处理速度上可以满足验证系统的实时性要求,对于识别系统的实时性要求也在一定程度上可以满足。(4)对所提出的掌纹识别和手形识别算法,进行了常见的匹配值层的融合算法的广泛的实验,确定了最佳的融合算法,组成了完整的基于掌纹和手形特征的多模态的生物特征识别方法。