论文部分内容阅读
生物识别是身份识别中的一种重要的技术手段,目前已经受到人们普遍关注。常用的生物识别技术主要有指纹识别,人脸识别,虹膜识别,掌纹识别等,其中指纹识别是最常用的识别技术,但它对图像质量要求较高且指纹容易磨损;人脸识别可以用低分辨率图像,但脸部容易被装饰物遮挡;虹膜识别设备价格昂贵且不易被人接受,应用受到限制。掌纹识别和以上技术相比起步较晚,但掌纹图像高低频信息丰富,接受程度高,目前吸引越来越多的研究人员的关注。
由于掌纹在采集过程中会有旋转和偏移,这些会影响掌纹的特征提取和匹配,因此首先要对原始掌纹图像预处理消除旋转和偏移,目前大部分研究者从消除旋转和偏移的掌纹中心区域选取一块感兴趣区域(region ofinterest),以此代表整幅掌纹图像,使用某种识别算法对此感兴趣区域进行分析识别。这种做法的缺点是丢失了部分有用的掌纹信息,导致识别结果不一定可信。
针对以上问题本文提出了一种随机选取感兴趣区域的方法。在对掌纹图像消除旋转偏移并建立坐标系的基础上从掌纹的中心区域随机选取多个感兴趣区域,并使用小波能量的算法进行分析识别,当判断是某人的掌纹次数超过设定值时便停止选取。通过对比实验验证了此方法具有较好的识别效果。
此外为了进一步减少计算量,还对小波能量的方法进行了改进,首先对选取的感兴趣区域进行5级小波分解将感兴趣区域分解为细节图像和近似图像,5级小波分解总共有15幅细节图像和1幅近似图像,为了更好地描述局部特征,将细节图像等分成16块,求取每一块内每个像素点的绝对值之和作为此块的特征,将所有细节图像中各块的特征组成特征向量作为此待识别掌纹图像的特征。最后使用加权城区距离来衡量各掌纹图像之间的相似度。通过和原有方法对比证明了改进的方法达到的减少计算量的目的。