论文部分内容阅读
当今社会高度信息化网络化,信息安全显示出前所未有的重要性,身份鉴定技术具有非常重要的应用价值,生物特征识别技术以其特有的稳定性、唯一性和方便性,得到越来越广泛地应用。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。 但是由于掌纹的复杂性、多样性和可变性,基于掌纹的生物特征识别技术的研究与应用屈指可数。目前各种掌纹自动识别的研究主要是基于掌纹的物理、结构或几何特征。本文通过提取掌纹图像的代数特征,并依据这些代数特征,对掌纹进行识别。本论文分别采用了K-L变换以及近来应用较为广泛的神经网络多种方法进行实验,力图找到一种较为实用的方法,使掌纹识别技术走向应用。本文根据掌纹本身的特点,结合所处理的掌纹图像的特点,提出有针对性的PCA(Principal Component Analysis)特征提取方法,分别应用了K-L变换方法,线性神经网络方法对掌纹的全局特征进行提取。在设计分类器时采用最小距离法以及BP神经网络方法。论文给出了K-L变换、线性神经网络、BP神经网络的基础理论以及实现算法。论文把两种特征提取方法和两种分类器设计方法进行结合,提出K-L变换与最小分类器、K-L变换与BP神经网络分类器、线性神经网络与最小分类器、线性神经网络与BP神经网络分类器四种组合,最后对四种识别方法进行比较,根据它们识别的准确率、效率以及容错能力对识别结果进行分析,总结出各种方法的优缺点,根据它们的特点,提出在不同方面的应用。