论文部分内容阅读
许多应用中都要识别用户的合法身份,传统的的方法采用密码或者IC卡等来达到这个目的。但密码和卡片容易被遗忘或者丢失,而且容易被非法用户伪造,所以传统方法已不能满足在信息化社会中更加快速、准确地进行更加复杂识别的需求。人体生物特征识别技术,是通过图像处理和模式识别的方法自动地识别人体本身所固有的生理或行为特征的技术。由于用于识别的生物特征本身由用户随身携带,不易被窃取和伪造,所以能有效弥补传统方法的不足。但单一生物特征不可能在所有人群中都同样明显,从而影响了识别的可靠性。于是作为单一生物特征识别技术的进一步发展,多生物特征识别技术孕育而生,它以多个传感器获取同一个体的不同生物特征,然后用数据融合的方法处理这些信息得出更好的识别依据。
论文利用掌纹和手形可被一次捕获的特点,对以掌纹为主并结合手形的多生物特征识别技术进行了以下几个方面的研究:(1)分析了当前主流采样设备的优缺点,制作了更加合理的采样装置,不但使采样可以在完全非接触状态下进行,而且使采样的图像质量有了明显的提高。(2)分析了已有方向校正方法的特点,提出了更加简便迅速的无预设定位点的方向校正和手形定位方法。(3)根据已有的掌纹特征提取方法进行了基于特征代表性的分类分析,提出了更具代表性的掌纹投影特征和相关提取算法。(4)结合自己改进的采样装置的特点,提出了新的手形特征和更精确的手形特征提取算法,提高了手形识别的精度。(5)改进了传统的欧几里得距离度量法,加入类类分布密度度量,使矢量相似度的计算更加合理。(6)构造了一个开放式的生物特征识别实验系统,不仅方便了新算法的实验工作,减轻了编程复杂性,而且为不同算法的比较提供了一个统一的平台。