论文部分内容阅读
掌纹识别作为一种新的生物特征识别技术,近十年来受到学术界和产业界的广泛关注。传统接触式掌纹图像采集设备在单一背景和专业人员指导下采集用户掌纹,虽然能保证采集到高质量的掌纹图像,但是用户需要接触采集设备,在安全性、卫生性和用户友好度方面有待提高。同时,非接触式掌纹识别高效且具有用户友好性,但是非接触式采集设备的低约束性容易导致掌纹图像发生形变。另外,对采集后的手掌图像,主流的掌纹感兴趣区域(Region of Interest,ROI)提取算法能有效提取ROI,但是仍有一定局限性。本课题针对手掌图像ROI提取中预设参数过多的问题和掌纹图像中的形变问题,提出基于局部不变特征的掌纹识别方法,提高了掌纹识别系统的精度。主要工作如下:1)介绍了基于局部不变特征的掌纹识别框架并对相关文献进行了综述,分析其在特征检测、特征描述和特征匹配三个步骤中的特点和性能。2)针对掌纹图像感兴趣区域提取中预设参数过多的问题,提出了一种有效的基于直线簇的全手掌掌纹ROI提取算法。首先,对全手掌图像预处理得到二值化图像;接着,根据预设规则在二值化图像中画直线簇,得到关键点的若干候选点;然后,借助K-Means聚类算法计算四个聚类中心,即四个指缝关键点;最后,基于关键点建立坐标系,再对手掌图像旋转归一化并提取ROI。在采集的16000张全手掌图像数据库上,获得了100%的定位和提取正确率,表明了所提方法的有效性。3)针对非接触掌纹图像的形变问题,研究了基于SIFTGPU和向量场一致性算法的掌纹识别算法。首先,使用圆形Gabor滤波器增强掌纹图像;然后,利用对图像缩放、旋转甚至仿射变换保持不变性的尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)进行掌纹图像特征提取与匹配,并采用GPU对其加速;最后,采用基于向量场一致性(Vector Field Consensus,VFC)方法保留更多的正确匹配点对。在公开掌纹库上的实验结果表明本文方法可以有效提升非接触式掌纹图像的识别精度和速度。