掌纹识别技术研究毕业设计论文.doc

大庆石油学院本科生毕业设计（论文） 摘要 掌纹识别是近几年提出的一种较新的生物特征识别技术，其中很多特征可以 用来进行身份识别。 本文介绍了关于掌纹识别的特征、系统的构成、掌纹识别的方法及掌纹识别 的算法，并分析系统各部分的功能、原理。本文的算法是用定位分割 形态学腐 蚀膨胀算法、定位分割 迹线跟踪算法、基于最大内切圆的定位分割算法。理论 分析表明，掌纹特征相对其他生物特征有着其独特的优势:掌纹图像的面积较大， 涵括的信息丰富；在获取掌纹的同时还可以获取手掌的几何特征，容易与手型、指纹等 其他生物特征相结合实现一体化的识别；并且掌纹中的各类纹线特征具有唯一性和终身 不变性，不易伪造。 关键字：掌纹识别；特征；系统；掌纹识别算法 大庆石油学院本科生毕业设计（论文） Abstract Palmprint recognition is proposed in recent years, a relatively new biometric identification technologies, palmprint is the image of the palm from the finger to the wrist part of the end of one hand. Many of these characteristics can be used for identification. This article describes on the characteristics of palmprint identification, the system composition, palmprint palmprint recognition methods and algorithms to identify,and analyze the functions of various parts of the system, principles, and simulation. In this paper, the algorithm is involved as follows: individed by positioning the expansion algorithm corrosion morphology, location tracking trace segmentation algorithm, based on the maximum inscribed circle segmentation positioning. Theoretical analysis show that compared with other palmprint biometric characteristics has its unique advantages: the palmprint images is very large , includes rich information; when obtain the palmprint is also can access to the geometric characteristics of the palm of one hand at the same time, its easy to integrat with the hand-type, fingerprints and other biological characteristics to reach the integration of the identification; and the palm prints in the ridge various types has the characteristics of unique and life-long Invariance ,and its difficult to counterfeit. Key word: Palmprint recognition; Feature; system; Palmprint recognition algorithm 大庆石油学院本科生毕业设计（论文） 目 录 第一章第一章 绪论绪论.1 1.1 课题研究的背景及意义.1 1.2 几种典型的生物识别技术的优缺点.2 1.3 本文的研究内容.4 1.4 本章小结.4 第二章第二章 掌纹识别的简介掌纹识别的简介.5 2.1 掌纹的定义及特征 .5 2.2 掌纹识别的组成系统.6 2.3 本章小结 .7 第三章第三章 掌纹识别方法掌纹识别方法.8 3.1 基于点特征与线特征的识别方法.8 3.2 基于掌纹纹理特征的识别方法.10 3.3 基于子空间的掌纹识别方法.12 3.4 分级融合的掌纹识别方法.14 3.5 本章小结.16 第四章第四章 形态学的图像预处理形态学的图像预处理.17 4.1 数学形态学简介.17 4.2 掌纹图像的采集及图像处理.18 4.3 本章小结 .19 第五章第五章 掌纹识别算法的设计掌纹识别算法的设计.20 5.1 基于轮廓特征点的定位分割算法.20 5.2 基于最大内切圆的定位分割算法.21 5.3 基于形态学算子的定位分割算法.22 5.4 本章小结.24 结论结论.25 参考文献参考文献.25 致谢致谢.26 大庆石油学院本科生毕业设计（论文） 1 第 1 章 绪论 自动识别技术是一种能够自动读识信息数据并自动输入计算机的方法，它是 在通信技术和计算机科学发展的基础上形成的综合性科学技术。在近几十年的时 间里，自动识别技术在全球范围内得到了迅猛发展，已经形成了一个以条码识别 技术、射频识别技术、生物识别技术及光学字符识别技术等为代表的集光、机、 电、算为一体的高科技学科系统。 1.1 课题研究的背景 当今社会已进入信息化时代，信息社会对系统和信息的安全要求日益提高， 需要对人的身份进行识别的安全保护系统的应用场合也越来越多。越来越多的电 子设备开始进入日常生活，随着电子商务的迅速发展，只要通过网络，而不需要 买卖双方进行直接见面交易的方式，给用户带来了很大的方便。但是随着交易量 的增加，一些潜在的不安全因素也逐渐暴露出来。正是由于这些因素，人们开始 把目光转向了生物识别技术，希望可以借此技术解决信息安全问题所面临的挑战。 生物识别技术的前身是生物测定技术，现代的生物特征识别是指通过计算机利用 人体固有的生理或行为特征来进行身份识别和鉴定的技术。人们通常将生理特征 和行为特征统称为生物特征，常用的生理特征有指纹、掌纹、虹膜、视网膜、人 脸等，常用的行为特征有语音、签名步态、姿势等，此外还有较深奥的DNA识别、 人体热辐射识别、血管纹理识别、人体气味识别等，图1-1给出了人体生物特征 的一些具体例子。各种生物识别技术在精确度，用户接受程度，成本等方面都各 有不同，具有各自的优缺点，适用于各自的应用场合1。与传统的身份识别方式 相比，掌纹识别作为一项新兴的生物识别技术，与其他生物特征相比主要有以下 优点： （1）掌纹图像的面积较大，涵括的信息丰富；在获取掌纹的同时还可以获 取手掌的几何特征，容易与手型、指纹等其他生物特征相结合实现一体化的识别； （2）掌纹中的各类纹线特征具有唯一性和终身不变性，不易伪造。 （3）掌纹图像的采集设备简单，对图像的分辨率要求较低，图像受噪声影 响程度较小。不需要采用特殊的光线照射，不涉及人体的敏感部位与采样设备接 触。并且掌纹与刑事和诉讼关联较小，用户接受程度较高。 因此掌纹识别是一项有广泛应用前景、值得深入研究的生物特征识别技术。 大庆石油学院本科生毕业设计（论文） 2 图1-1 人体生物特征的具体例子 1.2 几种典型的生物识别技术的优缺点 生物识别技术经过多年的发展，现在为人们所熟悉的生物识别技术有指纹识 别、虹膜识别、人脸识别、语音识别等，各种生物识别技术在精确度，成本等方 面都各有不同，而且具有各自的优缺点，适用于各自的应用场合2。 1. 虹膜识别技术 虹膜识别是当前生物识别的一大热点。虹膜是位于瞳孔和巩膜之间的环形区 域，它的纹理结构是随机的，其形态依赖于胚胎的发育；具有高稳定性，可以保 持几十年不变，且不受除光线以外的周围环境的影响；防伪性好，虹膜自身具有 规律性的震颤以及随光强变化而缩放的特性，可以识别出图片等伪造的虹膜；易 使用，虹膜识别系统不需要与人体直接接触，此外，虹膜固有的环形特性，为识 别算法提供了天然的极坐标，分析方便。尽管虹膜识别系统具有很高的识别精度， 但是也存在如下缺点：图像采集设备复杂、昂贵，需要比较好的光源，系统成本 高；当前的虹膜识别系统还没有进行现实世界的唯一性认证的试验；由于涉及眼 睛这一敏感部位，用户具有一定的排斥性；此外，研究发现黑眼睛的虹膜极难读 取。 2. 人脸识别技术 人脸识别是一个活跃的研究领域。人脸识别具有以下优点： (1)其他生物特征识别方法都需要一定的人为配合，而人脸识别不需要被动 配合，可以使用在某些隐蔽的场合； (2)可以远距离采集人脸； (3)充分利用已有的人脸数据库资源，更直观、更方便地核查身份， 因此可 以降低成本。 人脸识别主要有两方面工作：在输入的图像中定位人脸，抽取人脸特征进行 大庆石油学院本科生毕业设计（论文） 3 匹配识别，其核心技术在于局部特征分析和图形识别算法。人脸识别无侵害性和 对用户最自然，最直接的特点使人脸识别成为最容易被接受的生物特征识别方式。 但由于人们利用人脸确认身份的时候，除了使用眉毛、眼睛、鼻子、嘴等面部特 征以外，通常还要用到大量的上下文信息，没有这些上下文信息，很难做到高置 信度的识别，此外人脸识别受化妆、表情、姿势，光照变化等影响比较大，因此 人脸识别的准确率要低于虹膜、指纹识别。 3语音识别技术 语音特征同样是每个人都不同，语音识别是一种行为特征识别技术，通过将 语音转换为电子信号，然后将这些信号输入具有特定含义编码模式中，再连接计 算机系统就可以控制某些特殊的活动，如打开某个文件、发出某个信息等。目前， 语音识别技术已经得到较广泛的研究，并已出现很多产品应用于信息查询、电话 交易、保安系统等领域。语音识别技术的识别过程主要包括声音信号的分割，语 特征提取、模式匹配准则和样本训练技术等几方面。 语音识别技术的优点在于： (1)系统的成本低廉，现代多媒体计算机系统中，语音采集设备已经逐渐成 为标准配置； (2)非接触性的语音识别是一种比较自然的识别手段，用户比较容易接受； (3)随着CPU的升级和内存容量的增大，语音识别的能力会得到很大的提高, 从而语音将成。 但是同其他基于行为特征的识别技术一样，因为语音的变化范围太大，很难 进行精确匹配，因此其识别准确率较低，同一个人由于音量、语速、语气的变化 等原因会造成系统的误识，特别当模板数量达到一定程度后，语音特征就不足以 唯一地区分每个人，而且它容易受到背景噪声、被检测者身体、情绪状态的影响。 此外，语音信息很容易被伪造，如用录音等方法就可以欺骗系统。 4签名识别技术 签名识别也是一种行为特征识别技术，目前签名大多还只适用于文档证明和 交易授权等方面。签名识别建立在签名上的力度，分析的是笔的移动，如加速度、 压力、方向及笔画长度等，而不是仅仅针对签名图像本身，每个人都有自己独特 的书写风格。人类在很久以前就开始使用签名来鉴别身份，因此用户接受度高。 签名认证的困难在于：识别速度比较慢；识别所需的硬件设备价格较高；数据的 动态变化范围大，即使是同一个人的两个签名也绝对不会相同，因此字体模仿比 较容易。 5掌纹识别技术 本文重点介绍掌纹识别技术，掌纹是指手指末端到手腕部分的手掌图像。这 些纹路起到了增加手指表面摩擦力的功能。掌纹识别是最古老的生物特征识别技 术，已经成功运用到很多领域中。公元前中国的一些商契上就有了用按指印作为 大庆石油学院本科生毕业设计（论文） 4 凭证的例子，1880年苏格兰医生Henry Faulds在英国的“Nature”上发表论文， 指出掌纹人各不同、恒久不变，并利用现场掌纹来鉴定罪犯，从此揭开了现在掌 纹识别研究的序幕，也开拓了其他生理特征识别技术的发展。 掌纹是识别具有很多的优点，如每个人的掌纹都是读一无二的，且掌纹相当 固定，不会随着年龄的增长或健康程度的变化而变化；掌纹样本容易获取，对指 纹采集装置的研究已经得到了较好的成果；一般人都有十个手指，且每个手的掌 纹皆不同，因此可以利用多个掌纹构成多重密钥，提高系统的安全性等。掌纹识 别具有很好的可靠性，但是系统很大程度上依赖于获得的指纹图像的质量。 1.3 本文的研究内容 掌纹特征相对其他生物特征有着其独特的优势，因此越来越多的研究者开始 投入到这样工作中。正是在这样的背景下，提出了本文的研究课题，主要研究内 容和章节如下： 第一章阐述了现代自动识别技术的发展和分类，简单介绍了几种生物识别技 术、掌纹识别技术等几种较为常见的自动识别技术，本文重点介绍掌纹识别技术。 第二章介绍掌纹的基本只知识，掌纹的结构特征及优势、掌纹识别的基本过 程、掌纹识别的系统。 第三章详细阐述了掌纹识别方法的的基本原理和技术特点，主要针对特征的 提取算法、纹理特征、子空间以及相应的特征匹配算法进行了说明。 第四章重点介绍了形态学中的图像预处理的内容，主要包括数学形态学的介 绍，图像预处理一级图像与处理中涉及的二值形态学和灰度形态学的相关内容， 以及图像定位分隔的必要性。 第五章对掌纹识别算法的设计。对基于轮廓特征点的定位分割算法、基于最 大内切圆的定位分割算法、定位分割 形态学腐蚀膨胀算法的算法作了详细介绍， 并对定位分割 形态学腐蚀膨胀算法的算法进行了仿真。 第六章对全文的总结，并做出对掌纹识别技术研究的总结与展望。 1.4 本章小结 本章对生物识别技术研究的发展及现状作了一个简述，并引出对掌纹识别的 研究，对各章节作了简单的介绍。对掌纹的起源及背景有个初步的了解并对其他 的生物识别技术作了详细的介绍，为下面的掌纹介绍奠定了基础，并对掌纹的识 别有了初步的了解。 大庆石油学院本科生毕业设计（论文） 5 第 2 章 掌纹识别的简介 掌纹中最重要的特征是纹线特征, 还有点和纹理两种特征。掌纹中所包含的 信息远比一枚指纹包含的信息丰富，掌纹识别系统由两个部分构成：训练样本录 入阶段和测试样本分类阶段。 2.1 掌纹的定义及特征 掌纹识别：掌纹识别是近几年提出的一种较新的生物特征识别技术。掌纹是 指手指末端到手腕部分的手掌图像。其中很多特征可以用来进行身份识别：如主 线、皱纹、细小的纹理、脊末梢、分叉点等。也是指手腕与手指之间的手掌表面 上的各种纹线。掌纹的形态由遗传基因控制，即使由于某种原因表皮剥落，新生 的掌纹纹线仍保持着原来的结构。掌纹中最重要的特征是纹线特征，而且这些纹 线特征中最清晰的几条纹线基本上是伴随人的一生不发生变化的。并且在低分辨 率和低质量的图像中仍能够清晰的辨认,还有点和纹理两种特征。点特征：主要 是指手掌上所具有的和指纹类似的皮肤表面特征，如掌纹乳突纹在局部形成的奇 异点及纹形。点特征需要在高分辨率和高质量的图像中获取，因此对图像的质量 要求较高。纹理特征，主要是指比纹线更短、更细的一些纹线，但其在手掌上分 布是毫无规律的。掌纹的特征还包括几何特征：如手掌的宽度、长度和几何形状， 以及手掌不同区域的分布。掌纹中所包含的信息远比一枚指纹包含的信息丰富， 利用掌纹的纹线特征、点特征、纹理特征、几何特征完全可以确定一个人的身份。 因此，从理论上讲，掌纹具有比指纹更好的分辨能力和更高的鉴别能力。 人类手掌上的特征非常丰富，除了表征手掌大小、厚度的几何特征外，还包 括一些有着大致的分布规律而又杂乱无章的纹线和类似指纹的纹路，以及一些细 节点，这些特征构成了掌纹识别的主要依据。其中掌纹主要特征由屈肌 (Principal Lines)、褶皱(Wrinkle)和乳突纹(Ridge)三种纹线组成,如图2-1所 示。屈肌纹(也称主线)是分布在掌面较粗大明显的沟纹，是手掌的关节由于长期 运动在一定部位形成的固有纹线。一个手掌可能有一条、两条、三条、四条、五 条甚至网状分布的屈肌纹。大部分人(80以上)具有三条屈肌纹。掌纹屈肌纹具 有唯一性和终身不变性，是掌纹作为身份识别的重要特征。 大庆石油学院本科生毕业设计（论文） 6 图2-1 掌纹的纹线特征 由于掌纹屈肌纹的稳定性、唯一性和易于采集和提取等特征，目前的掌纹识 别系统主要是利用掌纹的屈肌纹作为识别系统的特征纹线。褶皱纹是由于皮肤松 弛活动而形成地细小沟纹，分布在手掌表面，一般横压在乳突纹表面。它会随着 年龄的增长逐渐变多、变长，位置不定。因此，褶皱纹随时间的变化而变化较大， 稳定性差。乳突纹(又称乳突线)是手掌皮肤组织的凹凸结构显示在手掌表面的纹 线，其形状跟指纹类似。乳突纹成规则排列，具有终身不变性和唯一性。但是由 于掌纹的乳突纹线难以每次清晰地采集到，目前较少使用乳突纹作为掌纹身份识 别地主要识别特征。 2.2 掌纹识别的组成系统 掌纹识别系统同其他生物特征识别系统在结构上是一样的，他们都由两个部 分构成：训练样本录入阶段和测试样本分类阶段。训练样本录入阶段可以描述如 下：首先对采集的掌纹训练样本进行预处理，然后进行特征提取，把提取的掌纹 特征存入特征数据库中留待与被分类样本进行匹配。测试样本分类阶段是对获取 的测试样本经过与训练样本相同的预处理、特征提取步骤后，送入分类器进行分 类，如图 2-2 所示。这两部分都包括以下几步：掌纹图像采集、预处理以及特征 提取等3，下面将分别介绍。其功能介绍如下： 掌纹图像采集：掌纹图像采集的目的就是利用某种数字设备实现把掌纹转换 成可以用计算机处理的矩阵数据，一般采集的都是二维灰度图像。 预处理：预处理的目的是使所采集的掌纹图像能方便的对图像后续处理，如 去除噪声使图像更清晰，对输入测量引起或其他因素所造成的退化现象进行复原， 并对图像进行归一化处理。 特征提取：经过预处理的信息数据往往十分庞大。因此需要对信息数据进行 特征提取和选择，即用某种方法把数据从模式空间转换到特征子空间。使得在特 征空间中，数据具有很好的区分能力。掌纹特征提取部分需要实现的是定义和提 取稳定的、区分能力强的识别特征，这是掌纹识别过程中最为重要的一个环节， 大庆石油学院本科生毕业设计（论文） 7 特征提取效果的好坏直接影响整个识别系统的性能。通常要求提取的特征能够使 类内距离小，类间距离大，同时要考虑到特征提取算法所需消耗的时间和存储空 间的大小。 图 2-2 掌纹识别系统图 特征提取：经过预处理的信息数据往往十分庞大。因此需要对信息数据进行 特征提取和选择，即用某种方法把数据从模式空间转换到特征子空间。使得在特 征空间中，数据具有很好的区分能力。掌纹特征提取部分需要实现的是定义和提 取稳定的、区分能力强的识别特征，这是掌纹识别过程中最为重要的一个环节， 特征提取效果的好坏直接影响整个识别系统的性能。通常要求提取的特征能够使 类内距离小，类间距离大，同时要考虑到特征提取算法所需消耗的时间和存储空 间的大小。 模板匹配：把现场采集的掌纹特征与数据库中的一个模板进行现场“一对一” 的对比，找出最相似的样本，并鉴别其差异，进行分析。掌纹图像匹配是将带识 别的特征与模板库中的模板进行匹配，环节要实现的功能是对合法用户的掌纹做 出确认，以及对非法用户的掌纹做出区分，这一部分与特征提取的结果密切相关， 不同的掌纹特征会导致需要设计不同的匹配算法。 2.3 本章小结 本章对掌纹识别的定义、掌纹的特征和掌纹识别系统组成作了详细介绍。对 系统的部分功能给予解释。掌纹的点特征和线特征将在下文中详细的介绍。在掌 纹识别系统中，对于图像的预处理是关键的一步。其特征与系统的介绍为掌纹识 别的认识和研究提供了有力的科学理论。 模板提取 掌纹图像采集 结果显示 开始 掌纹是否到位？ 掌纹特征提取 图像预处理 结束 设备初始化 有效区域提取 大庆石油学院本科生毕业设计（论文） 8 第 3 章 掌纹识别方法 本章主要讲解掌纹的识别算法，包括四种方法：基于点特征与线特征的识别 方法、基于掌纹纹理特征的识别方法、基于子空间的掌纹识别方法、分级融合的 掌纹识别方法。 3.1 基于点特征与线特征的识别方法 与指纹相似，掌纹图像上也含有脊线和细节点。Funada J提出了一种通过消 除掌纹的褶皱提取乳突纹的方法，然而这种方法仅限于提取掌纹图像的脊线，并 没有成功用于掌纹识别。Duta提出了一种基于掌纹图像特征点的掌纹识别方法。 Chen等尝试通过产生局部灰度方向场图像来估计掌纹的褶皱点，将这些点连接起 来组成直线段的形式用于后续的匹配4。手掌上的纹线是最直观的特征，文献研 究了掌纹的线特征，提取纹线特征实际上是低对比度、高噪声背景条件下的边缘 检测。最早使用了掌纹的线特征用于掌纹识别，这种方法只提取手掌上的短直线。 点、线特征的识别算法是掌纹识别中最直接的方法。点特征可以精确的描述掌纹 图像，且鲁棒性较强、鉴别能力高5。但是点特征需要在高分辨率的图像中提取,若 点的数量较多，则匹配时需要大量的计算消耗。线特征明显稳定，表示方法简单， 特征空间小。但是，点特征和线特征无法表示掌纹纹线的深浅和力度，并且受噪 声的干扰较大。 1.点特征 点特征指的是掌纹乳突纹在局部形成的奇异点三角点及纹型，也包括纹线 的起止点和一些间接特征点的提取， 正像前面提到的那样,提取点特征并不意味 着一定以点作为特征完成分类和匹配工作，也可以通过所提取点的辅助，间接形 成其他特征的提取（如线特征或与所提取点性质不同的点特征等）。点特征的提 取只能在高分辨率图像中实现，并且使用点特征的匹配准确率较低，计算复杂度 相对较高，如何有效地实现点特征的匹配始终是难点所在，因此与其它方法相比， 现有，掌纹识别文献中较少直接采用点特征完成匹配,Moravec 是比较经典的提 取点特征的算子之一6,方法是在以（a，b）为中心的m*m，多为（5 5）大小的 窗口中，求解四个方向相邻像素灰度差的平方和的最小值S，将其作为该像素 （a，b）的兴趣值，其中g为对应坐标的灰度值，如公式（3-1）： 大庆石油学院本科生毕业设计（论文） 9 ： k=INT （3-1） 1 2 ,1, 1 2 ,1,1 1 2 ,1 1 2 ,1,1 min k a i ba ib ik k a i b ia ib i ik k a b ia b i ik k a i b ia ib i ik gg gg gg gg S 2 m 若像元(a，b)的S值大于给定的经验阈值T,则该像元为备选特征点,然后用 “抑制局部非最大”S 值的方法确定特征点，即检验每个备选特征点的S值是否 为一定大小窗口内的最大值。 如果在窗口内有几个备选特征点，则取M值最大的 像元作为特征点，其余均去掉，也就是选择具有最大-最小灰度方差的点作为特 征点。 方向投影算法也是点特征和线特征提取的经典算法,目前在掌纹识别领域中, 绝大部分点特征的提取均依赖于此算法完成,该算法在原始图像坐标系下建立新 的直角坐标系,以想要投影的方向 (一般取、和)为新坐标系 0 04590135 的X 轴方向,投影方向的法线方向为新坐标系的Y轴方向. 在新坐标系中,取以其 原点为中心的大小为m*n的子图S,使用公式（3-2）计算S 在X 轴方向上的投影, 其中f(x,y)是点(x,y)的灰度值7。 对该投影进行平滑处理后求其最大值y0得到 新坐标系下的点(x0,y0),用公式（3-3）得此点在原坐标系中的坐标,该点即为子 图在方向上的投影, 为新坐标系原点在原坐标系中的坐标。 , ij （3-2 2 , 22 2 m nn Pyfx yy m x ） (3-3) 00cos 2 iiy 2.1 线特征 这里的线特征可以看作是掌纹三大主线和脊线及皱纹线的组合，该特征明显 且稳定，但较难提取。掌纹纹理具有一定的宽度，其主线具有很多个像素的宽度， 大庆石油学院本科生毕业设计（论文） 10 为了不丢失线特征的宽度信息，吴等将用高斯函数平滑后的图像与高斯函数的一 阶导数和二阶导数做卷积以检测水平方向的线段， 它们被定义为水平方向的线性检测器，G为一维高斯 12 *,*() T T HGGHGG 函数，其他方向上的线特征检测通过将水平方向线性检测器旋转角度 ，堆栈滤 波的金字塔边缘检测算法和依据灰度形态学中的膨胀和腐蚀开、闭等概念构造的 算子也被用于掌纹纹理特征的提取8。手掌上的纹线非常丰富，一般而言屈肌纹 是其中最明显的，基本上每个人都会有三条明显的屈肌纹，也就是俗称的感情线、 事业线和生命线，除此之外掌纹中还包括众多复杂的褶皱和乳突纹。观察众多的 掌纹后发现，掌纹的主要纹线的走势基本上在、和四个方向。 0 04590135 针对所采集到的掌纹图像的质量，首先对原始掌纹图像进行高斯平滑滤波，去除 噪声，并增加纹线的平滑性，之后再对图像进行直方图均化，4个方向的纹线检 测和融合、骨架提取、细化及去除孤立点等操作，最终得到掌纹的线特征。 提取到手掌掌面的线特征，在提取线特征的基础上，设计了如下的方法实现 线特征的匹配。设图像L提取特征线后的掌纹图像，即图像是仅包含线特征的二 值化图像，设图像M是提取特征线后的用于匹配的掌纹模板，则两幅图的最简单 的匹配方法是计算两者的特征线的重合部分大小，即计算重合点的个数。由于环 境光、噪声、手掌放置时的压力大小等因素的影响，在不同时间采集到的同一手 掌的掌纹图像会有细微不同，这样会导致同一手掌的两幅图像所提取的线特征会 产生一定的偏移。鉴于这种偏移的程度一般来说不会很大，所以可以先对L进行 一定的“膨胀”操作，然后将膨胀后的图像L，与模板图像M进行匹配。定义匹配 度如3-4所示： (3-4) 11 00 1 ,然后以质心为中心分割 出大小为128*128的矩形掌纹中心区域,处理结果为（图4-3，c）所示。 （a） 提取后的手掌轮廓 图（b） 规范后的手掌形状 图（c） 掌纹有效区域 图4-1 掌纹有效区域的确定 4.2 掌纹图像的采集及图像处理 由于图像的数据量大，而且具有很多冗余信息，因此需要从掌纹中提取适当 的特征进行分析。为了保证识别系统的准确率和有效性，减少图像处理算法的复 杂度，要求采用方向无关性的匹配模式，即识别过程与图像旋转、平移、尺度变 化等方向定位因素无关。要求从统一采集装置对同一个人进行连续多次采样所得 到的样本中应提取出相同的特征。最简单的方法是直接在图像采集装置中设立定 位柱对手掌进行定位，但是由于掌纹区域比指纹的区域大的多，不同人手掌的大 小也不相同，定位装置部分有一定的灵活性，故采集到的掌纹都存在一定的旋转 或平移。因此，在匹配识别之前，先从采集到的图像中提取出合适的基准点，建 立参考坐标系，然后对掌纹图像进行归一化，对提高算法的鲁棒性、改善系统性 能是非常必要的。 图像预处理是实现高准确度测量和图像识别的基础和前提,是图像的低层处 理阶段,目的是去除噪声、保留原始图像中的整体信息13。数学形态学 (Mathematical Morphology)是由法国数学家G. Matheron和J. Serra于1964年提 出而逐渐发展的数学分支,成为图像集合特征分析与处理的有力工具,它用具有一 定形态的结构元素(struchure element)去度量和提取图像中的对应形状特征,以 达到对图像分析和识别的目的 ,在解决去除噪声、边缘检测、图像分割、断点连 接等图像预处理问题中有明显优势。本文从数学形态学特点及实质入手,探讨数 学形态学在图像预处理中的应用新方法和新技术。 数学形态学的基本运算与结构元素的选取，基本运算包括膨胀(Dilation) 、腐蚀( Erosion) 、开启(Opening)和闭合(Closing) ,由这些算法可以推导和 大庆石油学院本科生毕业设计（论文） 20 组合各种实用算法。根据图像处理的对象及要求的不同,数学形态学可分为二值 形态学和灰度形态学两种。 1.二值形态学 数学形态学中的二值图像的形态变换是一种针对集合的处理过程。如用A表 示输入图像, B表示结构元素,那么用B对A进行膨胀的结果就是图像A相对结构元 素B 的所有点平移b ( b属于结构元素)后的并集,而腐蚀的结果是图像A 相对结 构元素B平移- b后的交集。它们的数学表达式分别为: （4-5）:ABAb bB （4-6）:A BAb bB 膨胀可以填充图像中的小孔(相对于结构元素而言比较小的孔洞) 及在图像 边缘出现的小凹陷部分，有对图像外部滤波的作用，而腐蚀可以消除图像中小的 成分，有对图像内部滤波的作用，并将图像缩小。先腐蚀后膨胀的过程开运算， 具有消除细小物体，在纤细处分离物体和平滑较大物体边界的作用，先膨胀后腐 蚀的过程闭运算，具有填充物体内细小孔洞,连接临近物体和平滑边界的作用。 2.灰度形态学 由于现实中的图像大多为灰度图像， 必须将二值形态学扩展到灰度形态学， 以有效地处理多值图像。灰度形态学的运算对象不是集合，而是图像函数。从几 何意义上讲，灰度膨胀是将结构元素的原点平移到与信号重合，然后计算信号上 每一点处对应结构元素的最大值； 而灰度腐蚀是将结构元素紧贴在信号下方 “滑动”，其原点刻画出的轨迹。它们分别记为: fg，fg。对灰度图像的膨 胀(或腐蚀)操作有两种效果如果结构元素的值都为正的，则输出图像会比输入图 像亮(或暗) ；根据输入图像中暗(或亮) 细节的灰度值以及它们的形状相对于结 构元素的关系，它们在运算中被消减或被除掉。灰度形态学中的开闭运算都可以 用来提取特征或平滑图像。灰度图像的开运算可以去掉图像上与结构函数的形态 不相吻合的凸结构，同时保留那些相吻合的凸结构；而闭运算则会填充那些图像 上与结构函数不相吻合的凹结构，同时保留那些相吻合的凹结构。 在掌纹图像分析中,能否获取手掌平滑的轮廓线是提取掌纹有效区域的关键。 手掌边缘部分与背景存在对比度低的特点,对掌纹图像直接进行二值化再用普通 的边缘检测或轮廓跟踪方法得到的轮廓线中会含有很多的噪声。本文采用数学形 态学来解决这些问题。 4.3 本章小结 本章对形态学的预处理作了分析，并对介绍了什么是数学形态学、掌纹识别 中的图像预处理是实现高准确度测量和图像识别的基础和前提,是图像的低层处 理阶段,目的是去除噪声、保留原始图像中的整体信息，数学形态学经常用到是 大庆石油学院本科生毕业设计（论文） 21 二值形态学和灰度形态学两种。 大庆石油学院本科生毕业设计（论文） 22 第 5 章 掌纹识别算法的设计 掌纹的数字图像获取可分为脱机式(off-line)和联机式(on-line)两种，脱 机式掌纹图像采集是指预先获取掌纹图像，然后再将所获得的图像输入到计算机 进行处理。联机式掌纹识别系统则是通过直接联接计算机的掌纹捕捉传感器获取 掌纹图像，实时地进行处理。当前的脱机掌纹图像主要有基于墨迹的方法和基于 数码相机的方法，而现有的联机掌纹图像的获取主要有基于扫描仪方式和基于 CCD的方式这两种14。 定位分隔的定义: 假定将图像X 用预先设定的分割规则P 分割成N 个不同区 域: X 1, X 2, X 3, X N , 若图像X 和分割得到的区域都是图像平面Z 2 的子 集, 则图像分割过程就是把图像集合X 分成N 个互不相交的非空子集: X 1, X 2, X 3, , X N。 5.1 基于轮廓特征点的定位分割算法 这种定位分割算法是基于在线掌纹采集系统。在采集设备上设计了定位装置， 即在食指和中指之间、无名指和小指之间设计了固定的装置，用于固定手掌的位 置，使采集到的掌纹图像的方向基本相同。由于采集过程中会存在一定程度的误 差，因此需要建立一个坐标系对掌纹图像进行定位与归一化15。 下面是这种定位分割算法的主要步骤： l、将原始掌纹图像，图5-l(a)，转化为二值图像，图5-l(b)； 2、在二值图像中提取手掌外边缘轮廓并检测食指、中指之间和无名指与小 指之间的两个弧区域，并计算这两段弧的起始点、结束点和重心坐标，图5-l(c)； 3、对每个弧区域，连接弧区域的起始点的中点和重心，并分别延长与弧曲 线即手掌外边缘交于两点：(x1，y1)，(x2，y2)，图5-1(d)； 4、按照上面获得的关键点坐标，定义新的坐标系。以(x1，y1)，(x2，y2) 两点的连线作为纵轴，从这两点的中点向纵轴作垂线作为横轴，交点定为坐标原 点O，图5-l(e)； 5、在新的坐标系下，截取中心部分大小为128*128固定大小的矩形区域，图 5-1(f)； 这种算法是目前用的最多的掌纹图像定位分割算法。但是，这种算法的坐标 系和坐标原点的选取都不具有理想情况下的不变性，会带来位置上一定程度的平 移和旋转变换。并且，边缘提取是这种定位分割算法的关键步骤，即除了手掌边 缘外，还无法确定一种精确的手掌定位方法。 大庆石油学院本科生毕业设计（论文） 23 （a）原始掌纹图像 （b）二值化后的掌纹图像 （c）检测边界曲线 （d）确立关键点 （e）建立坐标系 （f）中心大小为 128*128 的区域 图5-1 基于轮廓特征点的定位分割算法 5.2 基于最大内切圆的定位分割算法 与上述算法不同，很多采用虽大内切圆的定位分割算法。最大内切圆的圆心 以及半径的具体算法如下：一幅图像用（x，y)表示，这里的z和Y指图像的空间 坐标，而在任意点(x，y)上的f值正比于图像在该点的灰度。己知掌纹图像 I(i，j)的高度为H，宽度为W，背景灰度值不大于T，最大内切圆半径不小于85个 像素点距离。所以以每个像素点为圆心的最大内切圆半径初始值r=85，掌纹图像 的最大内切圆半径初始值R=85。 a、以像素点(120，85)为圆心的初始值，计算以该点为圆心，以r=85为半径 初始值的圆周上每一像素点的坐标值（x，y）。并判断圆周上的点是否落在掌纹 图像背景范围内，也就是判断，I(x，y)T是否成立。 大庆石油学院本科生毕业设计（论文） 24 b、若I(x，y)T不成立，即I(x，y)T，则说明以点(i，j)为圆心的最大内 切圆半径不小于r=85，则令r=r+1，圆心(i，j)不变，继续计算以该点为圆心， 以r为半径的圆周上的每一像素点的坐标值(x，y)。继续判断此时圆周上所有的 点(x，y)是否落在掌纹图像背景范围内，也就是判断I(x，y)T是否成立。如此 r增加下去直到找到使I(x，y)T成立的r值，转b。 （a）原始掌纹图像 （b）最大内切圆 （c）中心矩形 图5-2基于最大内切圆的定位分割算法 c、若I(x，y)T成立，则说明以点(i，j)为圆心的最大内切圆的半径不大 于r=85。 d、判断此时R与r-1的大小，若R（r-1)，则令R=（r-1)，R为以点(i，j)为 圆心的最大内切圆半径，并记录此时的圆心坐标位置(ox，oy)，即ox=i- 1，oy=j-1，改变圆心(i，j)转a。 e、若R(r-1)，则R值不变，圆心坐标(ox，oy)也不变，改变圆心（i，j) 转a。 f、当圆心(i，j)遍历(120，185)(170，260)范围内的所有像素点后，将 得到最大的R值和此时R所对应的圆心位置(ox，oy)，即求得了掌纹图像的最大内 切圆的半径R和圆心(ox，oy)。在寻求手掌的最大内切圆圆心和半径时，可根据 原掌纹图像进一步缩小圆心的遍历范围，从而可以大大减小整个算法的计算量和 时间。 这种基于最大内切圆的方法不需要基本的图像预处理(去除噪声、图像增强、 二值化、细化等)和任何边缘检测操作，计算方法简单，基本不受图像质量的影 响。同时这种算法也不会造成一些掌纹图像(手掌伸展不够、或手掌位置摆放不 正确、或四指分开不够等原因引起的)由于被错误定位或不能定位分割而被抛弃 的现象。但是这种算法，在从最大内切圆内部切割中心矩形时，没有对图像进行 旋转校正。因此，当手掌摆放的位置存在旋转平移时，切割出的掌纹的中心区域 也存在旋转平移，所以这种算法还需要进一步完善。 5.35.3 基于形态学算子的定位分割算法 由于上述两种算法存在的缺陷，提出一种基于形态学算子的掌纹图像的定位 大庆石油学院本科生毕业设计（论文） 25 分割算法。 这种算法的主要步骤为： a、对原始掌纹图像低通滤波，消除噪声的干扰； b、设定门限值，将滤波后的掌纹图像转化为二值图像，经常用到的门限值 为15(或20)； c、对二值图像采用相同的结构算子先进行膨胀运算，再进行腐蚀运算； d、将腐蚀膨胀过后的结果与原二值图像相减，即： （5-1）GISESEI 式中表示膨胀运算，表示腐蚀运算，SE表示在进行膨胀腐蚀运算时的结 构算子； e、在原始掌纹图上找到两点的坐标，并将原始掌纹图像旋转，使得这两点 的坐标连线旋转为垂直的一条直线； f、以这两点的连线为Y轴，过这两点的中点，做垂直于Y轴的直线作为X轴。 并在此坐标系的中心的位置，切割大小为128*128的掌纹图像。 这种定位分割算法的计算量相对较小，并且不需进行边缘提取操作，使得检 测得到的角点位置比较固定。有效的避免了轮廓特征点算法由于边缘跟踪不准而 带来的基准点定位错误。因此这种算法的旋转平移相对较小，是一种比较实用的 定位分割算法。 （a）原始掌纹图像 （b）二值化 （c）膨胀、腐蚀运算后的图像 （d）（c）与（b）相减得到角点 大庆石油学院本科生毕业设计（论文） 26 （e）旋转并建立坐标系 （f）切割的掌纹图像 图 5-3 基于形态学算子的定位分隔算法 5.4 本章小结 本章首先分析了对掌纹图像进行定位分割的必要性，介绍了三种常见的掌纹 图像定位分割算法，并对这些算法进行了比较。由于定位分割算法的计算量相对 较小，基于形态学算子的定位分割算法的旋转平移相对较小，是一种比较实用的 定位分割算法。 大庆石油学院本科生毕业设计（论文） 27 结 论 掌纹识别作为一项新兴的生物识别技术，因具有采样简单、图像信息丰富、 用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关 注。但是由于掌纹识别技术起步较晚，目前尚处于学习和借鉴其他生物特征识别 技术的阶段。掌纹特征是一种相对稳定而明显的生物特征，它与指纹特征有着很 大的相似，但包含着比指纹特征更为丰富的识别信息，掌纹具有用户接受程度高、 易于采集、对采集设备要求不高，信息量丰富，特征更具稳定性等独特的优势。 本文以掌纹图像为研究对象，掌纹图像的特征提取、图像预处理、识别方法 和算法做了深入的介绍，对现有的3种掌纹图像的定位分割算法进行分析，由于 掌纹图像定位分割算法的坐标系和坐标原点的选取都不具有理想情况下的不变性， 会带来位置上一定程度的平移和旋转变换，基于最大内切圆的算法在从最大内切 圆内部切割中心矩形时，没有对图像进行旋转校正，定位分割算法的计算量相对 较小，并且不需进行边缘提取操作，使得检测得到的角点位置比较固定。有效的 避免了轮廓特征点算法由于边缘跟踪不准而带来的基准点定位错误。因此这种算 法的旋转平移相对较小，是一种比较实用的定位分割算法。 大庆石油学院本科生毕业设计（论文） 28 参考文献 1 邬向前,张大鹏,王宽全.掌纹识别技术