（信号与信息处理专业论文）掌纹识别系统的关键技术研究.pdf

摘要 论文题目：掌纹识别系统的关键技术研究 学科名称：信号与信息处理 研究生：刘超 指导教师：薛延学副教授 摘要 签名： 刘超 签名。丕丝乏 掌纹识别技术作为生物特征识别领域的一项新兴技术，与其它生物识别技术相比，掌 纹拥有主特征明显、稳定、易于采集和用户接受程度高等诸多优点，从而备受关注。然而， 掌纹识别技术尚处于发展阶段，其理论和应用方面的研究都有待于进一步深化和完善。在 此背景下，本文选择了三个掌纹库作为测试对象，包括香港理工大学掌纹库、中科院自动 化研究所掌纹库和实际采集的研究室掌纹库，对掌纹识别技术中的图像预处理、特征提取 等关键问题进行分析研究，主要工作内容如下： 首先是掌纹图像的预处理。本文经过图像的二值化、形态学处理、轮廓提取、定位分 割、采样和直方图均衡等一系列处理之后，完成了对掌纹感兴趣区域( r o i ) 的提取。在 预处理过程中，考虑到掌纹库的采集环境有所区别，利用直方图确定阈值，完成掌纹与背 景的分离。研究了一种基于正方形的定位分割方法，针对轮廓提取后还带有噪声的图像， 进行相应的算法调整，以达到准确定位拐点的目的；而且考虑到图像拍摄距离的差异，在 确定掌纹中心时选择合适的定位距离，使得r o i 能够最大限度保留掌纹的有用信息。利 用二层小波变换进行一个下采样，提取变换后的低频部分，将r o i 由1 2 8 1 2 8 变为3 2 3 2 ， 既保留了主要特征，又有效的减少了数据量。预处理完成之后，使用三种基于子空间的方 法对r o i 进行特征提取，包括p c a 、2 d p c a 和改进2 d p c a 三种算法。最后使用最近邻 分类器，根据提取特征的不同，选择相应的距离准则对掌纹图像进行分类识别。 在理论研究的基础上，本文在v c + + 6 o 平台下开发了掌纹识别软件系统，并分别在三 个掌纹库上进行了测试。通过对比分析三种算法的识别效果，发现改进2 d p c a 算法不但 在识别率上要优于其它两种算法，而且由于特征维数较小，识别速度也得到了有效的提升。 关键词l 掌纹识别；图像预处理；定位分割：特征提取：改进2 d p c a 西安理工大学硕士学位论文 a b s t 豫c t t i t i e ：r e s e a r c ho nk e yt e c h n o l o g i e so ft h ep a l m p r i n t r e c o g n i t i o ns y s t e m m a j o r ls i g n a ia n d i n f 6 r m a t i o np r o c e s s i n g n a m e ：c h a ol l u s i g n a t u 陀： f i i “凸& d s u p e r 、，i s o r la s s o c i a t ep r o f y a n x u ex u es i g n a t u r e ：丕丝垄叠釜婶 a b s t r a c t p a l m p r i n tr e c o g i l i t i o nt e c l l n o l o g y i sa ne m e r g i n g t e c h n o l o g y i nt i l eb i o m e t r i c f i e l d ，c o m p a r i n g w i t ho t h e rb i o m e t r i c s ，p 甜m p r i n th 鹤m a n ya d v 锄t a g e s ，i n c l u d i n gi t sm 旬o r f e a n 鹏i sa p p a r e n t ，s t l b i l i 饥e a s yc o l l e c t i o n 强di ti st 0b ea c c e p t a b l eb yu s e r ，s o “g e t s a t t e n t i o n h o w e v e r p a l m p r i n tr e c o g n i t i o nt e c h n o l o g yi s s t i ua tm es t a g eo fd e v e l o p m e n t ，i t s t l l e o d r 肌da p p l i e d 托s e a r c ha r et 0b e 凡n h e rd e e p e n e d 锄di m p r o v e d i nt l l ed i s s e r t a t i o n ，w e h a v e c h o s e nt l l r c e p a i m p r i n td a t a b 懿e 勰t l l et e s t o 场e c t i i l c l u d i n gp o l y up a l m p r i n t d a t a b a s e ，c a s i ap a l m p r i n td a 瞳a b 弱e s 锄dt 1 1 er e s e a r c hr o o mp a l m p r i i l td a t a b a s e so fa c t u a l l c o l l e c t i o i i i m a g ep r e - p r o c e s s i n g ， f e a t u r ce x t r t i o n卸do t h e rk e yi s s u e so fp a l m p r i n t r e c o g n i t i o ns y s t e ma r e s t u d i e dd e e p l y ，t l l em a i nt a s k sa r ea sf o l l o w s ： f i r s t l y ，i ti sp a l m p r i n ti m a g ep r e - p r o c e s s i n g i th a san 啪b e ro fs t e p s ，i i l c l u d i n gb i n a r i z a t i o n o fi m a g e ，m o 印h o i o g i c ap r o c e s s i n g ，c o n t o u re x t i 狮t i o n ，l o c a t i n g 锄ds e g m e n t a t i o n ，s 锄p l i n g ， 锄dh i s t o g r a me q u a l i z a t i o n ，e x 仃a c t i n gt l l er e g i o no fi n t e r e s t ( r o i ) o fp a l m p r i n ti sc o m p l e t e d i l i m ep 陀- p r o c e s s i n g ，i ti sc o n s i d e r c dm a ta c q u i s i t i o no f 山ep a l m p r i n td a t a b a s ee n v i r 0 啪e n ta r e d i f r e r e n t i th 弱d e t e m l i n e dm et h r e s h o l db yu s i n gm eh i s t o g r 锄，粕dc o m p l e t e dt h es e p 甜a t i o n o ft h ep a l m 锄db a c k g r o u i l d l 0 c a t i o n 锄ds e g m e n t a t i o nm e t h o db 嬲e do nt i l es q 啪f ei ss t u d i e d ， a l g o r i t i sa 由u s t e dr e l e v 锄t l yf o ri m a g e sw i t hn o i s ea r e rc o n t o u re x t r a c t i o n ，i i lo r d e rt 0 h i e v e c u r 纰e l yi n n e c t i o np o i n t ；锄di ti sc o n s i d e r e dt h a ts h o o t i n gd i s t a n c ef o rt l l ei m a g ei s d i f f e r e n c e ，i no r d e rt 0d e t e m l i n et l l ep a l m p r i n tc c n t e r ，、 ，eh a v es e l e c t e dm e 印p r o p r i a t e p o s i t i o m n g d i s 切盼c e ，锄d t i l em 舣i m u mu s e 几li n f b n n a t i o no fr o ii sr e t a i n e d t i l e d o 、 ，n - s 锄p l i n gi sc o m p l e t e d b yu s i n gt h ed o u b l e - d e c kw a v e l e t 仃觚s f o m ，l o 、- 疗e q u e n c yp a n i s e x t r a c t e d ，c k m g e df b m1 2 8 1 2 8t 03 2 3 2f o rr o i ，n o to n l yr e t a i n e dt h em a i nf e a t u r e s ，b u t a l s oe f r e c t i v e l yr e d u c e dt h e 锄o u n to fd a t a s e c o n d l y ；c o m p l e t em ef e a t u r ee x t r a c t i o nf o rr o i b yu s e i n g t h r e em e t h o d sb a s e d s u b s p a c e ，i n c l u d i n gp c a ，2 d p c a a n d2 d p c ao f i i i 西安理工大学硕士学位论文 i i n p r o v e m e n t a tl a s t u s i n g 廿1 en e a r e s tn e i 曲b o rc l a l s s i f i e r d 印e n d i n g t h ef e a t i 鹏o f e x t r a c t i o n ，s e l e c tt 1 1 ea p p r o p a t ed i s t 锄c e 商t e r i o nf o rc l a s s i 6 c a t i o no fp a l m p r i m b a s e do nt h et h e o r e t i c a lr e a s e r c h ，as o 凡a f es y s t e mo f p 甜m p r i n tr e c o 鲥t i o ni sd e v e l o p e d l l s i n gm i c r o s o rv i s u a jc 十h 6 o ，锄dw em a d et i l et e s ts e p a r a t e l yi i lt h r e ep a l m p r i n td a t a b 嬲e s t h r o u 曲a n a l y z i i l ga n dc o m p 撕n gm e e c o g f l i t i o ne 腩c to ft h r e ea l g o t h m s ，i ti s 如帅dt h a tt 量l e r e c o g m t i o nr a t eo f2 d p c ao fi m p f o v e m e n ti ss u p e r i o rt 0t h eo t h e rt w oa l g o r i t h m s ，a l l dd u et o t i l ef e a t u r ed i m e n s i o ni ss m a l l ，t l l er e c o g i l i t i o ns p e e dh a sb e e ne f l e c t i v e l yi m p r o v e d k e yw o r d s ：p a l m p r i mr e c o g m t i o n ；i m a g ep r e p r o c e s s i n g ；l o c a t i o n 锄ds e g m e n t a t i o n ；诧a t u r e e x t m c t i o n ；2 d p c ao fi m p r o v e m e n t 绪论 1 绪论 1 1 课题研究背景与意义 近年来，由于信息产业的飞速发展，信息化已与人们的生活密不可分。人们对于信息 安全的要求正在日益增强，对于安全、方便的个人身份认证技术的需求也显得越来越迫切。 传统的识别方法主要包括两种，一种是使用信用卡、身份证、印章、驾驶执照等工具的基 于特征物品的识别方法；另一种是利用口令、密码、暗号等工具的基于特定知识的识别方 法。这些传统的身份识别方法都存在诸多缺陷，基于物品的方法携带不便并且容易丢失、 损失、被盗用或者伪造，基于知识的方法很容易被破解、遗忘、泄漏等。因此，传统的身 份识别方法受到了严峻的挑战，显得越来越跟不上社会的发展和人们的需求。而人的身体 特征具有不可复制的特点，所以人们就将目光转向了生物识别技术，希望可以利用此类技 术解决现行系统安全所面临的问题，作为生物特征识别技术( b i o m e t r i ct e c h n o i o g y ) 来讲， 它也以其特有的唯一性、稳定性、方便性以及不会被忘记和丢失的优势慢慢的被人们所重 视。 生物识别技术是利用人体固有的生理特征或行为特征的区别来识别个人身份的一种 新兴技术n 1 。不管是人的生理特征，还是行为特征，只要符合以下的条件，一般都可以作 为生物特征用于身份识别n 1 ： ( 1 ) 普遍性：即所有的人都具备这种特征； ( 2 ) 唯一性：即任何两个人的特征要有区别： ( 3 ) 稳定性：即该特征在很长的一段长时间里都不会发生变化。 ( 4 ) 可测量性：即可以利用数字计算对该特征能进行检测和度量； 现在常见的生物识别技术主要包括有：指纹识别、人脸识别、虹膜识别、签名识别、 声音识别、掌纹识别等3 1 。而指纹识别技术是最早使用的的一种生物识别方法。但由于时 间一长，指纹质量就会大大的降低，识别效果也随之下降。因此使得它的推广受到了严重 的影响。 掌纹识别作为一种新兴的身份识别技术，受到了国内外研究人员的广泛关注。与其它 生物识别技术相比较，它拥有很多独特的优势，具体表现为： ( 1 ) 人的掌纹具有唯一性和终身不变性。 ( 2 ) 相比指纹，掌纹的面积比较大的，包含的信息也比较多，因此区分性更好。 ( 3 ) 掌纹还有主要特征明显、稳定的特点，因此在提取它的特征时不易被噪声所干扰。 ( 4 ) 采集设备比较简单，识别速度也比较快，因此成本要远低于虹膜识别。 ( 5 ) 它不容易被仿造，并且不会因受损而严重影响到采集图像的质量。 ( 6 ) 与指纹相比，掌纹的用户接受程度也比较高。 西安理工大学硕士学位论文 表1 1 “1 是从市场占有率、采集设备、系统性能等几个方面分析了目前主流的几种生 物特征识别技术的应用特点。 表1 1 常用生物识别技术的比较 生物特征 市场占有率采集设备要求 特征稳定性 被接受程度防欺骗性 综合性能 指纹6 6 7 中高中 高 高 人脸1 1 4 高 低 高低中 虹膜5 1 高 高 低高中 声音3 高 低 高中 低 掌纹1 8 低 高 高高 高 签名 l 中中低 中 低 综上所述，可以看出掌纹识别技术在很多方面都占有优势，但由于诸多因素目前市场 占有率却很低，所以利用掌纹进行生物识别是值得开发和推广普及的，并会有很好的发展 前景，它是一种很有发展潜力的身份识别方法。 掌纹识别是一种具有较高识别率的生物特征识别技术，但是同其它生物识别技术相比 起步比较晚，因此很多方面都还需要深入的研究和完善1 。在此背景下，本文在分析国 内外技术研究现状的基础上，开展了掌纹识别技术的研究，希望能在提取掌纹的感兴趣区 域( r o i ) 、特征提取等关键问题做一些探索，能对掌纹识别技术的发展作出一定的贡献。 1 2 国内外研究现状 目前，国内外在掌纹识别算法的研究方面都取得了一定的进展。掌纹识别算法的区别 主要体现在其对掌纹特征的描述方法上，根据掌纹特征提取方法的不同，一般被分为以下 四类 1 ： ( 1 ) 基于结构的掌纹识别算法，即利用掌纹的点、线特征实现分类识别。2 0 0 2 年，d u t a 等8 1 提出了一种基于掌纹图像特征点的掌纹识别方法。2 0 0 3 年，h 锄n 1 等利用形态学和 s o b e l 算子提取纹线特征描述掌纹，并训练神经网络进行分类识别。 ( 2 ) 基于纹理的掌纹识别算法，即将原始空间域掌纹图像变换到频域，在频率域内定 义并计算若干特征向量来实现掌纹的分类识别。常见的时频变换方法包括f o u r i e r 变换、 小波变换、g a b o r 变换等。2 0 0 2 年，“n 们和l n g 1 h1 幻分别利用f o 嘶e r 变换和ga _ b o r 变换提取掌纹特征，并使用相应的分类识别方法对提取特征进行匹配识别。 ( 3 ) 基于统计的掌纹识别算法，即利用掌纹的统计特征实现分类识别。h u 矩和z e m i k e 矩都是最常使用的统计特征。 “) 基于子空间的掌纹识别算法，即对掌纹图像进行某种数学变换求得其在另一个低 维空间域的表示，然后在新的空间域中更好的区分不同人的掌纹。常用的方法包括主成分 分析( p c a ) 和f i s h e r 线性判别( f l d ) 等。2 0 0 3 年，l u 和z h 锄g 等3 1 利用数学方法， 2 绪论 提出了基于主成分分析的掌纹识别方法。同年，w u 等钉提出了基于f i s h e r 掌的掌纹识 别方法，即首先对图像进行k l 变换，然后对处理后的结果进行f i s h e r 线性判决分析。 在系统的应用方面，2 0 0 6 年，中国科学院自动化研究所又分别开发了三套在线掌纹识 别系统，包括基于p d a 平台和基于网络摄像头的掌纹识别系统，以及具有固定背景的自 由式掌纹识别系统。2 0 0 8 年，由香港理工大学张大鹏教授所带领的课题小组经过多年的研 究与开发，终于成功研制了国际上第一套高精度的自动掌纹识别系统。首次提出并设计开 发出了三维、多光谱的新型掌纹识别系统，以及两套生物特征融合识别系统，包括掌纹 指纹融合识别系统与掌纹掌脉融合识别系统n 钉。这些研究成果有效地提升了我国掌纹识 别系统的整体性能，但由于系统还存在设计复杂和成本高昂等诸多问题，导致该系统的应 用推广也产生了一定的局限性。 国外部分国家的掌纹识别系统已经进入到实用阶段。2 0 0 5 年，日本富士通公司推出了 一款掌纹鉴别传感器，该系统已被应用到东京三菱银行的部分a t m 提款机上。法国所开 发的p 刚 n t q u e s t 自动指纹掌纹识别系统已被应用于英国、美国、意大利等国家的部分 警局之中n 盯。 虽然我国掌纹识别技术的算法研究取得了一定的成果，而且科研研究机构也为了某些 特定研究制作了一些采集处理系统，但由于对实用产品的核心技术掌握不多，国内现有的 掌纹识别实用产品还处于初级阶段。目前仅有北京海鑫高科技有限公司等几家小规模定制 生产的企业在试生产，产业规模小，成本高，而从国外引进技术设备的费用昂贵，导致掌 纹识别系统并未在我国普及应用。因此，设计一整套简单、高效的掌纹识别算法，对于我 们掌握自主知识产权，开发实用和小型化的产品就显得尤为重要。 1 3 论文主要工作 掌纹识别系统一般包括图像采集、预处理、特征提取和分类识别四个部分。本课题使 用两个公开的掌纹库和一个现实采集的掌纹库作为研究对象，对其进行预处理，提取r o i ， 之后使用三种特征提取方法对r o i 进行特征提取，最后对提取到的特征进行分类识别。 具体研究过程如图1 1 所示。 1 图像采集h 图像的预处理h 特征提取h 分类识别l _-_-_-_l-_一-l_l_-l_looooo 图1 1掌纹识别过程流程路 f i g u r el - lp a l m p r i n ti c o g n i t i o np r o c e s sn o w c h 罩l r t 本文具体的章节安排如下： 第一章，主要介绍了课题的研究背景和意义，以及国内外的研究现状。 第二章，主要介绍了掌纹图像的预处理过程，包括图像的二值化、形态学处理、轮 廓提取、定位分割、采样和直方图均衡等几个步骤，最终完成对掌纹感兴趣区域( r o i ) 3 西安理工大学硕士学位论文 的提取。在定位分割部分，主要研究一种基于正方形的定位分割技术，并根据具体的掌纹 图像对算法加以调整，以达到最佳的提取效果。 第三章，主要介绍了目前常用的几种特征提取方法，并对本次使用的三种基于子空间 的特征提取方法进行了重点讲解。包括p c a 、2 d p c a 和改进2 d p c a 三种算法的具体实 现过程，还对三种算法的区别进行了简要的说明。 第四章，主要介绍了几种常用的分类识别方法，并对本次所使用的最近邻分类器进行 了重点讲解，而且还对掌纹图像的分类识别过程进行了具体说明。 第五章，主要介绍了常见的图像采集方法，以及本次所使用的掌纹数据库的建立过程， 还有系统针对不同掌纹库在二值化和定位分割部分所作出的具体调整。最后对系统的开发 平台，以及系统软件操作界面和识别结果显示等内容进行了简要说明。 第六章，主要介绍了三个掌纹数据库的实验结果，通过对比分析，得出了k 值与识别 率的对应关系，同时也说明了本文重点研究的改进2 d p c a 算法在诸多方面都占有一定的 优势，最后还对比分析了三个掌纹库的识别效果。 最后，总结全文。对本文的算法及所作工作进行总结，并提出需要进一步研究和改进 的问题。 4 掌纹图像的预处理 2 掌纹图像的预处理 掌纹图像的预处理过程是一个非常重要的过程，它关系到接下来的特征提取和最后识 别的准确性，它也能够对前期图像采集进行补充和修复，图像的预处理过程包括：二值化、 形态学处理、轮廓提取、定位分割、采样和直方图均衡等几个步骤，具体流程如图2 1 所 示。 图 形轮定采 直 像 态廓位 方 采值学提分 图 集处取割 均 化理 样衡 2 1 二值化 图2 1 图像预处理过程流程图 f i g u 他2 - li m a g ep r e p “) c e s s i n gp r o c e s sn o wc h 矾 预处理的第一步就是要将采集得到的8 位灰度掌纹图像进行二值化处理，而在二值化 处理之前，考虑到在掌纹的采集过程中不可避免的会引入一些噪声，所以首先要想办法去 除这些噪声带来的影响，本文选用均值滤波的方法来除去这些随机噪声。之后我们选用 峰谷阈值法，实现掌纹图像和背景的分离。 2 1 1 均值滤波 均值滤波是的一种常用的图像去噪方法，它的主要思路是利用不同的图像平滑模板与 图像进行卷积运算，也就是使用它周围邻近像素的均值代替该点的像素值，以达到抑制或 去除噪声的目的n 。 具体的实现过程为：对于给定图像g ，j ，) 中的某个像素点g ，j ，) ，首先要选择一个卷 积模板，然后进行卷积运算并求平均值，最后将该值赋予当前像素点( 毛y ) ，这个平均值 就是经过处理以后该点的灰度值g g ，y ) ，即 如力= 古瓜力 ( 2 1 ) l 、i f 铀 其中，s 就是模板，m 为模板中像素总个数。一般情况下，为了使输出的灰度范围不 会产生太大的变化，我们将对模板进行归一化处理，即将卷积结果除以模板的系数之和l 墙1 。 5 西安理工大学硕士学位论文 本文所选用的是最常用的3 3 的均值滤波器，模板如下： r 111 吉i i 亿2 ， l l l 1 j 计算过程就是求解中间点和它8 邻域内像素点的平均值，然后将该值赋予中间点作为 处理后图像的新值。均值滤波会将噪声的影响分散到周围的像素点上，从而达到减小噪声 幅值，提高图像质量的目的。它还具有算法简单，计算速度快等优点，这也符合本次简单、 高效的系统设计思想。而且在后面的处理过程中，发现使用了均值滤波后会使定位分割更 加准确。 2 1 2 峰谷阈值法 在进行了均值滤波处理以后，我们就要考虑选取一个合适的阈值对掌纹图像和背景进 行分离。本次所使用的三个掌纹库都有一个共同点，就是掌纹图像的背景都是黑色，因此 图像的灰度直方图都具有双峰分布的特点。基于这一特性，我们使用峰谷阈值法对掌纹图 像进行二值化处理就显得简单而有效“。其原理是选择两峰之间的谷底点作为阈值r ， 然后对原图做如下处理： 设( f ，) 代表采集到的原始图像，g ( f ，) 代表分割后图像的灰度值，则 g ：j 2 5 5 州，舵丁 ( 2 3 ) g ( f ，d 2 1 o 菇； o 时，其对应的 角度日阳如同图2 - 1 2 中的臼。，所以我们将图像顺时针旋转州2 一q ，即9 ：。当七脚 ，e = 爿，以，以) ( 刀为特征向量维数) ， 则欧氏距离定义为： 几一 d ( k ，k ) = 、( 咒一) 2 ( 4 2 )、i 。7 iz 一、， ，j ，、， y ，- i 而2 d p c a 和改进2 d p c a 降维得到的都是二维矩阵，所以这里需要利用矩阵距离得 相关定义来进行判断，从而准确分类。本课题拟使用f r o b e n i u s 距离判据对二维矩阵距离 进行计算，己知两个特征矩阵彳= ( ) 肘灯和b = ( ) 。d ，则距离为： 砟( 彳，b ) = ( ：。：。( 口l ，一) 2 ) 2 ( 4 3 ) f r o b e n i u s 距离判据是矩阵范数嘞1 。 接下来我们就对测试样本的分类识别过程加以说明，具体流程如图4 1 所示。其中，x 为测试样本，毛o = o ，l ，m l ，m 为训练样本个数) 为训练样本，声“历为测试样本和训练 样本之间的距离，纪，印是存放最小距离的中间变量，胛是存放最小距离对应的训练样 本编号。 首先输入测试样本x 的数据，接着根据相应的距离准则计算x 和毛之间的距离，存入 声删之中。然后比较声姗和，p ，印的大小，纪叩开始时有一个预设值的，如果声删比 胞，印大，则说明此时的训练样本并非是x 所对应的所属类，所以返回测试距离那一步， 开始计算下一个训练样本和工之间的距离。但如果弘l 册比胞，印小，则说明此时的训练样 本有可能是x 所对应的所属类，此时记录下这个距离弘”册，将其存入中间变量，p 印中， 作为暂时的最小距离，等发现有比它更小的时候再换掉。还要记录下此时的，值( 即第几 个训练样本) ，将其存入胛中。然后等测试样本与所有的训练样本都比对完成后，此时 2 r 分类识别 的即s 所对应的训练样本就是x 的所属类。 图4 1 分类识别流程图 f i g u m4 一lc l 舔s i 6 c a t i o n 锄dr e c o 印i t i o nn o w c h a n 最后我们利用公式4 4 ，计算出识别结果，刀”朋6 p ，即为分类识别的最终结果。 刀材肌6 p ，： 型 + l m l m p e r c l a s s ( 4 4 ) 式中的删，印p 舭为每类样本的样本个数，相当于掌纹库中每个人在训练集中的掌i 纹图像个数。这也就是为什么前面我们的f 值是从o 取到m l 的原因，因为在软件编程 中，“ ( 除号) 有取整舍余的功能，所以利用这个公式我们就可以输出是哪个人的掌纹， 也就是说即s 只是说明跟训练集中的第几幅图属于一类，而删所6 p ，才说明了它具体是属 于哪一个人的掌纹。 4 3 本章小结 本章主要介绍了几种最常用分类识别方法，并对本文所使用的最近邻分类器进行了重 点阐述，而且还利用流程图对掌纹图像的分类识别过程进行了具体说明。本课题之所以选 择最近邻分类器，就是因为其运算复杂度低的特点，这与本次想设计一个简单、高效的掌 纹识别系统的初衷不谋而合。其实还有很多的分类器可以选择，但是如果在不影响分类效 果的前提下，使用简单的分类器，将对系统今后的小型化研究非常有利。 西安理工大学硕士学位论文 系统设计与实现 5 系统设计与实现 要设计一个掌纹识别系统，首先就要选择一个合适的掌纹数据库作为测试和研究的对 象，而图像的采集方式则是建立掌纹数据库的首要问题。在本章我们将重点讨论掌纹图像 的采集方法和待测掌纹库的建立过程，以及系统设计与实现的相关问题。 本课题共使用了三个掌纹数据库作为测试对象，包括两个标准库和一个实际采集的掌 纹数据库，两个标准库分别是由香港理工大学提供的p o l y u 掌纹数据库和由中国科学院 自动化研究所提供的c a s 队掌纹数据库，还有一个是利用手机摄像头采集到的研究室掌 纹数据库。接下来我们就上面提到的内容进行具体的阐述。 5 1 图像采集与掌纹库的建立 要建立一个掌纹数据库，首先就要选择一种合适的图像采集装置，不同的采集设备会 带来不同的效果，也会影响到系统的具体设计流程，甚至会直接影响到系统最终的识别率。 早期经常使用油墨印记法，此方法虽然可以直接获得二值化的图像，但是同时会丢失掉很 多的掌纹细节，使得采集到的掌纹信息不够丰富；更大的问题是由于每次采集用力可能会 有不同，从而在不同时期采集到的掌纹形状会产生较大的差异呻1 ；并且每次测试人员都 要沾染油墨，所以用户的接受程度也不高，基于这些问题，人们最终放弃了这种采集方法。 目前，最常用的掌纹图像采样方法主要有扫描仪采样法、基于数码相机或基于c c d 的采集方法。 将扫描仪作为采集设备时，由于它是一种基于线扫描的成像仪器，其灯光是由内部光 源所提供的，可以保证每条扫描线的照明条件是一样的，因此利用扫描仪采集得到的掌纹 图像亮度比较均匀，图像的分辨率也比较高。但是扫描仪也存在一些问题，扫描仪采集是 属于接触式的采集方式，所以皮肤在与玻璃板接触的过程中难免发生一定的形变，而且采 集时间过长，机器会散发很多的热量，遇到空气就会形成水雾影响采集质量。还有就是采 集时间也比较长h 眈1 。 利用数码相机或c c d 进行掌纹采集时，一般都需要制作辅助设施以固定拍摄装置和 创造良好的成像环境。对于基于c c d 的掌纹采集设备来说，一般是将其放在暗箱之中， 然后在暗箱的顶部制作一个采样孔，并在孔周围设置一些定位点用于固定手掌。这样做不 但能够减少环境光的影响，而且手掌的拍摄位置都比较固定，便于后期处理。缺点是很难 找到一个绝对的平衡点以保证该装置可以适应所有手掌的大小和形状。 基于数码相机的采集方法属于一种非接触式的采集方式，它的优点是采集时无需定位 点，依靠后期的算法进行定位，并且所采集到的掌纹图像分辨率都较高：缺点是易受外部 光照的影响，并且由于前期没有对掌纹的姿态加以控制，所以增加了后期的处理难度 。 西安理工大学硕士学位论文 掌纹识别技术提出以后，为了使各种掌纹识别方法有一个统一的比较平台，包括香港 科技大学、香港理工大学和中国科学院自动化研究所在内的多个研究机构都分别发布了公 开的掌纹图像数据库，为研究人员提供研究素材。接下来我们具体介绍一下本次测试所使 用掌纹数据库的采集方式和图片信息。 首先是香港理工大学( p o l y u ) 的掌纹数据库，图像的采集是由该大学的生物特征识 别实验室开发的一套专用掌纹采集系统完成的，如图5 一l 所示，该设备带有一个手掌固定 装置，这样做是为了能够更好的控制掌纹姿态。该掌纹库含有不同年龄阶段1 0 0 人的掌纹， 每人有6 幅掌纹图像，共6 0 0 幅掌纹图像，图像的大小为3 8 4 2 8 4 ，分辨率为7 5 d p i ，灰度 级为2 5 6 ，图片格式为b m p 文件，此外，掌纹来自于同一阶段，也没经过任何预处理操作。 图5 - l 香港理工大学的掌纹采集设备 f i g u r e5 1p a l m p r i n t c o l l e c t i o nd e v i c eo fp o l y u 其次是中国科学院自动化研究所( c a s 认) 的掌纹数据库，采集设备如图5 2 所示， 该设备是由该所自行研制的，从图中可以发现，该设备没有手掌固定装置，在采集时，只 要将手掌自然张开平放在采集设备上即可，随后由固定在该设备顶部的一个c m o s 数码相 机在均匀光照条件下对掌纹图像进行采集。该库包含了3 1 2 个人左右手的掌纹图像，共计 5 5 0 2 幅，图像大小为6 4 0 4 8 0 ，灰度级也为2 5 6 ，图片格式为j p e g 文件。为了方便测试， 我们从中选出了前5 0 人的右手掌纹图像，并利用p h o t o s h o p 图像软件对其进行了一定的处 理：首先是修改了图片格式，将其转换为和香港理工大学一样的b 文件，之后还调整 了掌纹图像的大小，根据前面预处理章节的内容，我们可以知道系统所设定的r o i 大小为 1 2 8 1 2 8 ，但这是根据p 0 1 y u 的掌纹数据库所设定的，而现在图像变大了，如果还按照前 面的规格，那将会导致有用信息的丢失，所以我们在不改变图像长宽比例的情况下，将 c a s 队的图像大小调整的与p o l y u 图像大小相近，大小调整为3 8 4 2 8 8 。这样就比较适合 于系统测试了。 3 2 系统设计与实现 图5 - 2 中科院自动化研究所的掌纹采集设备 f i g u i - e5 2p a l m p r i n tc o l l e c t i o nd e v i c eo fc a s i a 最后要介绍的是我们的研究室掌纹数据库，这些掌纹图像是本人利用手机摄像头采集 到的，由于条件有限，我们只是依靠肉眼进行了简单的手掌定位处理。本次使用的手机型 号为诺基亚n 9 5 ( 8 g ) ，像素为5 0 0 万。该库共包含6 个人的掌纹图像，每人8 幅，共计4 8 幅掌纹图像，图像为2 5 9 2 1 9 4 4 的2 4 b i t 真彩色位图，格式为彩色的j p e g 图像。所以我们 依然要借助于p h o t o s h o p 图像软件对这些掌纹图像进行处理，使其丢掉色彩信息，转换格 式，变换大小，最终得到图像大小为3 8 4 2 8 8 、灰度级为2 5 6 的b m p 图像用于测试。 根据以上这些掌纹数据库的信息，我们就可以设计相应的算法，从而进行软件编程， 最终完成掌纹识别系统的设计与开发。 由于三个掌纹数据库在采集设备和采集环境上都有所差异，即采集时的光照条件和拍 摄距离都有所不同，因此在系统设计时我们也会对应的有一些薅蝴艮一零变在强处理鼢段， 选用定值阈值分割技术( 峰谷阈值法) 来对图像进行二值化处理；此方法是要根据图像所 对应的灰度直方图来确定分割阈值的，本文我们借助于m a n ，a b 来求解图像的灰度直方 图，然后选取合适的阈值r ，从而完成掌纹与背景的分离。下面我们就分别对三个掌纹库 的图像做具体分析。 图5 3 是香港理工大学掌纹库中的一幅掌纹图像和其对应得灰度直方图，由图5 3 ( b ) 西安理工大学硕士学位论文 可以看出，直方图的两个峰值，一个在灰度值为0 的附近，一个在灰度值为1 7 0 的附近， 而谷值则大概在灰度值为1 0 到3 0 之间的地方。根据峰谷阈值法，只要我们在这个范围内 选择一个灰度值作为阈值，就能够将掌纹与背景进行分离。 0 5 0 1 0 01 5 02 0 02 5 0 ( a ) 掌纹图像( b ) 对应的灰度直方图 图5 3 香港理工大学的掌纹图像与其对应的灰度直方图 f j g u r e5 - 3p a l m p r i n to r i g i n a li m a g eo fp o l y ua n di t sh i s t o g r 锄 图5 4 是中科院自动化研究所掌纹库中的一幅掌纹图像和其对应得灰度直方图，由图 5 4 ( b ) 可以看出，直方图的两个峰值，一个是在2 0 的附近，一个是在1 7 0 的附近，而谷值 大概是在5 0 到7 0 之间的地方。同样的，我们在5 0 到7 0 之间选择一个灰度值作为分割阈 值，完成图像的二值化。 ( a ) 掌纹图像( b ) 对应的灰度直方图 图5 - 4 中科院自动化研究所的掌纹图像与其对应的灰度直方图 f i g u r e5 _ 4p a l m p r i n to r i g i n a l i m a g eo fc a s 从卸di t sh i s t o 鲈l m 图5 5 是研究室掌纹库中的一幅掌纹图像和其对应得灰度直方图，由图5 5 ( b ) 可以看 出，直方图的两个峰值，一个是在7 0 的附近，另一个是在1 9 0 的附近，而谷值大概是在 9 0 到1 1 0 之间的地方。所以我们在这个范围内选择一个灰度值作为阈值，对掌纹与背景 进行分离。 0 加 系统设计与实现 ( a ) 掌纹图像( b ) 对应的灰度直方图 图5 5 研究室的掌纹图像与其对应的灰度直方图 f i g u r e5 - 5p a l m p r i n to r i g i n a li m a g eo fr e s e a l r c hr o o ma n di t sh i s t o g r a m 以上就是我们在对图像进行二值化时，针对不同的掌纹数据库所做出的调整。由于三 个掌纹库在采集图像时的拍摄距离也有所差异，所以我们在提取r o i 时也进行了相应的 调整。我们在前面预处理的章节也提过，在提取r o i 时，建立好新的坐标系，然后从原 点出发，寻找掌心位置时，需要确定一个距离d 。根据多次的测试分析，最终确定了一些 先验值，使得提取的r o i 能够最大限度的保留掌纹的有用信息。香港理工大学的距离经 测试后定为9 5 ，中科院自动化研究所的定为8 0 ，研究室的定为7 5 。图5 6 就是我们在取 了不同d 值后提取到的r o i ，可以看出提取的位置都差不多，都能很好的保留掌纹的主要 特征。 ( a ) 香港理工大学的r o i( b ) 中科院自动化研究所的r o i( c ) 研究室的r o i 图5 - 6 不同掌纹数据库提取到的i 的i f i g u 糟5 6r o io fd i f f e 他n tp a l m p r i n td a l a b a 在系统设计中，根据不同的掌纹数据库，还会有一些微小的调整，在这里我就不再赘 述，以上的两点区别比较明显的两点，这些调整都是为了能使系统更好的适应所处理的掌 纹数据库，使得处理效果达到最佳，识别效果达到最好。 5 3 系统的界面设计 本次使用以v i s u a lc + + 6 o 作为主要开发工具，m a t l a b 作为辅助的计算工具的丌发 模式来完成系统的设计与开发。v i s 吼lc + + 是一种可视化、面向对象的程序开发工具，它 3 5 雕黔。，瞪黔黝鼢避 西安理工大学硕士学位论文 具有简洁、方便、易用等优点，因此被广泛的应用于软件开发领域。m a t l a b ( m a t r i x l a b o r a t o r y ) ，又称矩阵实验室，在数据计算方面有着自己独特的优势，本次特征提取部分 所使用的算法基本上都涉及到了矩阵运算，而这个正是m a t l a b 的优势所在，软件中有 许多矩阵运算的函数可供使用，并且计算精度很高，所以我们就将样本的训练过程交由 m a t l a b 来完成。 本次掌纹识别系统的操作界面主要由掌纹图像的采集、预处理、特征提取和分类识别 四个部分组成，具体如图5 7 所示( 我们还是以c a s i a 的掌纹识别系统操作界面为例) 。 图5 7 掌纹识别系统的操作界面 f i g u r e5 7p a l m p r i n tr e c o g n i t i o ns y s t e mu s e ri n t e r f k e ( 1 ) 图像采集：如图5 7 所示，点击“打开图像”按钮，然后选择图片路径，便可得到 图中所显示的掌纹图像，相当于图像的采集过程，并且在按钮的右边会显示掌纹图像的名 称，便于后面与识别结果进行比对。 ( 2 ) 预处理： 二值化：点击此按钮，即可获得经过均值滤波和二值化后的掌纹图像； 形态学处理：点击此按钮，即可获得经过腐蚀和连通域分析后的掌纹图像，也就是去 除噪声后的掌纹图像； 轮廓提取：点击此按钮，即可获得掌纹的轮廓图像： 定位：点击此按钮，即可获得带有拐点连线的掌纹图像； 旋转校正：点击此按钮，即可获得旋转校正后的掌纹图像； 获得r o i ：点击此按钮，即可获得掌纹图像的l 的i 子图； 3 6 系统设计与实现 采样：点击此按钮，即可获得小波分解后的下采样掌纹予图： 直方图均衡：点击此按钮，即可获得直方图均衡后对比度增强的掌纹子图； 保存数据：点击此按钮，可将直方图均衡后的数据存入相应的t x t 文档中。 ( 3 ) 特征提取：特征提取部分t 个按钮，代表了三种不同的特征提取方法，点击其 q 1 任意个按钮，系统会将预处理得到的数据经过相应的矩阵变换后( 即计算识别样本在 投影空问中的数据) ，存放在内存里，供下一步分类识别使用。 ( 4 ) 分类识别：在特征提取完成以后，会弹出“计算完成”的提示对话框，然后我们 就可以选择分类识别部分对应的识别按钮，进行识别操作了。 以上就是掌纹识别系统的操作界面，而识别结果如图5 8 所示( 我们仍然以c a s i a 为 例进行说明) ，识