（通信与信息系统专业论文）可撤除掌纹识别软件平台设计.pdf

西南交通大学硕士研究生学位论文第1 页 m 摘要 高度信息化的现代社会，信息安全显得越来越重要。生物特征识别与认证技术比 传统的身份识别技术能更好地保护用户信息和系统安全。在生物特征技术中，可撤除 掌纹识别技术作为一种新兴的技术，能更有效地保护用户的生物特征，更准确地进行 身份识别，具有广阔的发展空间。将可撤除掌纹识别领域的主要识别算法实现，制作 成可复用的软构件，并集成一个包含了所有可撤除掌纹识别算法的软构件平台，对可 撤除掌纹识别算法的实际应用有重要的意义。 论文通过对可撤除掌纹识别领域的各种算法的分析，结合软构件技术，对于可撤 除掌纹识别领域的软构件开发进行了深入研究。主要完成以下几方面的工作： 1 ) 分析总结了基于构件的软件研发的优点，阐述了采用基于构件的软件研发方法 用于可撤除掌纹特征识别的优势。然后归纳总结了可撤除掌纹识别领域的经典特征提 取方法以及几种较新的特征提取方法，对于目前采用较多的几种特征提取方法进行介 绍，同时还介绍了几种随机数产生的方法。 2 ) 根据基于构件的软件研发方法和b i o a p i 中提出的层次结构，从生物特征应用， b i o a p i 框架和生物特征服务提供三个层次对基于构件的可撤除掌纹识别软件平台进行 设计。 _ 在b i o a p i 框架层次，总结提出了可撤除掌纹识别领域的系统框架，对各种可 撤除掌纹特征识别算法具有通用性。 一在生物特征服务提供层次，提出了基于多粒度的构件设计方法，设计了可撤除 掌纹特征领域的软构件，实现了该领域的多种可撤除掌纹特征识别方法。然后使用 x m l 语言对这些构件进行描述，便于构件被不同的组织和个人查找和使用。对可撤除 掌纹构件的描述，提出了从基本信息，功能信息和非功能信息三个刻面对构件进行描 述的方法，并给出了这几个刻面需要描述的详细信息。最后用x m l 来描述构件之间的 连接，进而描述构件的组装。 一在生物特征应用层次，按照可撤除掌纹识别领域的系统框架结构，用可撤除掌 纹特征识别构件，搭建了一个可撤除掌纹识别软构件平台。该平台可实现将不同的可 撤除掌纹识别算法进行拼接，形成一个完整的掌纹识别系统。 关键词软构件；可撤除掌纹识别；构件描述；可撤除掌纹特征 a b s t r a c t i n f o r m a t i o n s e c u r i t y i s b e c o m i n gm o r ea n dm o r e i m p o r t a n t i nt h e h i g h l y i n f o r m a t i o n a l i z e dm o d e r ns o c i e t y b i o m e t r i ci d e n t i f i c a t i o nh a sm a n ya d v a n t a g e sc o r n p 删 t ot r a d i t i o n a li d e n t i f i c a t i o nm e t h o d s c a n c e l a b l e e f f e c t i v e l yp r o t e c tu s e r sb i o l o g i c a lc h a r a c t e r i s t i c s ， p a l m p r i n ti d e n t i f i c a t i o nt e c h n o l o g yc a l l i m p r o v ei d e n t i f i c a t i o na c c u r a c y , a n dh a v e w i d ed e v e l o p m e n t s p a c ea san e wt e c h n o l o g yi nb i o m e t r i ci d e n t i f i c a t i o nf i e l d t h ea l g o 打t h i n o fc a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o ni sr n a k e dt ob er e u s a b l es o f t w a r e t o m p o n e n ta n d i n t e g r a t e dt ob eas y s t e mw h i c hc o n t a i n sa l lt h ei d e n t i f i c a t i o na l g o r i t h m i ti s s i g u i f i c 趾tt o t a k et h ei d e n t i f i c a t i o nt h e o r yt op r a c t i c a l a p p l i c a t i o n p a p e rs t u d i e st h es o f t w a r ec o m p o n e n td e v e l o p m e n ti nt h ec a n c e l a b l e p a l m p r i n t i d e n t i f i c a t i o nf i e l db ya n a l y z i n ga l lk i n d so fm e t h o do nc a n c e l a b l ep a l m p r i n ti d e n t i 6 c a t i o n f i e l da n dc o m b i n i n gi tw i t hs o f t w a r e c o m p o n e n tt e c h n o l o g y t h ed e t a i lw o r k sa r e 硒 f o l l o w i n g ： 1 ) t h ea d v a n t a g e so fs o f t w a r ed e v e l o p m e n tb a s e do nc o m p o n e n ta r ea n a l y z e da n d s u m m a r i z e d ，t h e nt h ea d v a n t a g e so ft h a tu s e di nt h ec a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o nf i e l d a r ee x p o u n d e d m o r e o v e r , s o m ec l a s s i c a lm e t h o d so f f e a t u r ee x t r a c t i o na n ds e v e r a lr e l a t i v e l v n e wf e a t u r ee x t r a c t i o nm e t h o d sa r es u m m a r i z e di n t h ec a n c e l a b l ep a l r n p r i n tf i e l d t l l e n s e v e r a lm e t h o d so ff e a t u r e e x t r a c t i o nw h i c hf r e q u e n t l yu s e da n ds e v e r a lm e t h o d so f g e n e r a t i n gr a n d o mn u m b e r sa r ei n t r o d u c e d 2 ) t h es o f t w a r ep l a t f o r mi sd e s i g n e db a s e do ns o l , r a r ec o m p o n e n to fc a i l c e l a b l e p a l m p r i n ti d e n t i f i c a t i o nf i e l da n di ti sc o m ef r o mt h r e el e v e l s i n c l u d i n gt h eb i o m e t 打c a p p l i c a t i o n ，b i o a p if r a m e w o r ka n db i o m e t r i c s e r v i c e s - p r o v i d i n ga c c o r d i n gt o t h e l e v e l s t r u c t u r ew h i c hi ss u g g e s ti nb i o a p i _ t h es y s t e mf r a m eo fc a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o nf i e l di s p r e s c l l t e do nt h e b i o a p if r a m e w o r kl e v e l ，w h i c hc a nb eu s e d b yd i f f e r e n tc a n c e l a b l ep a l m p r i n ti d e n t i 6 c a t i o n t e c h n o l o g y _ont h el e v e lo fb i o m e t r i c s e r v i c e p r o v i d i n g ，an o v e la l g o r i t h mf o rs o r w a r e c o m p o n e n td e s i g nw i t hd i f f e r e n tg r a n u l a r i t yi sp r e s e n t e d ，w h i c hi su s e df o rd e s i g n i n gt h e s o f t w a r e c o m p o n e n to fc a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o nf i e l da n dm a n vk n d so f i d e n t i f i c a t i o na l g o r i t h ma r ec a r r i e do u t w h a ti sm o r e ，t h ec o m p o n e n ti s a l s od e s c r i b e db v x m l l a n g u a g ei no r d e rt ob ee f f e c t i v eu s e db yd i f f e r e n to r g a n i z a t i o n sa l l di n d i v i d u a l s m e n t h ec o m p o n e n ti sd e s c r i b e d ，an o v e lm e t h o di sp r e s e n t e do nt h r e e f e c t so fb a s i ci n f o m a t i o n f u n c t i o ni n f o r m a t i o na n dn o n f u n c t i o ni n f o r m a t i o na n dt h ed e t a i l so ft h o s ef e c t sa rea l s o g i v e ni nt h i sp a p e r a tl a s t , t h ec o m p o n e n tc o m p o s i t i o ni sd e s c r i b e dt h r o u g ht h ed e s c r i p t i o n o fc o m p o n e n tc o n n e c t i o nb yx m l _ont h el e v e lo fb i o m e t r i c a p p l i c a t i o n ，as y s t e mo fc a n c e l a b l ep a l m p r i n t i d e n t i f i c a t i o n u s i n gt h es o f t w a r ec o m p o n e n to fc a n c e l a l b ep a l m p r i n ti d e n t i f i c a t i o ni s d e s i g n e da c c o r d i n gt ot h ef r a m eo fc a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o nf i e l d a n di tc a l l c o n n e c td i f f e r e n ta l g o r i t h mt ob ea l li n t e g r a t e dc a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o ns y s t e m k e y w o r d s ：s o f t w a r ec o m p o n e n t ；c a n c e l a b l ep a l m p r i n ti d e n t i f i c a t i o n ；c o m p o n e n td e s c r i p t i o n ； c a n c e l a b l ep a l m p r i n tf e a t u r e s 西南交通大学硕士研究生学位论文第1 页 1 1 研究背景 第1 章绪论 在高度信息化的现代社会，随着计算机技术和网络技术的迅速发展，信息安全显 示出前所未有的重要性【1 j 。在日常生活中以及金融、司法、安检、电子商务等很多场合 都需要准确的身份识别以确保系统的安全。而传统的身份识别方法中，口令容易遗忘， i d 卡容易丢失，因此生物特征识别显示出了其优越性【2 】。而生物特征中的掌纹特征比 起指纹，虹膜等生物特征，拥有许多优点，如掌纹图像的面积较大，涵括的信息丰富， 掌纹图像的采集设备简单，对图像的分辨率要求较低等 3 】。因此采用掌纹识别能更好地 身份识别。此外，传统的掌纹没有对人的掌纹数据进行保护，如果掌纹数据丢失，则 整个系统将不可用，因此需要采用可撤除技术对掌纹特征进行保护。 传统的软件开发包含五个阶段：需求分析，概要设计和详细设计，编码，测试， 运行和维护。但这样的开发方式使得每次软件开发都要从头开始，存在很多重复劳动， 也延长了开发周期，提高了研发成本，降低了可维护性和可适应性。为此，提出了软 件复用，即使用“为了复用目的而设计的软件”过程【4 5 】。软件复用是避免重复劳动，提 高软件开发效率的有效手段，它改变了一切从零开始的软件研发方式，有效利用过去 软件开发过程中形成的软件开发知识和经验，甚至是代码和设计等，减少重复劳动， 而将精力集中在当前软件特有的功能和实现上。当前对软件复用的研究主要集中在软 件构件技术，软件框架结构，领域工程，软件再工程，开放系统和软件过程，c a s e 技术等方面的研究上面【6 j 。在本文当中我们主要关注软构件技术，软件框架技术和领域 工程。 综合上述分析，我们需要在可撤除掌纹识别领域进行领域分析，设计一套该领域 的软件框架，然后开发相应的领域软构件，最后形成可撤除掌纹识别平台，可撤除掌 纹识别平台有利于对掌纹识别技术进行学习和科学研究，在开发可撤除掌纹识别平台 的同时还生成了掌纹识别相关构件库，有利于利于掌纹识别技术的发展，也有利于将 掌纹识别技术应用到实际中，解决实际问题。 1 2 基于构件的软件开发技术 1 2 1 构件的定义 在软件复用领域，基于构件的软件工程被认为是解决软件危机的有效手段，它可 西南交通大学硕士研究生学位论文第2 页 以有效提高生产效率，缩短软件开发时间，提高软件质量，提高软件项目的开发成功 率【7 1 。因此基于构件的软件开发方法受到越来越多的关注，逐渐成为软件开发的主流技 术。 构件是应用系统中可明确辨识的构成成分【8 】。在软件系统中，功能相对独立，可以 明确辨识，接口契约指定，语境有明显依赖关系，可以独立部署，且多由第三方提供 的可组装软件实体，被称为构件【6 8 1 。可复用构件则是指具有相对独立的功能和复用价 值的构件。构件应该具有以下几个特点： 1 ) 独立性。构件是系统中能完成具体功能的部分。 2 ) 可替换性。构件能提供一系列接口，只要接口不改变，可以用新的构件替换原 构件。 3 ) 可组装性。可以将许多不同的构件组装成一个系统，只需要了解该构件的功能 和接口，而不需要了解构件的内部结构和实现。 1 2 2 基于构件的软件开发 基于构件的软件开发c s d ( c o m p o n e n t - b a s e ds o f t w a r ed e v e l o p m e n t ) 是通过组装构 件构建系统，而把构件开发为可重用的实体，维护系统只需开发构件或替换构件。使 用构件的目的是减少开发成本，开发时间，而使系统更能有效地适应客户的不同需求【9 】。 因为在基于构件的软件开发中会用到已经存在的构件，因此其设计过程与传统的软件 设计有所不同。这种系统是将现存的构件集成，因此它更注重对构件的选择和评估。 整个构件的开发过程应该是根据构件使用者的需求进行分析，根据需求分析的结果选 择合适的构件，然后对构件进行整合，解决构件之间的不兼容的问题，接着部署构件， 将构件组合成一个系统，完成了系统以后还要根据构件的发展情况对构件进行更新， 完成系统的升级【i o 】。 由于开发模式的改变，使得基于构件的软件开发有许多优点： 1 ) 减少开发时间。相对于去重新设计，编写代码，调试出一个新程序，直接买个 构件更节约时间。 2 ) 提高了适应性。因为系统可以根据不同的需求选择不同的构件，从而提高了系 统的适应性。 3 ) 减少了开发的风险。以为使用的构件是已经设计好的，所以相对于重新开发新 的代码来说，开发中的不确定性就减少了 4 ) 提高了软件的质量。因为软件会在很多应用中重用和测试，所以设计和执行的 错误在最初的使用中发现并修正了。这样就提高了构建的质量，从而也提高了软件的 质量。 5 ) 低维护。通过旧的构件替换成新的构件，就能更新维护软件，从而使维护变得 西南交通大学硕士研究生学位论文第3 页 简单。 6 ) 标准化。标准构件的开发会用到一些标准，使用这些标准能提高构件和整个系 统的性能。 但是，基于构件的软件开发并不是完美的，它为软件研发带来许多便利的同时， 也引入和一些新的问题【1 1 , 1 2 】： 1 ) 需求的满意度构件的选择是一个迭代的过程，检索的结果依赖于分类和检索机 制。构件的选择是在存放了很多构件的库中进行的，构件检索出来后，有可能不能实 现特定的功能或者不能和其他的构件兼容。 2 ) 寻找合适的构件。软件工程师在开发的过程要使用一个构件，必须确定在构件 库中能找到这个构件。 3 ) 兼容性。c b d 必须考虑构件服务器要提供标准接口来保证构件之间的协同工 作。 4 ) 单个构件和构建整体的测试。因为单个构件要用于不同的环境，所以构件的测 试工作会更加复杂。 但总的来说，使用构件的利是大于弊的。而且对于这些弊端，已经有相应的标准 和开放性结构制定。 1 2 3 可撤除掌纹识别领域的基于构件的软件开发 在国内，软构件技术已经广泛地应用于电子商务软件，管理软件，m i s 等方面， 但还没有将软构件技术应用于生物特征识别技术上。在国际上，有软件应用程序如何 与生物认证设备发生互动的标准b i o a p i 1 3 】，它是b i o a p i 协会( b i o a p ic o n s o r t i u m ) 开发的一套行业性质的应用程序开发接口( a p i ) ，用来鼓励和促进生物技术发展。 b i o a p i 定义了软件应用程序如何与生物认证设备发生互动的标准，同时，该标准还与 不同的操作系统、应用程序以及不同的生物技术( 例如语音和面孔识别、视网膜和虹 膜扫描、签名验证、指纹分析) 等完全兼容。该标准还兼容通用生物交换文件格式 ( c b e f f ) 1 4 1 。此外，生物特征信息管理和安全标准【1 5 】还对整个生物特征识别的生命 周期中管理和安全进行了定义。这些都是基于软构件的生物特征识别方法必须遵循的 标准。 1 2 4 主流构件标准 构件标准可以保证不同设计者设计的构件可以协同工作，是基于构件的软件开发 技术的基础。目前被广泛使用的代表性的标准有三种，o m g ( o b j e c tm a n a g e m e tg r o u p ， 对象管理组织) 的c o r b a ( c o m m o no b j e c tr e q u e s tb r o k e r a r c h i t e c t u r e ) t 16 1 ，微软公司的 西南交通大学硕士研究生学位论文第4 页 c o m ( c o m p o n e n to b j e c tm o d e l ) 1 7 和s u n 公司的j 2 e e 1 8 1 。 1 1c o r b a c o r b a 体系结构是对象管理组织( o m g ) 为解决分布式处理环境( d c e ) q b ，硬件 和软件系统的互连而提出的种解决方案。它将其他语言开发的程序和与程序相关的 文档进行打包，然后将打包文件放到网上，可以被其它程序或组织调用。c o r b a 定于 一了一系列a p i ，通信协议和服务信息模型，从而使得用不同的程序语言编写的，运 行在不同平台上的异构程序能够互操作，这是分布式计算平台的基础。c o r b a 体系结 构最关键的是对象界面，对象实现和对象请求代理这三部分。对象界面就是对象总体 需要完成的功能的描述以及对象属性的描述，描述采用某种通用的界面定义语言。对 象实现是将对象界面所定义的功能和属性转化为现实的过程，同一个对象界面可以有 多种对象实现方法，也可以用各种不同的对象实现语言。对象请求代理是负责实现对 象界面和对象实现之间的连接。用户请求以对象界面的描述方式进行描述，然后发到 对象代理，经过对象代理解释后，从众多的对象实现中选择一个合适的对象实现，完 成用户请求的功能，而这一切过程，对用户来说都是不可见的，用户不用了解具体是 哪个对象实现实现了自己的请求，也不知道实现自己请求的对象实现在在网络中的哪 个位置。 c o r b a 的特点就是它引入了对象代理的概念，从而将客户端与服务器端分离开 来，将分布计算技术和面向对象的概念结合起来，从而提高了系统的可扩充性和可再 用能力。 2 ) 构件对象模型c o m c o m 是种开放的二进制组件标准，它定义了组件对象之间的交互方法，拥有很 强的扩充和扩展能力。c o m 允许对象与对象进行跨进度，跨计算机的交互，并且用户 并感觉不到这种交互，就像在本地电脑的一个进程中进行。c o m 通过对象接口 ( i n t e r f a c eo no b j e c t ) 机制来完成不同的模块之间的通信，从而将不同的软件模块链 接起来。c o m 构件可以是用不同的程序语言设计的，但不同语言的c o m 构件之间也 能进行通信，这是因为c o m 并不是某种语言，而是一种标准，它为每个构件都定义了 同样的一个公共接口，通过这个公共接口可以调用构件的其它功能接口，还能控制构 件的生命周期。 d c o m ( d i s t r i b u t e dc o m p o n e n to b j e c tm o d e l ) 是c o m 的扩展，它主要用于分布式系 统中，它可以实现处于网络中不同位置的构件之间的通信。因为d c o m 是c o m 的扩 展，因而c o m 中的功能和知识都能应用到d c o m 中，在c o m 中开发的构件，程序， 系统等也可以完全移植到分布式系统中。这使得用户或者程序设计人员可以将c o m 构 件放在网络中的任何位置，对构件使用者来说，这些构件都像放在本地的一样，可以 随意调用，而不用去了解构件放在网络中的哪个位置。因此，使用d c o m 进行开发， 构件的使用者和构件的设计者可以相隔千里，构件使用者只需要在自己的程序中调用 西南交通大学硕士研究生学位论文第5 页 网络上的d c o m 构件就可以了。 3 ) j 2 e e j 2 e e 是基于j a v a 的企业级应用系统开发平台，它的核心是一系列的技术规范。 j 2 e e 在j a v a 2 平台上提出的一种体系结构，这种体系结构能实现可伸缩的企业应用， 以满足未来商业应用的需要。j 2 e e 解决了多级企业解决方案的研发、部署与管理等诸 多问题，为搭建具有可伸缩性、灵活性和易维护性的商务系统提供了良好的机制，它 保留了现存的i t 资产，使得程序开发过程更高效，还支持异构环境，能够开发分布在 异构环境中的可移植程序。 按j 2 e e 模型设计的应用程序系统分为三部分：客户层，中间层和企业信息系统。 客户层通常采用浏览器或者专用的客户端。其中还提供了虚拟机软插件，实现程序的 语义统一，解决了不同的浏览器虚拟机之间的差异问题。中间层就是业务逻辑层，它 包含w e b 包容器和e j b 包容器两个包容器。简单的业务逻辑只需要开发人员开发业务 b e a n s 就能完成，而复杂的业务逻辑由e j b 完成。中间层的构件通过访问关系数据库 或者j a v a 消息服务等形式访问企业信息系统。 1 3 论文研究内容与组织结构 1 3 1 课题研究目标 通过对基于构件的软件开发过程的分析，结合当前的可撤除掌纹识别方法，分析 生物特征领域的各种方法，将构件理论应用到掌纹识别中，设计用于掌纹特征识别的 构件，得出在生物特征识别方法中构件的划分，组装的方法。然后用这些生物特征识 别的构件开发一个可撤除掌纹识别的平台，同时将这些构件组装成可撤除生物特征识 别方法的工具包，方便以后的生物特征识别中的的应用。 1 3 2 研究内容 为了实现该研究目标，课题将要进行的研究内容包括： 1 ) 对现存的掌纹识别方法的分析与整理。对生物特征的识别方法进行划分， 得出在生物特征识别中常用到方法。如获取训练样本数据，将所有训练样本的图 片数据读出放在一个矩阵中，并建立类的索引；测试程序，将测试样本与训练样 本进行匹配，得出匹配结果。 西南交通大学硕士研究生学位论文第6 页 1 i ii ie l i i 皇曼曼曼鼍曼曼曼曼曼曼曼曼曼曼曼! 曼! ! 鼍1 2 ) 对现存的基于构件的软件设计的方法进行分析与整理。比较各种软构件设 计方法的优劣。针对具体的可撤除的掌纹识别领域进行分析，分析各种构件设计 方法在具体应用环境的应用情况。 3 ) 将构件的设计与掌纹特征识别的方法相结合。分析可撤除掌纹识别的各种 方法之间的联系，划分构件功能，使设计的构件具有良好的适应性和兼容性。同 时，因为粒度较大的构件复用代价小，但是可能包含冗余功能，而粒度小的构件 复用代价大，但是应用范围更广，因此，需要在设计和应用中得出在掌纹识别领 域的构件划分的最佳方法。然后在将构件组合成软件开发平台的过程中，分析基 于构件的软件开发的过程中的各种方法，使生成的软件系统性能稳定，具有可扩 展性。 1 3 3 拟解决的关键问题 基于软构件的可撤除掌纹识别的设计，需要解决以下关键技术： 1 ) 可撤除掌纹识别中软构件的设计。 不良的构件设计会抵消复用所带来的优点，因此构件设计中应该充分考虑到构件 的适应性，耦合度等问题。构件设计方法目前可以归为领域工程方法和基于聚合度一 耦合度的方法两类。其中领域工程方法追求构件复用度的提高，但忽视了复用成本和 效率等因素。代表性的方法有面向特征的领域分析( f o d a ) 。基于聚合度一耦合度的方法 更多地考虑了复用成本，对业务的划分按高聚合、低耦合原则进行，并将划分的子业 务模型封装成构件。代表性的方法主要有c r w d 矩阵法和聚类分析法。这类方法保证 了较低的复用成本，但由于通常是对特定业务模型的划分，因此复用性不高。由此可 见，构件的设计中应充分考虑要构件的复用成本，复用效率，以及构件的耦合度等问 题，同时还应使构件能够适应不同的环境。为了保证构件能够具有通用性，还应该为 构件配备相关的开发文档。 2 ) 用软构件建立可撤除掌纹识别系统。 这个过程是完成构件的选择和组装。用已经建立的构件搭建可撤除掌纹识别系统 的过程应该是：根据系统的需求进行分析，根据需求分析的结果选择合适的构件，然 后对构件进行整合，解决构件之间的不兼容的问题，接着部署构件，将构件组合成一 个系统，完成了系统以后还要根据构件的发展情况对构件进行更新，完成系统的升级。 西南交通大学硕士研究生学位论文第7 页 曼! 曼曼曼曼曼曼皇曼! ! ! 曼! 曼! 曼曼曼曼曼! 曼曼曼曼曼皇i 一一 i 曼曼曼曼曼曼! 曼! 曼曼! 皇曼曼曼皇! 皇! 曼! 曼 整个过程中，关键是解决构件的选择和兼容问题，选择的过程中既要保证构件能够完 全实现系统的要求，还要尽量保证构件中与所需功能无关的冗余代码要小。兼容问题 是解决构件之间的冲突，保证系统的稳定和可扩展。 1 3 4 论文结构安排 第一章总领全文，说明基于构件可撤除掌纹识别系统的研究的必要性，并阐述了 构件技术的基本思想。 第二章对可撤除掌纹识别领域的各种算法进行归纳总结。介绍可撤除掌纹识别算 法的基本思想和基本原理。 第三章是本文的重点，也是本文的创新所在。在可撤除掌纹识别领域，结合软构 件的基本理论，设计了通用系统框架，领域软构件以及与之相关的构件描述和构件组 装过程。首先用基于特定领域的构件框架开发方法设计了可撤除掌纹领域的一般框架 结构。然后总结整理可撤除掌纹识别领域的各种识别算法，提出多粒度的构件设计方 法，设计了该领域的构件结构。然后使用x m l 语言对构件进行描述，使构件可以被不 同的程序设计人员使用。结合可撤除掌纹识别领域构件的特点，提出了用基本信息， 功能信息和非功能信息三个刻面对构件进行描述的方法。最后，是用x m l 语言对系统 整合过程的描述。 第四章是在第三章的基础上，将设计的构件和系统框架进行整合，形成一个集成 了当前主要掌纹识别方法的可撤除掌纹识别系统，该系统可以由用户自己选择不同的 掌纹分割方法，特征提取方法和可撤除方法，然后将这些方法连接起来，形成一个完 整的掌纹识别系统。最后用这系统用于掌纹识别。该系统完整地展示了整个掌纹识别 的流程，掌纹识别算法的构造具有很强的灵活性，可以用于科研和教学。 第五章是对全文工作的总结和对未来工作的展望。 西南交通大学硕士研究生学位论文第8 页 第2 章可撤除掌纹识别算法 掌纹作为一种比较新的生物特征识别技术，比起传统的虹膜，指纹，人脸等生物 特征有许多优点，如掌纹图像涵盖的信息更加丰富，掌纹图像的采集更加方便，掌纹 不易被磨损等。但掌纹识别算法相对于该领域的其它识别算法起步较晚，目前还处于 不断的发展和完善中。 可撤除掌纹识别技术是为了增加掌纹识别系统的安全性和保护用户的隐私而提出 的。因为每个人只有两个掌纹特征，如果两只掌纹都被盗，将没有新的掌纹可以替代， 从而使得该用户可能永远无法使用掌纹来进行身份认证。同时，一个人的掌纹可能同 时用于多个身份识别的场合，如果掌纹被盗，则各个场合的掌纹特征都将作废。此外， 由于掌纹的唯一性，它还涵盖了许多用户的隐私。可撤出掌纹识别技术就是采用各种 加密技术，对掌纹图像进行变换，从而隐藏原始的掌纹信息。r m b o l l e 等【】刿首先提出 了可撤除掌纹识别算法应该满足的三个条件：多样性、可替换性和不可逆性。多样性 是指用不同的密码和同样的加密算法，两次生成的可撤除掌纹数据是完全不相同的； 可替换性是指当发现掌纹特征被盗以后，可以用发布新的掌纹特征；不可逆性是指根 据可撤除掌纹特征无法计算出原始掌纹特征。 本章对现有的掌纹识别算法和可撤除方案进行分类介绍，为该领域的软构件的设 计和识别框架的设计奠定基础。 2 1 掌纹识别算法 掌纹识别算法最初主要是借鉴其它生物特征的识别算法，发展到现在，主要形成 了两大类掌纹识别方法：基于子空间的掌纹识别算法和基于纹理的掌纹识别算法。 2 2 1 基于子空间的掌纹识别算法 基于子空间的掌纹识别算法是将原始掌纹图像通过与特征矩阵的运算，投影到一 个新的特征空间，在新的特征空间进行分类识别。 1 ) 主成分分析p c a 主成分分析 2 0 2 1 】是多变量统计的一种降维技术，该方法认为任何一幅图像都可以 分解为一系列向量与系数的线性组合，该类系数彼此不相关，并且服从高斯分布，将 其中包含信息最多的向量视为主要成分方向，摒弃其它方向及其系数。具体实现是将 掌纹图像按行展开后所形成的一个一维向量进行k - l 变换，获得其正交的n 维k - l 基 底，以对应前m 个最大的特征值的基底张成的子空间为特征空间，将掌纹图像投影到 西南交通大学硕士研究生学位论文第9 页 ! i i i 一 一一i ；o 鼍曼曼曼! ! ! 皇曼皇蔓曼曼曼曼! 曼! 曼! 曼! 曼兰曼曼 该子空i 司上，实现维数的降低以实现降低复杂度。其中，对应大特征值的基底具有类 似掌纹图像一样的纹理，被称为特征掌，可以利用特征掌来描述掌纹。 设有张训练图片，每张图片的大小都为m 甩，a 。r 琊” = 1 ，2 ，n ) ，每张图片 数据按顺序排列成一个，z ，z 的行向量z 。 = 1 , 2 ，) ，所有样本的均值为三，然后定义 矩阵z = 匕一万，z 2 一三，z k 一刁r 。，为了能计算k l 变换的产生矩阵，构造协方 差矩阵d ： d = z r z r 肌 ( 2 1 ) 通过对该产生矩阵进行奇异值分解，可以求出它的特征值五o = 1 ，2 n ) 和特征向量 k ( 江1 ，2 n ) ，由丑和杉可以求出归一化特征向量u t ： 铲击z v i ( 2 - 2 ) 求出了所有的归一化特征向量以后，按特征向量按特征向量所对应的特征值的大 小按从小到大的顺序进行排序，取前_ ，个最大特征值所对应的特征n n n 成- - 个映射 矩阵m = u 1u ：，u ， ，任何的掌纹图像就可以通过m 映射到一个新的维空间： y = = 乃 咒 ： y i = z m ( 2 3 ) 这样就实现了对原始掌纹数据的降维，并且降维后的数据比起原始数据拥有更好 分类效果。 这是一维的p c a 算法，在这个算法中，为了计算协方差矩阵，需要先把二维的图 片矩阵数据转化为一维的向量数据，由于图片的数据很多，这使得求的的协方差矩阵 的维数很高，进行高维协方差矩阵的奇异值分解可能需要很多时间。此外，在小样本 情况下，可能无法提取出所有有用的特征值。因此，在一维p c a 的基础上提出了二维 p c a 。 二维p c a 2 2 2 5 】与一维p c a 的基本思路与一维p c a 相同，但是它不需要将原始掌 纹图片拉成一个行向量，而按照图片矩阵本来形状进行变换。采用了二维主成分分析 的方法对掌纹图像进行特征提取的过程如下： 假设同样n 张大小为m ，z 的图片a 。r ”“( 后= 1 , 2 9 0 9 n ) ，每张图片对应一个m n 的矩阵z 。 ；1 , 2 ，n ) ，所有图片的均值为，利用原始图片矩阵和均值矩阵来构造生成 西南交通大学硕士研究生学位论文第10 页 矩阵g ： g = 丙1 ( 勺一三) 7 ( z ，一三) ”户1 ( 2 4 ) 然后对g 进行奇异值分解，后面的步骤与一维p c a 的过程相同。 二维p c a 能有效解决一维p c a 存在的问题，但是二维p c a 需要的特征向量维数 会比较高，因为它只是在图片的行向量或者是列向量上进行降维。例如图片为1 2 8 行 1 2 8 列，对图片的行向量降维到1 0 维，得到的特征图片大小为1 2 8 行1 0 列，也就是进 行图片描述需要的特征值的个数为1 2 8 0 个，特征数据是很大的。而一维p c a 通常对 于同样大小的图片，通常只需要1 0 0 到2 0 0 个特征就能达到很好的描述效果。针对这 一问题，在二维p c a 的基础上有提出了一种新的方法，这种方法在图片的行和列两个 方向上进行降维，可以有效地减少描述特征的个数以及运算的复杂度，这种方法叫做 二维平方p c a 。 二维平方p c a 2 6 1 的基本计算与二维p c a 相同，但它在计算生成矩阵的时候需要计 算两个g 矩阵： g r = 专善 ( 乃一手) r ( 乃一三) q = 专芸 ( 乃一三) ( z ，一三) r - 1 然后需要对这两个生成矩阵分别进行奇异值分解，求出特征值和特征向量， 对特征值排序，求出映射矩阵。 2 ) l d a 线性鉴别分析 ( 2 5 ) 最后 整个p c a 算法的基本思想是对所有的样本都同等对待。但是，同一个用户的掌纹 多次采集的图像必然是有关联的，但由于光照，位置等的影响，不可能完全相同，但 这些掌纹的相关性应该比较高。而不同用户的掌纹则应该很不相同，而p c a 系列算法 并没有考虑到这一差异性，而线性鉴别分析l d a 很好地考虑到了这一点。 l d a 2 7 】的主要思想是：在一般情况下，总可以找到某一个或某一些投影方向，使 得样本投影在该方向上的结果能够符合类内离散度最小、类间离散度最大的标准。即 投影后的模式具有最佳的可分离性。该算法在执行降维的同时还保留尽可能多的类内 信息。找到能尽可能较好的分类方向。此时不只要考虑类内离散度，还要考虑类间离 散度。能够区分由于光照和表述等原因而引起的特征的变化和由不同的类引起的特征 变化。 设所给的掌纹图像y 共有c 类，即有c 个人的掌纹。”1 f 第i 类的训练样本数，i = 1 , 2 ，c o 也就说说每个人有m ，张掌纹图片在数据库中。m ：争m 为总样本的个数，也就是数据库 西南交通大学硕士研究生学位论文第11 页 中所有训练样本的总数。我们定义第i 类的类内均值吩： 驴玄善4 ( 2 - 6 1 所有样本的总体均值为u ： “：二y 地 c 鲁1 ( 2 7 ) 定义好类内均值和总体均值后，就可以计算类间离散度和类内离散度。类内离散度矩 阵为： s ，= ( j ，广z i ) ( 少厂，) r ； ( 2 8 ) 类间离散度的定义为： = ( “，- u ) ( u ，- u ) r ； 括1 - 1 ( 2 9 ) 为了更好地区别不同用户的掌纹，而让同一用户的掌纹尽量相似，也就是，经过 变化后，应该最大化类间离散度，最小化类内离散度以实现聚类，也就是要实现下式 的约束： 鹕峄嬲； 计算时，通过对s b 进行特征值分解求特征值特征向量来实现。 与一维p c a 算法一样，l d a 算法也需要将图片矩阵展开成为一个行向量再进行一 后面的处理，而l d a 需要计算内类协方差矩阵与类间协方差矩阵，需要的计算量也很 大，因此借鉴p c a 系列算法的思想，也有相应的二维l d a t 2 8 1 算法与二维平方l d a 2 9 】 算法。 3 l p p ( l o c a l i t yp r e s e r v i n gp r o j e c t i o n ) p c a 和l d a 都很好地保持了数据的全局结构，但是有些局部结构对分类识别也是 很重要的。当数据是线性结构的时候，p c a 和l d a 可以得到很好分类效果，但是图像 数据还存在一些非线性结构的数据，这些数据对图像的分类也是很重要的，而p c a 和 l d a 往往无法保留这些信息，而基于流形学习的算法l p p 很好地解决了这一问题。 l p p 3 0 1 的基本思路是在高维空间中找到一个映射矩阵w 通过这个映射矩阵可以将 高维空间的数据映射到一个低维空间，在低维空间中保持了数据在高维空间中的结构， 也就是说如果样本点在原始高维空间的距离很小，那么投影到低维空间后，样本点之 间的距离也应该很小。 设再高维欧氏空间中有样本图像x = “，而，x ) ，映射后的低维特征空间为】， 西南交通大学硕士研究生学位论文第12 页 曼! ! 曼苎曼曼曼曼曼曼曼曼! 曼曼曼! ! ! ! ! ! 曼曼曼曼! 曼! ! 蔓曼曼! 曼皇曼寰皇曼鼍i i mm m t_ 皇曼曼皂曼! 曼曼! 曼! 曼曼曼曼 通过映射矩阵形可以将高维空间的数据映射到新的低维空间，即：y = w 7x 。主要目 的是寻找映射矩阵肌构造l p p 的准则函数： = f iy f y ，1 1 2 s u ， ( 2 1 1 ) 其中s ，j 反应了样本点在原始空间中的距离，如果五与t 的距离越大，则s ，的值 越小，反之则越大。墨，的值可以由下式来表示： 岛： e x p ( 一l l 五一_ 0 2 r ) i i x , - x , 1 1 2 s ( 2 - 1 2 ) 1 0o t h e r w i s e 投影矩阵形可以通过求解以下的最小化准则函数来获得： m i n i ( w ) = i ly ，- y 川2s 。丑i 峨一吩心 ，= o ， ( 2 1 3 ) 其对应约束条件为：w 1 x d x 7 w = i 经过化解以后，l p p 的准则函数可以写为： = 2 t r w r x l x 7 矽) ( 2 1 4 ) 其中，l = d 一形为拉普拉斯矩阵，d 为对角矩阵，它的元素定义为： d , i = ，s ( 2 - 1 5 ) 对角矩阵元素的值越大，表示映射到低维空间的数据越重要。计算的时候只需要 对式( 2 1 6 ) 进行广义特征