（信号与信息处理专业论文）人体掌形生物特征识别技术的研究.pdf

哈尔滨理工大学工学硕士学位论文 人体掌形生物特征识别技术的研究 摘要 生物特征识别技术是利用人的生物特征来进行身份鉴别的技术，它的独 特优势迎合了信息时代的需要，成为一种传统方法无法比拟的身份识别方 式。 人体掌形生物特征识别技术作为生物特征识别技术的一种，以其认证速 度快、设备成本低、稳定性较高等优势在中和低安全级别的系统中得到广泛 的应用，该技术也越来越受到人们的关注，但在国内尚处于研究发展阶段， 还有很多技术问题需要深入研究和分析。 本文对人体掌形生物特征识别技术做了较为系统的研究，从掌形图像的 采集和预处理到掌形的特征提取与认证都做了认真的分析，最后对掌形识别 技术中的核心问题即掌形特征提取算法做了较深入的研究，在综合了传统算 法以及目前的诸多改进算法以后，提出了一种基于变换坐标域的掌形特征匹 配算法，并利用p c 机，数码相机，m a t a l a b 7 0 软件对算法过程进行了仿 真实验，结果表明该算法优化了传统算法，准确率有所提高；该算法同时成 功的解决了掌形采集过程由于图像旋转、平移、伸缩带来的影响，采集过程 也因此去掉了固定栓的束缚，使手掌摆放更加灵活了，采集系统更加的人性 化；通过实验对比该算法的错误接受率和错误拒绝率也适中，运算速度也较 快，综合效果存在较明显的优势，并且还有很大的提升空间与研究价值。 关键词掌形识别；特征提取算法；变换坐标域 哈尔滨理工人学工学硕上学位论文 r e s e a r c ho nt h eb i o l o g i c a lf e a t u r er e c o g n i t i o n t e c h n o l o g yo fh u m a n h a n ds h a p e a b s t r a c t b i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g yi st h eu s eo ft h ep e r s o n sb i o l o g i c a l c h a r a c t e r i s t i c st oc a r r yo u tb i o m e t r i ci d e n t i f i c a t i o nt e c h n o l o g y , i t su n i q u e s t r e n g t h st om e e tt h en e e d so ft h ei n f o r m a t i o nt i m e s ，b e c o m et h ei d e n t i f i c a t i o n m e t h o d st h a tt r a d i t i o n a lm e t h o d s 啪n o tm a t c h e d b i o l o g i c a lf e a t u r er e c o g n i t i o nt e c h n o l o g yo fh u m a nh a n ds h a p e ，w i t hi t s a d v a n t a g e so fh i g hc e r t i f i e ds p e e d ，l o wc o s to fe q u i p m e n t ，h i g h e rs t a b i l i t y , i th a s b e e nw i d e l ya p p l i e da tm e d i u ma n dl o wl e v e ls e c u r i t ys y s t e m ，a n dh a sa l s o a t t r a c t e dm o r ea n dm o r ea t t e n t i o n b u ti no u rc o u n t r yt h et e c h n o l o g yi ss t i l li nt h e r e s e a r c ha n dd e v e l o p m e n tp h a s e ，t h e r ea r eal o to ft e c h n i c a lp r o b l e m sr e q u i r i n g i n - d e p t hr e s e a r c ha n da n a l y s i s i nt h i sp a p e r , b i o l o g i c a lf e a t u r er e c o g n i t i o nt e c h n o l o g yo fh u m a nh a n d s h a p et od oas y s t e m a t i cs t u d y , f r o mt h ea c q u i s i t i o no fh a n ds h a p ei m a g ea n dp r e - p r o c e s s i n gt ot h ef e a t u r ee x t r a c t i o na n dc e r t i f i c a t i o no f h a n ds h a p eh a v et od oa c a r e f u la n a l y s i s ，f i n a l l yt od oam o r ei n - d e p t hs t u d i e so nt h ep a l m - s h a p e d e x t r a c t i o na l g o r i t h mt h a ti st h ec o r ei s s u ei np a l m - s h a p e df e a t u r er e c o g n i t i o n t e c h n o l o g y ，a f t e rc o n t r a s tt h et r a d i t i o n a la l g o r i t h ma n dt h ec u r r e n tn u m b e ro f i m p r o v e da l g o r i t h m ，p r e s e n tap a l m - s h a p e df e a t u r em a t c h i n ga l g o r i t h mb a s e do n t h et r a n s f o r mc o o r d i n a t e sd o m a i n ，a n ds i m u l a t ea l g o r i t h mp r o c e s sb yu s i n gp c ， d i g i h a lc a m e r a , m a t a l a b 7 0s o f t w a r e ，r s u l t ss h o wt h a tt h en e wa l g o r i t h m o p t i m i z et h et r a d i t i o n a la l g o r i t h m ，a n di t i sm o r ea c c u r a c y , t h ea l g o r i t h ma l s o s u c c e s s f u l l y s o l v e dt h ep r o b l e m sb e c a u s eo fi m a g e r o t a t i o n ，t r a n s l a t i o n ， s t r e t c h i n gi nt h ep a l m s h a p e da c q u i s i t i o np r o c e s s ，a s ar e s u l tt h ea c q u i s i t i o n p r o c e s sh a sa l s or e m o v e dt h es h a c k l e so faf i x e ds u p p o s i t o r y , a n dt h ed i s p l a yo f y o u rh a n di sm o r ef l e x i b l e ，tt h ee x p e r i m e n t ss h o wt h a tt h ee r r o rr a t e sa n dt h e e r r o rr a t e sr e f u s ea r em o d e r a t ei nt h ea l g o r i t h m ，c o m p u t a t i o n a ls p e e di sa l s o f a s t e r ，t h e r ei sad i s t i n c ta d v a n t a g e ，a n dt h e r ei sal o to fi m p r o v es p a c ea n d i i - 哈尔滨理t 大学t 学硕士学位论文 k e y w o r d s h a n ds h a p ei d e n t i f i c a t i o n ，f e a m r ee x t r a c t i o na l g o r i t h m ，c o o r d i n a t e s t r a n s f o r md o m a i n i i i 哈尔滨理工大学硕士学位论文原创性声明 本人郑重声明：此处所提交的硕士学位论文一种融和特征矢量与边缘 点特征的掌形认证方法，是本人在导师指导下，在哈尔滨理工大学攻读硕 士学位期间独立进行研究工作所取得的成果。据本人所知，论文中除已注明 部分外不包含他人已发表或撰写过的研究成果。对本文研究工作做出贡献的 个人和集体，均已在文中以明确方式注明。本声明的法律结果将完全由本人 承担。 作者签名： 守对 日期：文c 7 p 7 年3 月17 r 哈尔滨理工大学硕士学位论文使用授权书 一种融和特征矢量与边缘点特征的掌形认证方法系本人在哈尔滨理 工大学攻读硕士学位期间在导师指导下完成的硕士学位论文。本论文的研究 成果归哈尔滨理工大学所有，本论文的研究内容不得以其它单位的名义发 表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定，同意学 校保留并向有关部门提交论文和电子版本，允许论文被查阅和借阅。本人授 权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文，可以公布 论文的全部或部分内容。 本学位论文属于 保密口，在 年解密后适用授权书。 不保密时。 ( 请在以上相应方框内打) 作者签名： 翩签名：锄参 日期：加9 年弓月7 目 日期枷夕年：；月罗日 哈尔滨理工大学工学硕十学位论文 第1 章绪论 1 1 本文研究的目的及实际意义 在信息化和网络化告诉发展的环境下，信息安全成为经济和社会发展的一 个关键问题【l 】。身份识别已经成为了保证信息与网络安全的重要手段，如在金 融、国家安全、司法、电子商务、电子政务等应用领域，都需要准确的身份认 证。传统的身份识别方法主要是：基于身份标识物如证件、磁卡、钥匙等；基 于身份标识知识的如用户名、密码等【2 1 。然而现代社会对于人类自身身份识别 的准确性、安全性与实用性提出了更高的要求。传统的身份识别方法已经不能 满足要求，传统身份识别的缺点也日益显露出来：首先是标识物容易伪造和丢 失，标识知识容易忘记和记错；其次是传统识别没有对身份标识或身份知识的 持有者有任何检查，以至于冒充者可以持有身份标识或身份知识来享受同样的 权利。 一种新的特征识别技术即生物特征识别技术正悄然兴起，其中掌形识别技 术作为生物特征识别技术的一种【3 l ，在中低安全级别的系统中有很大的应用前 景。掌形识别技术已经在国外经过多年发展，已经发展得比较成熟，也有比较 实用的掌形仪器的出现，我国掌形，掌形识别技术起步还更晚，与美国，日本 等发达国家相比，技术更为落后。现在我国自主开发研究掌形仪的公司还很 少，大多数都是应用国外的技术来代理生产。但是，随着我国逐渐国际化的过 程，决定着我国将是2 1 世纪生物识别技术应用大国1 4 1 。所以，我们要自主的研 究属于我们国家自己的掌形识别产品。而本课题研究的是掌形特征提取和匹配 的算法，这在整个掌形仪的生产当中是关键技术，如果本课题能解决或优化现 存掌形仪特征提取的弊端，如特征点数量大，由于掌形平移、旋转、缩放产生 的掌形特征不准确等，那么这将为实现我国自己生产的掌形识别产品画上最为 重要的一笔。 1 2 生物特征识别技术综述 本文研究的掌形识别技术是生物特征识别技术的一种，和其他生物特征技 术相比还不太成熟，本章节主要对常见的生物特征识别技术发展现状进行分析 哈尔滨理工大学t 学硕士学位论文 讨论，以及掌形识别技术的发展状况和发展方向进行分析。 1 2 1 生物特征识别技术 生物特征识别技术是指利用人的独特的生理特征或行为特征进行自动身份 鉴别的技术【5 l 。任何人体的生理和行为特征都可以用作生物识别的依据，只要 该特征满足以下条件都可以用来生物特征识别：( 1 ) 普遍性，即每个人都具有这 种特征；( 2 ) 独特性，即任何两个人具有的该特征应有差别；( 3 ) 不变性，即该 特征在鉴定系统使用年限内基本保持不变；( 4 ) 易于采集性；( 5 ) 接受程度，指 用户对特征采集过程的心理接受度；( 6 ) 抗伪装和抗攻击性，指系统对冒名顶替 者的不同方式攻击的抵抗能力 6 1 。 生物识别系统分为两部分：( 1 ) 身份登记记录部分；( 2 ) 身份验证部分。在 身份登记( e n r o l l m e n t ) 部分，首先采集仪器采集个体的生物特征并将其转化 为数字信号，再通过预处理部分消除干扰并提取特征数据，最后将特征数据制 作成模板保存起来供生物特征身份识别的依据。在身份验证( v e r i f i c a t i o n ) 部 分，首先采集部分与身份登记部分一样通过一系列的处理提取出数字信号类型 的生物特征数据，然后将它与保存的模板相比较，从而得出鉴定结果【7 1 。生物 识别系统可以分为两种工作模式：( 1 ) 验证( v e r i f i c a t i o n ) ；( 2 ) 识别 ( i d e n t i f i c a t i o n ) 7 1 。在验证系统中，系统根据用户先前输入的信息，进行“一 对一”的比对，验证系统解决的问题是“某人是否为其宣称的那个人一。在识 别系统中，由系统将输入的生物特征与系统数据库中保存的模板一一比对，最 后系统鉴定出输入的特征对应的身份，这种模式可以说是“一对多一比对，它 回答了“此人是谁 这种问题。显然，验证系统相对简单，适用于相对较低安 全级的环境。而识别系统相对比较复杂，保存特征数据多，数据分类相对复 杂，应用于高安全级的环境中。 1 2 2 主要生物特征识别技术的介绍 一个实用的生物系统应该具备让用户可以接受的识别准确率和速度，让用 户可以接受的采集过程和区别假冒生物特征的能力。衡量生物鉴定系统的两个 性能指标是：错误的拒绝率( f a l s er e j e c tr a t e ) 简称f r r 和错误的接受率 ( f a l s ea c c e p t a n c er a t e ) 简称f a r t 引。f r r 指的是真实用户被拒绝的概率，而 f a r 指的是假冒者被鉴定为真实用户的概率。f r r 和f a r 是相关的量，一般 低的f r r 对应高的f a r ，反之低的f a r 对应高的f r r 。目前已经被应用的典 哈尔滨理工大学t 学硕七学位论文 型生理特征有指纹，掌纹，人脸，虹膜，视网膜，掌形等等。 指纹识别指纹是手指上脊线和谷线组成的纹理，由死亡的手指表皮的角 质层细胞组成。指纹识别技术已经经过相当长时间的研究取得了较成熟的发展 了，指纹识别技术已经是生物识别最重要的技术。它的不足之处是由于长期应 用于犯罪嫌疑人大众还难以接受；其次指纹采集过程对环境要求比较严格，手 指皮肤表面损伤，汗液等都对采集结果产生影响；最后指纹识别计算量大，在 成本高在低安全级的系统中应用显然是一种浪费，还需要新的算法来降低其复 杂度。 掌纹识别和指纹识别差不多，它们的优缺点都相似。掌纹上的主要肌纹 特征明显，易于提取，目前掌纹的识别技术已经取得较大突破，并且有商业产 品流通，但尚未广泛应用。 人脸识别该技术通过对面部特征和它们之间的关系来进行识别，例如， 眼睛，鼻子和嘴的位置以及它们之间的相对位置被提取下来形成模板，通过特 定算法来进行识别。人脸识别的主要优点采集过程由于用户不用和设备接触， 因此易于为用户所接受；它的缺点也很明显，面部位置移动和周围的光环境都 可能影响系统的精确度，面部识别是生物识别技术中最不准确的技术，而且人 脸识别对设备要求也比较高成本问题也需要考虑。 虹膜识别虹膜是位于眼球角膜和晶状体之间的圆盘状血管膜。每个虹膜 都包含一个独一无二的基于像冠，水晶体，细线，斑点，结构，凹点，射线， 皱纹和条纹等结构。虹膜终生不变也不会因为外科手术而改变。是公认的最精 确和最安全的生物鉴定技术。虹膜技术也存在缺点：读取虹膜的设备昂贵难以 市场化；没有实验证明虹膜扫描不影响人体健康等等。视网膜与虹膜一样也是 人眼的唯一特征，其优缺点基本与虹膜类似。 语音识别它也是一种生物鉴定技术，该技术把语音作为一种独特的个体 行为特征，这种技术以其易于为大众接受和特征比较清楚等特点而被广泛使 用。但由于人的声音会受到情绪，健康的影响，会有较大波动，而且人的声音 也能被模仿，所以其鉴定准确度不高，该技术一直没有新的突破。 掌形识别该技术也是本文所研究的生物鉴定技术，掌形指手的几何特 征，包括手指的长度，宽度，手掌的宽度，长度以及形状等。掌形特征较为简 单，通常只需要几个比特的存储容量保存模板，因此十分适合带宽或者记忆容 量受限制的系统进行使用。然而正是由于掌形特征较为简单，目前研究表明掌 形的唯一性不够，在较大的人群中，可能存在两人的掌形特征基本相似，因此 掌形通常用来验证身份，而不是用来识别。基于掌形的验证系统简单易用，在 哈尔滨理工大学工学硕上学位论文 一些机场已经开始应用，而且易于为大众接收，但所用的设备体积较大。另外 由于掌形特点的简单，可以方便的与其他的生物特征进行融合。本文从掌形特 征的采集技术到匹配算法对掌形生物特征识别技术进行全面的研究，对各种算 法进行分析总结得出一个相对好的方法来采集和处理掌形数据。 各种生物识别技术都有其自身的优缺点，每种生物识别技术都有各自的应 用范围，没有一种技术能在所有领域胜过其他技术。每种生物鉴定技术都因其 特殊领域应用而存在，如指纹识别和虹膜识别虽然准确度都优于声音识别和掌 形识别，但在电话安全系统中当选声音识别技术，在一般的门禁系统中选掌形 识别更易于被大众接受。 1 2 3 生物特征识别技术的困难与发展趋势 生物特征识别技术是一门集多学科交叉的高新技术，虽然该技术的研究取 得了一定的成绩，但由于研究还处于发展阶段，仍然面临着许多困难。具体表 现在1 9 1 ： 1 图像采集过程中如何容易获得高质量的生物特征图像。 2 当前的识别算法还存在着图像处理不理想，匹配不精细，计算量大等问 题。 3 识别系统的准确性和鲁棒性还需要进一步提高。 生物特征识别目前的发展趋势主要表现在【1 0 l ： 1 多生物特征融合识别，即将多种生物特征识别技术结合使用，这样可以 克服单一生物特征识别的局限性，具有低误拒率、高的安全可靠性等优点。 2 生物特征识别技术与传统技术相结合使用，两门技术取长补短具有广泛 的应用前景。 3 生物识别系统达到实时性和网络化的要求，这需要在硬件和软件方面都 做出巨大的努力。期待统一标准的出现，虽然目前生物特征识别系统很多，但 国际上对生物特征识别尚未形成统一的标准，也没有一种模板的标准以及公布 的抽象算法，因此形成一种具有先进性，通用性和有效性的标准的是一项重要 的任务。 1 2 4 掌形识别技术的发展现状 各种生物特征都有其优点和缺点，也正是因为这个原因，各种生物特征识 别都有其特殊的应用范围。掌形特征识别在中和低安全级的识别系统中有其优 哈尔滨理t 大学工学硕士学位论文 势，首先掌形易于采集，不像指纹，虹膜等生物特征，需要特殊的高分辨率的 录入设备进行采集工作，掌形只需要一般的数码相机，低分辨率的光学镜头或 者普通的扫描仪就可以采集录入，同时，指纹，人脸等的采集对光照条件极为 敏感。另外，对于实用中的生物识别系统，用户的接受程度十分重要。在移 民，门禁，机场等场合，身份验证虽然必要，但是却又不能侵犯个人的隐私权 利。在这种情况下，掌形的优势就大大超过了指纹，虹膜等高隐私的个人特 征，容易被用户接受【l ，因此掌形识别技术的应用空间和前景很大。 掌形识别技术是美国g a r r e f i 博士，经过多年的生物特征识别技术实验 后首创的1 1 2 1 。他发现人类手掌的立体形状，就如同指纹一样，是每个人都互不 相同的，可以作为身份确认的识别特征，于是成立了美国r s i 公司，并且把该 技术的全部算法固化在掌形仪产品硬件中，生产掌形识别系统经过十多年来产 品的不断改良及技术研发，掌形仪的精确度、稳定度和实用性均已获得市场上 的肯定及采用，由于指形及掌形识别设备及技术上还是都存在较多难点，因而 这项技术的发展并不像指纹等其它生物特征识别技术那样顺利，目前只有美国 r e c o g n i t i o ns y s t e m 公司生产的i d 3 d rh a n d k e y 掌形识别器和美国i n g e r s o l l r a n d ( 英格索兰) 公司的h a n d k c y 掌形仪得到广泛应用1 。 掌形识别技术利用每个人的手掌形状具有唯一性的特征来识别人的身份， 在它们的手掌识别技术系统中，其基本原理是：通过辨认使用者独一无二的手 掌特征来确认其身份，识别的是掌形的三维形状，即主要特征有长度、宽度、 厚度以及手掌和除大拇指之外的其余四个手指的表面特征。首先采用固体数字 摄象机来获取手掌的视频图象，得到有关手掌长，宽度信息的俯视图，及有关 厚度的侧视图。为了提高测试精度，测试台安装有指定位针，使手可以准确放 在台板上的适当位置，保证了手掌的测量具有很高的重复性。定位针的触觉反 馈，令使用者稍有体验后就能自动放好。摄象机采集的手掌的视频图象，被数 字化，转移到微处理器的存储器中【l 扪，被记录在存储器中的这些视频信号，就 像图片被印刷到纸上一样，有许多黑白的圆点组成【1 4 1 。存储器的每一比特，代 表一个点或称象素【1 4 1 。大约要分析3 2 万个象素的信剧1 5 j ，方可提出供识别用 的手掌特征。识别数据在存储器里被压缩，使得大量样板能够以低价格存储在 阅读器内，数据压缩是在对用户进行掌形登陆时只把具有代表性特征的数据存 储起来，人们共有的手掌特征数据舍弃不存。数据压缩具有很高的效率，它将 手的图象简化为一个九字节的识别矢量i l 酗，存储起来作为用户的样板。除了节 省存储空间外，甚小的样板尺寸能够大大地促进系统的综合化。在对用户进行 同一性鉴别时，将当时的手掌图形与存储的样板进行比较，比对结果得出“分 哈尔滨理工大学工学硕十学位论文 数”系统根据得分的多少来决定放行或拒绝。系统主要应用于银行，机场，门 禁系统入口系统。 与指纹浩瀚的文献相比，在国内掌形识别的研究才刚起步，尤其是中文期刊 上关于掌形的文章也比较少，国内市场还没有自己研发的掌形的产品出现，但是 却已经有一套掌形识别的商业系统在美国发行【i o j 。国内对掌形识别的研究还 不够成熟，大部分的厂家还停留在核心算法的研发上，真正投入应用技术研究 和整体解决方案研究的厂家还很少，我国的掌形识别技术在这方面的研究还需 要不断加强。在数据采集，数据的预处理，特征识别，特征匹配等重要环节还 存在着很多问题，本文对掌形识别技术进行全面研究对各个过程的方法进行比 较，找到一个减少运算量，提高精确度和速度的方法。 1 3 论文的主要研究内容 本论文主要对人体掌形生物特征识别技术进行分析和研究。本文研究内容 主要如下： 1 先从掌形生物特征识别系统的组成部分展开分析，分析掌形系统四个部 分常用的技术方法和一般步骤。 2 对掌形生物特征识别技术关键技术，即特征提取和匹配算法经行重点分 析和讨论，综合分析了传统算法后，重点研究一种基于变换域的掌形特征匹配 算法。 3 以基于坐标域变换的掌形特征匹配算法为核心的掌形识别技术过程的实 验仿真。 哈尔滨理工大学l t 学硕上学位论文 第2 章掌形识别系统总体分析 2 1 掌形识别系统的结构 掌形识别系统结构可分为数据获取，特征提取，模式匹配，决策判断4 个 部分其一般过程如图2 1 所示。 图2 1 掌形特征识别认证系统结构 f i g 2 - 1s t r u c t u r eo f h a n ds h a p ec h a r a c t e r i s t i ci d e n t i f i c a t i o na n dv e r i f i c a t i o n 在注册数据获取中首先登记用户的姓名，通过掌形特征识别传感器得到用 户的掌形特征信息，然后从获取的数据中提取出用户的特征模式也就是特征提 取，创建用户模板，存储在数据库中。在识别模块中同注册过程一样获取用户 的掌形特征信息，提取出特征模式，接着与事先注册在数据库中的模式进行匹 配，最后是决策判断一般分为识别和认证，对于识别来说，则是要寻找符合要 求的解或者几个解，对于认证来说，只需要判定认证的模式和事先已知的特定 注册的模式是不是符合，在多大程度上符合，而掌形识别技术严格来讲目前只 能达到认证的需要。其中特征提取部分和模式匹配部分是系统的重要部分，这 两个部分设计的好坏依赖于掌形特征提取算法的设计。 2 2 掌形数据的获取 该部分是负责采集被用来进一步分析的掌形特征信息，分为数据采集和预 处理两个部分。系统对采集最关键的要求是在采集过程中设备参数要保持尽量 不变，以保证原始数据的准确性和稳定性。其次，由于原始数据可能受到噪声 污染，因而需要去除噪声与信息恢复的处理。另外，数据预处理( 如手掌形状 哈尔滨理工大学工学顾士学位论文 的提取，灰度归一化等) 的目的也是决策提供尽量多的，准确而稳定的数据， 因而也是数据获取的一部分。当采集设各参数有所改变，或采集数据在不可抗 拒因素下改变时，预处理子模块应对其进行恢复或者给出提示。在实用化生物 特征识别系统设计中，数据获取模块要考虑到用户接受度，成本，数据管理， 应用环境，检修方式等多方面因素，是系统设计的重要环节，下面对掌形识别 的数据获取部分进行具体分析。 2 2 1 采集设备分析 为了进行掌形生物特征识别技术的研究，首先要建立掌形图像数据库。可 以选择的采集设备主要有：摄像头，扫描仪，数码相机。采集效果如下图2 - 2 所示： a ) 摄像头采集 姐 m b 1 扫描仪采集 c ) 致码相机采集 图2 - 2 各种采集设各采集掌形图像 f i g2 - 2 a v a r i e t y o f c o l l e c t i o nd e v i c e s c o l l e c th a n ds h a p e i m a g e 摄像头的采集，本文用联想t 3 5 0 进行掌形的采集如图2 - 2 ( a ) g g ，在自 然光下图象整体比较模糊，掌形图像与背景问的边界不明显所以提取较固难， 虽然近距离下能够有较好的效果但躅象还是含噪声点很多，效果不理想，另 哈尔滨理t 大学工学硕士学位论文 外由于摄像头不能随意移动，采集过程也就不灵活，用户接受度。 扫描仪的采集，本文用e p s o nv 2 0 0 型扫描在自然光的条件下进行掌形扫 描由图2 2 ( b ) 可见，比起摄像头采集的图象它显然清晰的多，且含噪声点少， 但扫描仪在采集过程中要掌形与仪器之间接触，这样就会使得掌形的形变较 大，另外扫描仪采集图象耗时较长，用户的接受度低，也不利于系统的构建， 说明扫描仪并非最佳的采集设备。 数码相机的采集，用s o n y 数码相机采集的掌形图象如图2 2c ) 可见，显 然它的采集效果是最好的，用户的接受度高，适用于手部特征的研究。其缺点 在于成本较高，且成像距离大。但随着电子产品的加速发展，c c d 数码相机 的成本越来越低，成像距离可采取微距拍摄，广角镜等方法克服，相信不久的 将来成本这一问题就可以得到很好的解决。 2 2 2 采集方式分析 相对于指纹图像的采集，掌形图像的采集非常简单，按照是否有规范手掌 姿势的柱子，可以把掌形图像的采集方式分为两类【1 7 l ： 固定栓式掌形采集：该采集方式也是现有掌形仪采用的方法，它规定用户 将手掌平放在一个玻璃板上，灯光从手掌下方射来，上方用数码相机或者光学 成像设备对手掌背部拍摄，同时在手掌的侧面也有镜子可以将手掌的侧面成 像，4 个规范手掌姿势的固定栓，保证了用户录入手掌时的姿势，即五个手掌 分开摆放，同时，每个手掌的描述可以增加一定的特征量。这种方式的缺点 是，虽然加入固定栓，但不能完全规范手掌的放置姿势，同一个手掌仍有可能 有不同的摆放方式，这也就失去其规范的目的。其次，由于固定栓的影响，手 掌会产生一定的形变，因此模糊了手掌原来的特点。 自由放置的掌形采集方式：该方式去掉了固定栓，自由度大大提高，也是 现在研究改进手掌仪的一个方向，此类图像由采集设备直接对手掌的掌心拍摄 或者通过文件扫描仪得到彩色的r g b 图像。用户可以自由选择放置其手掌的 方式，但也必须要五个手指分开，这样才能保证正确提取出手指的轮廓。该方 式对用户更为友好。同时，这种方式可以方便的拍取手掌的正面，避免拍摄手 掌背面时受到指甲反光等问题的影响。而且，在处理时候，也不必在提取特征 前去掉固定栓，减少了运算步骤。此方式更适合于掌形技术的研究，但由于缺 少侧面信息，需要我们对提取精度和匹配算法有更高的要求，本文我们采取去 掉固定栓的自由式采集方式，这也是掌形识别技术的研究方向。 哈尔滨理工大学工学硕十学位论文 总结，固定栓的目的就是为了减少掌形采集过程中由于平移、旋转等带来 的掌形不匹配的麻烦，使计算量降低，但固定栓也不能完全解决这些问题，还 会在不同程度上出现上述问题，因此去掉固定栓让采集方式更加友好方便是掌 形识别系统发展的必然趋势，去掉固定栓就需要我们在后续的特征提取算法以 及匹配算法上考虑这些位置移动的问题，后续算法应该更加完善还要维持相对 少的计算量，本文最后采用的是去掉固定栓的采集的方式。 2 2 3 掌形图像的预处理 掌形图像预处理的目的是将手掌从采集的图像中正确的分割出来，分割的 准确与否直接影响后面掌形图像特征提取和匹配结果，这也是数据获取模块的 重要环节。掌形图像的预处理过程包括图像的增强和图像的分割两部分【埽l 。 掌形图像的增强：相对于其他的生物特征的采集，掌形的提取过程也相对 简单，但毕竟实验的采集是在没有特定光源的条件下进行的，采集大量的掌形 图像的时候，其光照效果不会相同，甚至相同人的手，采集的图像也不相同， 所以光照产生的问题不能不考虑，而且采集设备也会引入大量的噪声。针对这 两个问题采集过程一般采用：灰度调整技术，减小光照不均匀或成像系统非线 形的影响；图像平滑技术，以消减噪声的影响。通过图像的增强，可以改善图 像的质量，为图像分割做好准备。图像增强的目的就是有选择的强调图像中的 某些信息，改善图像的视觉效果或者使之更适合于机器识别、分析和处理。掌 形图像只需要把掌形轮廓完整的提取出来就可以达到效果，利用边缘检测技术 来增强边缘轮廓信息，图像边缘检测的常见技术有： 1 微分边缘检测算子，边缘是图像灰度突变的像素集合，传统的边缘表示 方法是用灰度变化曲线的一阶导数来描述阶跃状边缘( 即该边缘两边的像素的 灰度值有显著不同) ，而用曲线的二阶导数来描述屋顶状边缘( 即该边缘位于 灰度值从增加到减少的变化转折点) 。2 0 世纪7 0 年代末，m a n 和h i l d r c t c h 提 出了一种近似人类视觉系统的。边缘检测理论一，指出某一图像点的领域看作 一个灰度级的变化带，根据其灰度变化率和方向来描述此像素点是否落在图像 边缘上，通过对局部信息分析来检测边缘。揭开了对最佳边缘检测算子研究的 序幕。传统的边缘检测方法【1 9 1 大多是从图像的高频分量中提取边缘信息，采用 差分边缘检测算法、r o b e r t s 算子、s o b e l 边缘检测算子、p r e w i t t 边缘检测算 子、c a n n y 边缘检测算子进行边缘特征提取。 2 二阶微分算子，克服了一阶微分算子边缘定位精度低，抗噪能力不强的 哈尔滨理丁大学t 学硕+ 学位论文 缺点，用二阶差分代替二阶导数的二阶方向导数算子、用差分运算近似代替微 分运算的l a p l a c i a n 算子、对灰度图像进行卷积运算后提取的零交点为边缘点 的l o g 算子等都给出了单尺度下性能较优的边缘检测算法【2 0 l 。 3 多尺度边缘检测，综合利用多个不同尺度的边缘检测算子进行检测，再 综合他们的输出结果获得理想的边缘。多尺度边缘检测思想最早是由 r o m c n f e l d 提出的，后经过m a r t 和h i l d r e t c h 完善，提出对图像作平滑处理， 采用一组滤波器分别检测出发生在不同范围上的边缘，按此方法进行多尺度检 测。近二十年来，小波分析和多尺度检测相结合的方法已经较成功的应用于图 像边缘检测中【2 i 】。 掌形图像的分割：掌形图像的提取过程实际就是图像的分割问题，即一个 分类问题，图像分割有很多方法，现有的图像分割算法有：阈值分割、边缘检 测和区域提取法。其中最为简单和有效的是阈值分割。掌形图像分割没有指纹 图像分割要求精度那么高，所以选择阈值分割技术就能很好的完成任务。阈值 分割法是一种基于区域的图像分割技术，其基本原理是通过设定不同的特征阈 值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或 彩色特征；由原始灰度或彩色值变换得到的特征。 阈值法可分为全局阈值法和局部阈值法两大类，其它方法都是这两类方法 的改进和综合。全局阈值法指利用全局信息对整幅图像求出最优分割阈值，可 以是单阈值，也可以是多阈值；局部阈值法是把原始的整幅图像分为几个小的 子图像，再对每个子图像应用全局阈值法分别求出最优分割阈值。其中全局阈 值法又可分为基于点的阈值法和基于区域的阈值法。阈值分割法的结果很大程 度上依赖于阈值的选择，因此该方法的关键是如何选择合适的阈值。由于局部 阈值法中仍要用到全局阈值法，因此本文主要对全局阈值法中基于点的阈值法 和基于区域的阈值法分别进行了研究。根据阈值法的原理可以将阈值选取技术 分为3 大类【2 2 】： 1 基于点的全局阈值方法，基于点的全局阈值算法与其他几大类方法相 比，算法时间复杂度较低，易于实现，适合应用于在线实时图像处理系统。 2 基于区域的全局阈值方法，对一幅图像而言，不同的区域，比如说目标 区域或背景区域，同一区域内的象素，在位置和灰度级上同时具有较强的一致 性和相关性。而在上述基于点的全局阈值选取方法中，有一个共同的弊病，那 就是它们实际上只考虑了直方图提供的灰度级信息，而忽略了图像的空间位置 细节，其结果就是它们对于最佳阈值并不是反映在直方图的谷点的情况会束手 无策，不幸我们通常遇到的很多图像恰恰是这种情况。另一方面，完全不同的 哈尔滨理工大学_ t 学硕十学位论文 两幅图片却可以有相同的直方图，所以即使对于峰谷明显的情况，这些方法也 不能保证你得到合理的阈值。于是，人们又提出了很多基于空间信息的阈值化 方法。可以说，局域区域的全局阈值选取方法，是基于点的方法，再加上考虑 点领域内象素相关性质组合而成，所以某些方法常称为“二维x x x 方法”。由于 考虑了象素领域的相关性质，因此对噪声有一定抑止作用。 3 局部阈值法和多阈值法，局部阈值( 动态阈值) 当图像中有如下一些情 况：有阴影，照度不均匀，各处的对比度不同，突发噪声，背景灰度变化等， 如果只用一个固定的全局阈值对整幅图像进行分割，则由于不能兼顾图像各处 的情况而使分割效果受到影响。有一种解决办法就是用与像素位置相关的一组 阈值( 即阈值使坐标的函数) 来对图像各部分分别进行分割。这种与坐标相关的 阈值也叫动态阈值，此方法也叫变化阈值法，或自适应阈值法。这类算法的时 间复杂性和空间复杂性比较大，但是抗噪能力强，对一些用全局阈值不易分割 的图像有较好的效果。多阈值法很显然，如果图像中含有占据不同灰度级区 域的几个目标，则需要使用多个阈值才能将他们分开。其实多域值分割，可以 看作单阈值分割的推广。 2 3 掌形的特征提取 掌形特征提取部分主要是将原始数据转换为特征信息，同时增强类间差 异，减少类内差异。而所谓特征，就是用尽可能少的信息描述原始数据不同于 其它数据的差异。在生物特征识别样本量较少的情况下，高维问题非常严重， 因而如何获取有效的特征，减少维数灾难是特征提取的核心问题，也是系统构 建最关键的部分。 掌形特征的提取算法是该部分研究的重点，算法决定了我们从掌形图像中 提取哪些数据，我们希望用最少的数据来完成有效的识别，j a i n 在掌形识别系 统中用指掌不同部位的1 6 个宽度值形成特征，r e i l l o 用了更多的尺寸，并通过 特征选择和特征提取方法降维得到更有效的特征。如果将轮廓看作一个有序点 集，可以得到更稳定的统计几何特征。根据这两类几何特征，掌形生物识别技 术中，传统的掌形认证匹配算法有两种【2 2 1 ，即基于特征矢量匹配算法( c v m ) 和 基于点模式匹配算法( p p m ) ，在第三章对提取算法深入讨论。 哈尔滨理工大学t 学硕十学位论文 2 4 掌形的模式匹配和决策判断 掌形的模式匹配的主要内容为分类器设计，这也是模式识别与机器学习领 域的核心问题。在充分学习已有训练样本，构造分类模型的情况下，分类器的 主要作用为验证未知样本与既定模型的一致性。在实际应用中，将采样的特征 集与数据库中的注册模板按照某种匹配准则进行相似性度量，并根据某种得分 规则将这种度量数字化，即产生一个“匹配分数 ，以发送到决策部分给出 最终的比对结果。 掌形的决策部分对匹配结果进行决策，判断一个身份声明的真实性。判决 过程可简单的认为将匹配分数与一个阈值比较，阈值一般通过大量统计学习， 并通过风险权衡得到的。 数学中，两个向量x ，g 之间的距离d ( x ，g ) ) 应该具有以下性质嘲： 1 o ( x ，g ) 0 2 d ( x ，g ) = 0 ，当且仅当x = g 3 o ( x ，g ) = d ( x ，g ) 4 o ( x ，k ) + d ( k ，g ) o ( x ，g ) 模式识别中的借用的距离概念不用满足以上的性质，设x 表示输入的未知 的掌形的特征向量，x = ( 玉，毛9o o - 9 ) ；g 为样本库中某一人的特征向量 g = ( g z ，9 2 ，g 廓) ，则在模式识别中常用的距离公式有【2 4 】： 1 m a h a l a n b i s 距离： 当x ，g 两个m 维向量是正态分布的，且具有相同的协方差矩阵时 m a h a l a n b i s 距离见式( 2 1 ) ： l o ( x ，回= 【一g ) - 1 ( x - 6 f ) 1 2( 2 - 1 ) 2 明考夫斯基距离： 当q = l 时， 当q = 2 时， 掣翱= c 蓦c ，_ g ：f ) g 声 为常用的绝对值距离见式( 2 3 ) - d ( x ，g ) 。舌i 一岛i 为欧氏距离见式( 2 - 4 ) ： ( 2 - 2 ) ( 2 - 3 ) 哈尔滨理工大学工学硕十学位论文 邮 g ) = 兰i ，一1 2 ( 2 - 4 ) 3 最近邻决策规则： 假设有m 个类别w ，的模式识别问题，每个类有标明类别的样 本m 个，i = l ，2 ，i l 。我们可以规定嵋类的判别函数见式( 2 5 ) ： g i ( x ) = n 蛐i i 工一# i i k = - l , 2 9o - * ，够( 2 5 ) 式中w 类的m 个样本的第k 个样本； 0z 一# i i 样本工与# 之间的距离； g i ( x ) 样本x 与w 样本之间的距离。 按照上式的决策规则可以推导出下式： 若岛。n f i n g _ f ，i = 1 , 2 ，m ，则：x w j 。 这一决策方法称为最近邻法，其解释是相当简单的，就是说对未知样本 x ，我们只要比较x 与己知类的加权平均后的样本之间的距离，并决策x 与 离开它最近的样本同类。 4 k - 近邻法： 最近邻法的一个推广是足一近邻法。从字面意义上看，这个方法就是取未 知样本x 的k 个近邻，看这k 个近邻中多数属于哪一类，就把x 归为哪一 类。具体说就是在个样本中，找出x 的k 个近邻。设这个样本中，来自 q 类的样本有m ，来自哆类的有2 个，来自类的有c 个，若毛，乞， 乞分别是足个近邻中属于q ，婢类的样本数，则我们可以定义判别函 数为式( 2 6 ) ： ( x ) = 南，扛l ，2 ，c( 2 - 6 ) 决策规则为：若 g i ( x ) - m j a xk j ( 2 - 7 ) 则决策x 哆。 通过距离的计算得到的数值再与设定的阈值进行比较，最终判断是否是出 自同一个人的掌形，粗略计算可以直接取两组特征值进行绝对距离的计算然后 再与设定阈值比较得出结论。 哈尔滨理t 大学工学硕上学位论文 2 5 本章小结 本章对掌形生物特征识别技术的四个重要环节进行简要的叙述，对四个环 节的处理过程和应用的方法做了分析，通过这部分的研究可见，掌形特征提取 环节与特征匹配部分是该技术的核心部分，而这两个部分工作的重点就是设计 好掌形特征提取算法，下一章开始深入研究掌形生物特征识别技术中算法。 哈尔滨理工大学- t 学硕- 上学位论文 第3 章掌形识别中的算法比较 特征提取部分是掌形识别系统的一个中间重要的环节，它把我们采集到掌 形图像转化成有用的数据，为下一步匹配算法的设计提供了前提，特征提取哪 些数据，提取多少数据，都和匹配算法息息相关。但无论选择什么样的算法， 都是以特征矢量匹配和点匹