（通信与信息系统专业论文）掌纹图像在身份识别和认证中的应用.pdf

摘要 摘要 作为对现有人体生物特征识别技术的重要补充，对掌纹识别算法的研 究具有重要的现实意义，是一项具有挑战性的研究课题。 在借鉴其它生物特征识别技术的基础上，本文在特征提取环节提出了 三种算法： ( 1 ) 采用小波变换对掌纹图像进行多分辨率分析，并定义了一种用于掌 纹识别的纹理特征一小波能量特征( w a v e l e te n e r g yf e a t u r e ，w e f ) 。利用构 成掌纹的主线和皱纹线具有天然多分辨率的特性，对较粗较强的主线进行 低分辨率分析，对较细较弱的皱纹线则进行高分辨率分析。 ( 2 ) 利用g a b o r 滤波器组对掌纹进行多尺度滤波，提取每个方向子带的均 值和方差特征，并采用绝对值距离衡量特征向量间的差异。在基于g a b o r 纹 理特征的基础上，借鉴分级检索的思想，先采用g a b o r 滤波器提取掌纹的全 局能量特征，后采用l b p 算子提取局部纹理特征实现两次分类。 ( 3 ) 提出了一种融合能量与方向两级特征的掌纹识别方法，通过不同方 向不同尺度的多通道滤波，对得到的各个方向子带进行模糊分块，计算每 - 4 , 块区域的能量，在同一尺度不同方向上找出能量最大的区域，并标记 此区域对应的g a b o r 方向。采用格雷码对方向特征进行编码，分别计算能量 特征的欧氏距离和方向特征的汉明距离，最后将两种距离按权相加。 本文对每种算法的性能都进行了讨论，并利用m a n a b 语言实现了一个基 于g a b o r 纹理的脱机掌纹识别系统试验平台，通过对各种算法性能的对比， 为进一步的研究提供了方向和经验。 关键词生物特征；掌纹识别；多分辨率；g a b o r ；l b p ；特征提取 燕山大学工学硕士学位论文 a b s t r a c t a sa ni m p o r t a n tc o m p l e m e n to ft h ec u r r e n tr e c o g n i t i o nt e c h n o l o g i e sb y u s i n gm o m e 埘cf e a t u r e s ，t h er e s e a r c ho np a l m p r i n ti d e n t i f i c a t i o n i s v e r y m e a n i n g f u l i ti sac h a l l e n g i n gt a s kt oc o m p l e t et h ef e a t u r ee x t r a c t i o n o nt h eb a s i so fr e f e r r i n gt oa r i t h m e t i co fo t h e rb i o m e 扛i ct e c h n o l o g i e s ， t h r e ea r i t h m e t i c sa r ep r e s e n t e da tt h es t a g eo f e x t r a c t i n gf e a t u r e ： ( 1 ) i ta i l a l y z e sp a l m p r i n t sb yu s i n gam u l t i - r e s o l u t i o nm e t h o d - - w a v e l e t t r a n s f o r m ，a n dd e f i n e sap a l m p d n tt e x t u r ef e a t u r e ( w a v e l e te n e r g yf e a t u r e ， w e e ) a c c o r d i n gt oi n h e r e md i f f e r e n tr e s o l u t i o n so fp r i m a r y l i n ea n dw r i n k l e s ， t h et h i c k e s ta n dw i d e s tp r i m a r y l i n e sa r ea n a l y z e di nl o wr e s o l u t i o n s ，w h i l et h e t h i n n e s ta n ds l e n d e r e s tw r i n k l e sa r ea n a l y z e di nh i g hr e s o l u t i o n s ( 2 ) i tu s e sas e to fg a b o rf i l t e rt oc o n v o l u t et h ep a l m p r i n t a td i f f e r e n ts c a l e s ， e x t r a c t st h ea v e r a g ea n dd e v i a t i o no fe v e r ys u b b a n da st h ef e a t u r e s ，a n d a b s o l u t i z a t i o nd i s t a n c ei su s e dt ow e i g ht h ed i f f e r e n c ea m o n gf e a t u r e s o nt h e b a s i so fg a h n rt e x t u r ef e a t u r ea n dr e f e r r i n gt ot h eh i e r a r c h i c a lr e t r i e v a l ，t h e g l o b a le n e r g yf e a t u r ei se x t r a c t e da tt h ef i r s tl e v e lb yu s i n gg a b o rf i l t e r , a n d l o c a lt e x t u r ef e a t u r ei se x t r a c t e da tt h es e c o n dl e v e lb yu s i n gl b po p e r a t o ri n o r d e rt or e a l i z et w ol e v e l so f r e t r i e v a l ( 3 ) i tp r e s e n t sam e t h o do fp a l m p r i n ti d e n t i f i c a t i o nb yf u s i n ge n e r g ya n d d i r e c t i o n f i r s t , as e to fg a b o rf i l t e ri sa p p l i e dt ot h ep r e p r o c e s s e dp a l m p r i n ta t d i f f e r e n ts c a l e sa n dd i f f e r e n td i r e c t i o n s , a n dt h e nd i v i d e dt h es u b - b a n di n t o f u z z yb l o c k s c a l c u l a t et h ee n e r g yo fe v e r ys m a l lb l o c k ，f m dt h es m a l lb l o c k 、) l ，i t hm a x i m u me n e r g ya tt h es a m es c a l ea n dd i f f e r e n td i r e c t i o n s a n dm a r kt h e g a b o rf i l t e r sd i r e c t i o no ft h i sb l o c kw i mm a x i m u m e n e r g y u s i n gg r a yc o d et o d e c o d ed i r e c t i o nf e a t u r e ，c a l c u l a t et h ee c u l i d e a nd i s t a n c eo fe n e r g yf e a t u r ea n d t h eh a m m i n gd i s t a n c eo fd i r e c t i o nf e a t u r e ，a n d f i n a l l yt h e s et w od i f f e r e n t a b s t r a c t d i s t a n c e sa r ef u s e db y w e i g h t t h i sp a p e rd i s c u s s e sa l lp e r f o r m a n c e so fe v e r ya r i t h m e t i c ，a n da no f f - l i n e s y s t e mo fp a l m p r i n tr e c o g n i t i o ni sr e a l i z e db ym a t l a bo nt h eb a s i so fg a b o r t e x t u r ef e a t u r e b yc o m p a r i n gw i t ht h ep e r f o r m a n c e so fe v e r ya r i t h m e t i c ，i t p r o v i d e st h er e s e a r c hd i r e c t i o na n de x p e r i e n c ef o rt h ef u r t h e rr e s e a r c h k e yw o r d sb i o m e t r i c s ；p a l m p r i mi d e n t i f i c a t i o n ；m u l t i r e s o l u t i o n ；g a b o r ；l b p ； f e a t u r ee x t r a c t i n g i i i 燕山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掌纹图像在身份识别和 认证中的应用，是本人在导师指导下，在燕山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 他人己发表或撰写过的研究成果。对本文的研究工作做出重要贡献的个人 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。 作者签字别痞影 日期：川年；月彭日 j 燕山大学硕士学位论文使用授权书 掌纹图像在身份识别和认证中的应用系本人在燕山大学攻读硕士 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燕山大 学所有，本人如需发表将署名燕山大学为第一完成单位及相关人员。本人 完全了解燕山大学关于保存、使用学位论文的规定，同意学校保留并向有 关部门送交论文的复印件和电子版本，允许论文被查阅和借阅。本人授权 燕山大学，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。 保密口，在年解密后适用本授权书。 本学位论文属于 不保密日。 ( 请在以上相应方框内打“4 ”) 作者签名：麦j j 苏南 新签名：巧触 日期：川年弓月多绸 日期：纱吖年琴月衫日 第1 章绪论 第1 章绪论 信息技术的飞跃推动了社会的进步，同时现代社会对于信息技术又提 出了更新、更高的要求，例如计算机使得经济与金融网络化，而网络经济 与金融又要求更可靠的信息安全系纠”。因此，迫切需要一种能够自动鉴别 个人身份的技术，生物特征识别技术应运面生。 1 1 课题研究背景及意义 身份鉴别早已应用到人们日常生活的许多方面。例如门禁系统、银行 存折密码、身份证等。然而传统的身份鉴别方法存在着明显的问题：个人 持有的物品容易丢失或被伪造，密码容易被忘记或被猜到。因此，人们开 始寻找一种新的更为安全的、可靠的、大众化的身份鉴别手段，生物特征 识别技术恰好能满足这个要求，个人身份鉴别的凭据一般可分为三大类【2 】： ( 1 ) 令牌，包括身份证、信用卡、印章、驾驶执照等。 ( 2 ) 特定知识，包括密码、口令、暗号等。 ( 3 ) 人体参数特征及生物统计特征。 生物统计特征包括生理特征( 人脸、指纹、掌纹、手形、视网膜、虹膜 等) 和行为特征( 语音、签名、步态等) 【3 】。生物统计特征与其它两种凭据相比 具有唯一性、稳定性、不易丢失、不可替代、不易忘记等优点。因此，基 于生物统计特征的身份自动鉴别技术被认为是一种最可靠、最有前途的身 份鉴别技术，可广泛应用于公安系统犯罪嫌疑人的身份识别、信用卡身份 鉴别、公司员工身份鉴别、出入控制、遗传性研究、安全系统控制、人类 学、医学研究等方面，在当今社会生活领域和各种政治经济领域中具有广 阔的应用前景并将发挥越来越重要的作用 4 1 。在过去几年，生物识别技术的 市场份额大幅度持续增长，特别是在“9 1 l ”恐怖袭击事件之后，社会各界 对安全性的要求越来越高，对生物识别技术的需求量也越来越大【5 1 。 燕山大学工学硕士学位论文 掌纹识别是近几年来新兴的一种生物特征识别技术，该技术运用图像处 理和模式识别理论，通过分析人的掌纹来进行身份识别。掌纹识别技术作 为对现有生物识别技术必要的有益补充，正吸引着越来越多的研究人员进 入该领域，并逐渐成为生物识别技术中的一个研究热点。 掌纹识别的研究不仅具有重大的理论意义，还具有广阔的应用前景。 1 2 常见生物识别技术简介 用于身份识别的人体生物特征具备“人人拥有、人各不同、长期不变” 的特点，它可以大致分为两类：生理特征和行为特征【3 6 ”。 生理特征是指对人体某部分进行直接测量所获得的数据，主要包括： ( 1 ) d n a 即脱氧核糖核酸，是人体内的遗传物质，主要存在于人体细 胞核的染色体上，控制着人体生长、发育的全过程。d n a 具有个体特异性， 从而可将其用于身份识别中，当前d n a 主要应用在刑侦和司法中。由于这 种特征具有容易被盗、难以实现自动实时识别、容易泄漏人的遗传信息等 缺点，从而使得它的应用范围受到严重的限制。 ( 2 ) 人脸用得最多的人脸特征有两类1 8 ，第一类是面部基本构件( 如眼、 眉、鼻、嘴等) 的位置、形状和它们的空间拓扑关系；第二类是将每个人脸 用一系列标准人脸( 特征脸) 的加权和来表示，从而获得人脸的全局特征。 ( 3 ) 虹膜虹膜上丰富而稳定的纹理特征具有很强的区分能力1 9 j ，从而 使之成为最可靠的人体生物特征之一，但设备成本高、可能传播眼疾病， 使其应用受到一定限制。 ( 4 ) 视网膜视网膜上有丰富的脉管，这些脉管具有很复杂并且稳定的 结构，这些结构信息可用来实现高精度的身份识别。 ( 5 ) 指纹用指纹来进行身份识别己经有好几百年的历史了【l ，技术已 经相当成熟，具有成本低精度高的优点，在指纹识别中最常用的特征是脊 线的细节点。 ( 6 ) 掌纹手掌上也布满了和指纹一样的脊线，同时还有一些皱纹线， 区域面积大，信息量丰富，可在低分辨率图像中实现身份识别【l “。 2 第】章绪论 ( 7 ) 手形主要指手的几何特征，如手掌宽度、各个手指的长度和宽度 等1 1 2 1 。 行为特征是对个人习惯性动作的度量，主要包括： ( 1 ) 手写签名每个人手写签名时都有自己独特的方式，因而可以用签 名来识别身份【1 3 1 。 ( 2 ) 击键打字每个人击键打字都有自己的习惯，从而击键可以在一定 程度上反映一个人的身份信息。 ( 3 ) 声纹既是行为特征，也是生理特型。声音是通过人的声带、嘴、 鼻腔、嘴唇等部件形成的，通过声音可以估算这些部件的位置、形状、大 小等特征，从而实现对身份的识别。 ( 4 ) 步态指每个人走路时姿态各异，可实现远距离身份识别1 5 1 。 1 2 1 各种人体生物特征的比较 用于身份识别的人体生物特征很多，它们都有自己的优缺点。表1 1 对 各种人体生物特征做了一个简单的比较【6 1 ，其中h 、m 、l 分别表示“高”、 “中”和“低”三种性能。 表1 1 各种生物特征的比较 t a b l e1 - 1c o m p a r i s o no f v a r i o u sb i o m e t r i ct e c h n o l o g i e s 生物 普遍性 区分 永久性 可采 可接受可伪 特征能力集性 识别率 程度 造性 d n ahhhlhll 人脸hlmhlhh 虹膜 hhhmhll 视网膜hhmlhll 指纹m hhmhmm 掌纹mhhmhmm 手形mmmhmmm 手写签名ll l hlhh 击键打字lllmlmm 声纹m l lm lhh 步态mllhlhm 燕山大学工学硕士学位论文 到目前为止，各国研究人员已分别开展了基于指纹、声纹、人脸、签 名和虹膜等人体生物特征识别技术的研究，并取得了丰硕的成果。在上述 研究中，指纹识别是使用得最早、也是最为成熟的一种生物识别技术。指 纹识别具有设备体积小、识别率高等优点。但随着应用的推广，指纹识别 的不足也越来越显现出来。对于具有不清晰指纹的人群、指纹严重磨损的 人群以及其他指纹质量不好的人群( 如老年人群) ，指纹识别系统的应用效果 很不理想，一般的识别系统都是采用把这些用户拒绝掉的策略，从而使指 纹识别在社会保险、银行储蓄等大范围的应用受到了严重制约。人脸识别 是人类视觉系统的基本功能，也是人类互相辨识的最直接手段。在所有的 人体生物特征识别中，人脸识别在可用性方面可以隐蔽性操作，适合于安 全监控和抓捕逃犯等应用，非接触式信号采集，没有侵犯性，容易被人们 接受，设备成本低，更符合人类的识别习惯等。但是，人脸识别系统的性 能受环境条件( 如光照变化、背景变化、摄像设备差异) 以及人脸表情变化的 影响很大，从而限制了它的应用。基于虹膜的身份识别方法虽然具有识别 率高等优点，但也存在着设备昂贵、有传播疾病的危险等缺陷。而在签名 识别中，没有受过训练者的签名稳定性不好，从而影响了识别精度，同时 签名较容易被人假冒模仿。 和其他的生物识别技术相比，掌纹识别具有很多独有的特点： ( 1 ) 跟指纹一样，手掌上也布满了脊线，但手掌区域却比手指区域大得 多，因而它含有比指纹更为丰富的可区分信息。 ( 2 ) 手掌上有几条大的主线和很多的皱纹线，这样的线特征是掌纹所独 有的，具有很强的区分能力和抗噪声能力，并且可以在低分辨率、低质量 的掌纹图像中提取出来。 ( 3 ) 和人脸相比，掌纹图像获取的条件较易控制，从而能较好地保证掌 纹识别系统的识别精度。 ( 4 ) 和虹膜以及视网膜的采集设备相比，掌纹图像采集设备的价格要低 廉得多。 ( 5 ) 和签名相比，掌纹特征非常稳定，这使得它在身份识别中能获得比 签名更高的识别精度。 4 第1 章绪论 ( 6 ) 当使用高分辨率的采集设备时，手掌上的各种特征，如手掌的几何 特征、手掌上的脊线、主线和皱纹线等特征可以融合在一起，形成一个高 精度的识别系统。 ( 7 ) 用户接受程度高，不容易产生抵触心理，而且不像虹膜和视网膜识 别一样容易传播眼疾病，比较卫生。 总之，掌纹识别是一项具有前途的课题，也是一项具有挑战性的课题。 1 2 2 身份认证与身份识别 根据应用背景不同，人体生物特征识别技术可分为两大类【3 】：身份认证 ( a u t h e n t i c a t i o n ) 和身份识另l j ( i d e n t i f i c a t i o n ) 。身份认证就是要回答这样一个问 题“他是他自称的那个人吗? ”，具体的认证过程是这样的： ( 1 ) 系统接收用户所提供的人体生物特征和他个人的标识( 如i d 号等) 。 ( 2 ) 根据他的标识从系统数据库中提取出相应的注册特征。 ( 3 ) 把他的生物特征和该注册特征进行匹配以证明其是否为合法用户。 整个认证过程，总共就进行了一次匹配，所以身份认证也称为“一对 一匹配”( o n e - t o - o n e m a t c h i n g ) 。身份识别却是要回答“他是谁? ”这样的问 题，整个识别过程如下： ( 1 ) 系统接收用户提供的生物特征。 ( 2 ) 将这个特征和系统数据库中所有或者部分注册特征进行匹配。 ( 3 ) 找到最为相近的那个注册特征，则这个注册特征对应的d 就是这个 用户的身份。 在整个识别过程中，用户所提供的生物特征要与多个注册特征进行多 次匹配，所以身份识别也称为“一对多匹配”( o n e - t o m a n ym a t c h i n g ) 。 1 2 3 生物识别技术的评判标准 生物识别技术准确性的衡量标志是识别率，识别率主要由两部分描述： 拒识率( f a l s er e j e c t i o nr a t e ，f r r ) 和误识率( f a l s ea c c e p t a n c er a t e ，f a r ) 。 如上节所述，在进行生物特征识别时，输入的生物特征要与己注册的 生物特征进行一对一或一对多匹配。当匹配度小于某个阈值时，则该用户 燕山大学工学硕士学位论文 就被当成是合法用户而被接受；当匹配度大于这个阈值时，则该用户就被 认为是假冒者而被拒绝。拒识率是指将合法用户当成假冒者而拒绝的概率； 误识率是指将假冒者当成合法用户而接受的概率。这两种错误率可用下面 的式子来计算： f r r ：n f r 1 0 0 ( 1 - 1 ) n a a f a r = 坐1 0 0 ( 1 - 2 ) n i a 式中，n f r 和n f a 分别是错误拒绝和错误接受的次数；n a a 和n i a 分别 是合法用户和假冒者分别尝试的总次数。当f r r = f a r 时，f r r ( f a r ) 称 为等错率( e q u a le r r o rr a t e ，e e r ) 。拒识率和误识率这两个错误率反映了一个 生物识别系统两个不同方面的特性：f a r 越低，假冒者被接受的可能性越 低，从而系统的安全性越高；f r r 越低，合法用户被拒绝的可能性越低， 从而使得系统的易用性越好。对于任何一个生物识别系统来说，f r r 和 f a r 越小越好。但是，这两个错误率是矛盾的，二者不能同时降低，其中 任何一个的降低，必将引起另一个的升高。所以，应该根据不同的应用环 境来折衷调节f r r 和f a r 。在对安全性要求较高的系统，比如某些军事系 统中，安全最重要，因此应该降低f a r ；在对安全性要求不是很高的系统， 比如很多的民用系统中，易用性很重要，这时应该相应降低f r r 。 为了更好体现f r r 和f a r 之间的关系，并且便于不同方法的比较，通 常将不同阈值下的f r r 和f a r 作为一个二维坐标系中的点画成曲线，称为 r o c 曲线( r c c e i v e ro v e r a a n gc h a r a c t e d s t i cc u r v e ，r o cc u r v e ) 6 , 1 6 1 。 图1 1 给出了一个r o c 曲线的例子，实线为f r r 和f a r 的关系曲线， 虚线为f r r 和f a r 相等时的直线，两者的交点处即为等错率e e r 。r o c 曲线可以清楚地反映一个生物识别系统中f r r 和f a r 的变化关系，并且有 利于不同生物识别技术之间的性能比较。因而r o c 曲线能有效地描述一个 生物识别系统的性能，从而成为评判生物识别技术的标准之一。 另外，生物特征对存储量需求和系统的响应时间也是评判生物识别技 术的重要指标【1 7 j 。 6 第1 章绪论 l 毒 置 误识率f a r 图1 1 标准r o c 曲线 f i g 1 - 1s t a n d a r dr o c c u r v e 1 3 掌纹识别研究现状 手掌是手腕到手指根之间的内侧区域【3 】，掌纹则是手掌皮肤上所有纹路 的统称，主要包括主线、皱纹线和脊线。掌纹信息主要有两种用途：掌纹 诊病和掌纹识别。掌纹诊病是通过分析掌纹来进行疾病诊断【埽】；而掌纹识 别则是利用掌纹信息来进行身份识别1 1 , 1 9 。这二者用到的掌纹特征是不同 的，本文将对用于身份识别的掌纹特征进行分析。 自1 9 8 5 年首次提出掌纹识别以来，国内也于1 9 9 8 年在香港理工大学张 大鹏教授的带领下开始了该领域的研究【1 9 捌，并且已经取得了长足的进步。 张教授领导的香港理工大学生物识别研究中心在该领域一直处于世界领先 水平，该研究中心己经设计出世界上第一个实用化的掌纹识别系统；国际 指纹研究权威m i c h i g a n 州立大学的a j a i n l 2 n 、台湾中华大学圈、香港科技 大学1 2 3 以及马来西亚m u l t i n l e d i a 大学1 2 4 等也先后进入了该研究领域，并参 与了香港理工大学生物识别研究中心掌纹识别系统的开发。清华大学【2 5 , 2 6 1 、 北京大学、南昌航空工业学院1 2 s 】和广东工业大学1 2 9 1 也先后开展了这方面 7 燕山大学工学硕士学位论文 的研究，并取得了一定的成果。 目前，对掌纹识别的研究主要放在特征提取环节上，已经提出了各种 各样的算法，主要有： 1 9 8 5 年，m a t s u m o t o 和k a t s h u h e i 首次介绍了利用掌纹图像应用于身份鉴 别中【3 们，主要用在预防计算机有关的犯罪，即防止非法的拷贝软件，非法 使用数据库等，但该论文只做了初步的研究。 1 9 9 1 年，s h i o n o ，i s l l i k a w a 和s h i m a d a 介绍了他们用手掌和掌纹进行身 份认证的试验结果【3 ”。他们提出了一种结合手形和掌纹的识别方法，并在 5 0 个人的小群体中测试，拒绝非授权人进入率为9 9 8 。 1 9 9 7 年，p a u l s w u 和黎明提出了基于堆栈滤波器的金字塔法和金字塔 自适应动态h o u g h 变换法提取手掌主线3 2 j 3 1 ，但其重点研究的是脉冲噪声干 扰下的边界探测方法，与在线采样得到的图像样本间有些差异。 1 9 9 8 年，f u n a d a 提出一种从高分辨率的墨迹掌纹图像中提取脊线的方 法【3 4 】，这种方法不适合于低分辨率图像。 1 9 9 9 年，张大鹏和束为用掌纹线特征实现了脱机掌纹认证j 。该算法 用1 2 个模板来提取这些线特征，并用若干直线段来近似和表示所提取出来 的每一条线，最后用直线段匹配的方法来进行掌纹认证。显然，用直线段 来近似不规则掌纹线可以简化对掌纹线的描述，但同时会丢掉很多掌纹线 的细节结构信息，从而很难区分一些具有相似掌纹线结构的不同掌纹，并 且提取出来的掌纹线的连接情况对于直线段近似的结果影响很大。 2 0 0 0 年，黎明等人用三条主线( 生命线、智慧线和感情线) 来进行身份识 别【3 2 l 。这种方法只能对小掌纹库有效，当掌纹库很大时，由于不同的掌纹 可能具有相似的主线信息，从而影响这种方法的识别精度，同时该算法并 没有给出有效的主线提取过程。 2 0 0 0 年，李文新将掌纹图像看成是一种纹理，并用方向模板的方法定 义并提取一个四维的全局纹理能量( g l o b mt e x t u r ee n e r g y ，g t e ) 特征【3 5 j 。这 种全局特征易于计算，有较强的抗噪声性和平移不变性。但这个四维特征 只能反映掌纹的全局信息，不能反映掌纹的局部信息，因而其对掌纹的区 分能力较弱。 第l 章绪论 2 0 0 2 年，李文新用傅立叶变换将掌纹图像从空域变换到频域，然后在 频域中提取能反映掌纹线强度的r 特征和反映掌纹线方向的0 特征，并用这 两种特征实现了联机掌纹识别p 7 1 。这种特征在一定程度上反映了手掌上掌 纹线的强弱和方向信息，但不能反映这些线在手掌上的空间位置信息，所 以不能很好地刻画掌纹线的特点。 2 0 0 2 年，y o u 检测出掌纹上的“感兴趣点”并将其用于身份识别【3 6 】。同 样，这种“感兴趣点”只能在高质量、高分辨率的图像中才能提取出来。 2 0 0 2 年，a j a i n 用掌纹线上若干特征点来实现脱机掌纹认证【2 1 1 。他们 首先直接用阈值的方法将脱机掌纹图像二值化，然后对这个二值图像进行 重采样，使得整个图像中只剩下3 0 0 - 4 0 0 个点( 称为特征点) ，最后用这些点 的位置和方向来进行掌纹认证。这种方法并没有明确提取出掌纹线，而只 是提取了一些特征点来表示掌纹线。和脱机掌纹图像相比，联机掌纹图像 中掌纹线的对比度要弱得多，并且具有光照不均和更多噪声的弱点，所以， 这种直接二值化的方法并不适合于联机图像。与用直线段近似掌纹线一样， 用特征点来表示掌纹线同样会丢失很多掌纹线的细节结构，从而影响识别 效果，并且用特征点的坐标和方向来表示掌纹线对存储量的需求较大。 2 0 0 2 年，张泽等提出用手掌上脊线的方向特性来对掌纹进行分类鲫。 脊线的方向特性只能在高质量、高分辨率的掌纹图像中才能准确地计算出 来，因此这种分类方法并不适合低分辨率联机掌纹图像。 2 0 0 3 年，h a n 用s o b e l 算子和形态学的方法阱】、k u m a r g 方向模板的方法 提取出用特征矢量表示的“类线特征”例。他们先对掌纹图像进行去噪， 使得掌纹线得到增强，然后将处理后的图像分成若干块，用每一块的灰度 均值或者标准差来形成特征矢量。无论是h a r t 还是k u m a r 都没有把掌纹线明 确地提取出来。正好和李文新的傅立叶变换特征相反，这种“类线特征” 只能在一定程度上反映掌纹线在手掌各个位置上的强度信息，而不能反映 它们的方向信息，因而不能很好地描述掌纹线的结构。 2 0 0 3 年，z h a n g 和k o n g 用基于二维g a b o r 滤波器的方法来提取掌纹纹理 特征【3 。在这个方法中，先用二维g a b o r ：滤波器对掌纹图像进行滤波，然后 用滤波后的相位信息形成二值掌纹特征码，最后用汉明距离来衡量不同掌 燕山大学工学硕士学位论文 纹特征码的相似度。这种特征能很好地刻画掌纹的特点，具有很强的区分 能力，世界上第一套掌纹识别系统就是基于这种方法的。但在某些情况下( 比 如脏手) ，掌纹的纹理特性会发生改变，从而影响这种方法的识别精度。 2 0 0 4 年，李文新、夏胜雄等首次提出一种基于掌纹最大内切圆的预处 理方法，该算法首次打破了传统的正方形分割的预处理算法，充分利用了 掌纹区域，较好地解决了掌纹的定位问题，并提出掌纹特征线族的概念， 将掌纹纹线特征分为主要特征和次要特征，通过对主要特征和全部特征的 双向匹配给出最终的识别结果【3 9 j 。 2 0 0 4 年，邬向前、王宽全等提出了一种用于掌纹识别的线特征表示和 匹配方法，该方法定义了一个表示掌纹线特征的矢量，称为线特征矢量( l i n e f e a t u r ev e c t o r ，l f v ) h o j 。线特征矢量是用掌纹线上各点的梯度大小和方向来 构造的，它不但含有掌纹线的结构信息，而且还含有这些线的强度信息。 因而，线特征矢量不但能区分具有不同线结构的掌纹，同时也能区分那些 具有相似的线结构但各线强度分布不同的掌纹。在掌纹匹配阶段，用互相 关系数来衡量不同线特征矢量的相似性。实验表明，l f v 方法无论是在速 度、精度，还是在存储量方面都能满足联机生物识别的要求。 2 0 0 5 年，李强、裘正定等提出了一种基于改进二维主成分分析的在线 掌纹识别算法【4 l 】，提出且定义了改进的二维主成分分析，并证明它在保持 训练样本图像总体散度的同时能更有效地提取样本特征，该算法具有很高 的检索识别率，而且大幅度降低了原算法的特征维数、识别计算的复杂度， 使系统的实用性进一步提高。 2 0 0 6 年，a d a m sk o n g 和d a v i dz h a n g 等人提出将幅度和相位特征融合编 码【4 2 j ，对二维g a b o r 相位编码算法进行了改进，将多个方向子带的信息进行 融合，并采用动态阈值，得到了较高的识别率。 1 4 课题研究的主要内容及论文结构 本章首先对课题研究背景及意义进行了阐述，并简单介绍了几种常见 的生物特征识别技术，包括指纹识别和虹膜识别等，比较了它们之间的优 1 0 第l 章绪论 缺点，从而进一步体现了研究掌纹识别的现实意义。 本章第2 d , 节解释了身份认证和身份识别两个基本概念，还定义了等错 率和拒识率，同时对生物识别技术的评判标准进行了介绍。通过回顾掌纹 识别的发展历史，本章对目前掌纹识别算法中的一些主流技术进行了详细 论述。 本文以掌纹为研究对象，在充分阅读和分析大量文献资料的基础上， 对有关研究领域的现状进行了比较全面的综合评述后，针对存在的问题， 结合发展的趋势，重点研究掌纹的线特征提取与选择方法，全文共分5 章。 第1 章阐述了本课题的研究背景和意义，并介绍了生物特征识别技术中 的一些基本概念，回顾了掌纹识别的发展历史和目前的一些主流技术。 第2 章详细地介绍了一个典型的联机掌纹识别系统的基本组成，包括掌 纹库的介绍、掌纹图像采集和预处理、特征提取和识别匹配，重点介绍了 掌纹预处理的过程，并给出了一个由香港理工大学生物识别中心研发的掌 纹识别系统实例。 第3 章借鉴小波变换对掌纹纹理进行多分辨率分析，改进了一种新的用 于掌纹识别的纹理特征一小波能量特征( w a v e l e te n e r g yf e a t u r e ，w e f ) 。小 波能量特征能反映掌纹纹理在不同分辨率、不同位置、不同方向上小波能 量的分布情况，因此能很好地刻画掌纹的特点。本文还分析了不同分辨率 下的小波能量特征对掌纹的区分能力，和不同小波基以及距离指数对识别 率的影响。 第4 章借鉴纹理检索思想，将掌纹看作一种特殊的纹理，采用4 6 - i g a b o r 滤波器组进行多尺度滤波，提取每个方向子带的均值和方差特征，并 采用绝对值距离衡量特征向量间的差异。同时，在基于g a b o r 纹理特征的基 础之上，借鉴分级检索的思想对此算法进行了改进，先采用g a b o r 滤波器提 取掌纹的全局能量特征，后采用l b p 算子提取局部纹理特征实现两次分类， 该算法可进一步提高系统的识别率。 第5 章重点介绍了一种融合能量与方向两级特征的掌纹识别方法，有效 地解决了纹线的方向特征难以表示的难题，该算法首先对预处理后的掌纹 进行不同方向不同尺度的g a b o r 多通道滤波，再对得到的各个方向子带进行 燕山大学工学硕士学位论文 模糊分块，计算每一小块区域的能量，在同一尺度不同方向上找出能量最 大的区域，并标记此区域对应的g a b o r 方向。采用格雷码对方向特征进行编 码，分别计算能量特征的欧氏距离和方向特征的汉明距离，最后将两种距 离按权相加。 1 2 第2 章一个典型掌纹识别系统的基本构成 第2 章一个典型掌纹识别系统的基本构成 掌纹识别与汉字识别、指纹识别一样，同属图像理解和模式识别的范 畴，但是由于掌纹图像种类多、结构复杂、相近掌纹差异小、对比度低、 有变形、有噪声等，因而也是一种比较复杂的模式识别问题。通过对掌纹 的研究，可解决图像处理与模式识别领域的若干相关的技术难题，具有非 常重要的意义。一个典型的掌纹身份鉴别系统的框图如图2 1 所示。 图2 - 1 一个典型的掌纹身份鉴别系统 f i g 2 - 1at y p i c a li d e n t i t ya u t h e n t i c a t i o ns y s t e mo f p a l m p f i n t 和其他所有生物识别技术一样，掌纹识别包括两个阶段：注册阶段和 识别阶段。在注册阶段，用户的掌纹图像被采集进来后，先进行预处理， 燕山大学工学硕士学位论文 然后提取特征，最后放到模板库中；在识别阶段，用户的掌纹图像被采集 进来后，同样先进行预处理和特征提取，然后再与模板库中的模板进行匹 配得到识别结果。整个掌纹识别主要由掌纹采集、预处理、特征提取和匹 配等模块组成，本章将对各个模板的功能与实现进行简单介绍。 2 1 掌纹图像的采集 总的来说，掌纹图像的采集分为两种方式：脱机( o f f - l i n e ) 和联机 ( o n - l i n e ) 。 脱机掌纹图像的采集分为两步：首先形成掌纹图像，然后再把图像输 入计算机。当前脱机掌纹图像的采集主要有传统方式和基于数码相机的方 式。 传统方式的脱机掌纹图像采集通常是在用户手掌上涂满墨粉或墨汁后 按在白纸上，形成墨汁掌纹图像，然后用扫描仪把这个掌纹图像输入计算 机。这种方式的优点是所获取图像的纹理和纹线比较清晰，缺点是由于要 将墨粉涂在手掌上，这很难让用户接受。香港理工大学【1 1 】、m i c h i g a n 十h 立 大学【2 1 1 和清华大学【2 5 捌早期的掌纹研究主要是使用这种方式来获取掌纹图 像。 基于数码相机方式的脱机掌纹图像采集先用数码相机拍摄掌纹图像， 然后再输入计算机。这种方法固然克服了传统脱机掌纹采集的缺点，使得 用户容易接受，但是得到的掌纹纹理和纹线却没有传统方式清晰，香港科 技大学采用这种方式来获取掌纹图像 2 3 1 。 脱机掌纹图像采集方式的共同缺点是不能实现掌纹的实时识别，从而 严重限制了其应用范围。 联机掌纹图像的采集是用计算机来控制整个采集过程，是直接将掌纹 图像采集到计算机，主要有基于扫描仪和基于c c d 两种方式。 基于扫描仪方式的联机掌纹图像采集是用扫描仪直接扫描手掌来获取 图像。这种方式的优点是设备体积可以做得较小，缺点是获取图像的速度 较慢，获取一幅图像往往需要好几秒钟的时间，不利于实现掌纹的实时识 1 4 第2 章一个典型掌纹识别系统的基本构成 别，台湾中华大学和马来西亚的m u l t i m e d i a 大学采用这种方式。 基于c c d 方式的联机掌纹图像采集具有获取图像的速度快，可以直接 获得较高质量的掌纹图像。适合于实时掌纹识别系统的优点，缺点是设备 体积较大。目前香港理工大学、哈尔滨工业大学、北京大学、南昌航空工 业学院和广东工业大学均是使用这种设备来进行掌纹采集的。 图2 2 给出了一个基于c c d 方式的联机掌纹图像采集设备的实物图。 图2 2 基于c c d 的掌纹采集设备 f i g 2 - 2a c c d - b a s e dp a l m p r i n tc a p t u r ed e v i c e 掌纹图像区域面积大、信息丰富，图2 3 为一枚基于c c d 联机方式采集 到的掌纹图像及其典型的各种特征，它包括： ( 1 ) 几何特征早期掌纹识别依据的主要特征，包括手掌宽度、长度、 几何形状以及手掌不同区域的分布。 ( 2 ) 主线特征手掌最清晰的几条纹线( 通常有三条) ，俗称为生命线、感 情线、智慧线。由于这些纹线基本上伴随人的一生而几乎不发生改变，而 且在低分辨率和低质量图像中仍然能够清晰辨认，所以是掌纹识别的主要 依据特征。 燕山大学工学硕士学位论文 图2 3 掌纹图像及其典型的特征 f i g 2 - 3ap a l m p r i n ta n di t st y p i c a lf e a t u r e ( 3 ) 皱纹线也称为褶线，比主线更短、更细一些。由于这些皱纹线尺 度不一，在不同人的手掌上分布毫无规律，因此很难提取，也没有统一的 尺度衡量。但由于皱纹线恰恰体现了掌纹唯一性的特点，因此也是掌纹识 别所应处理的重要识别特征。 ( 4 ) 脊线手掌上与指纹非常类似的皮肤表面特征，称之为脊线。脊线 之间的交叉点和间断点是指纹识别的关键特征。但由于手掌区域要远大于 指纹区域，而且同主线和皱纹线相比，脊线对图像质量要求太高，高分辨 率和高质量的图像会极大增加系统反应和处理时间，也使系统不具有良好 的鲁棒性。因此，在很多掌纹识别算法中，脊线都不在考虑范围之内。 2 2 掌纹图像预处理 采集掌纹图像时，手掌放置的位置和方向都是随机的，这使得在不同 时间从同一手掌采集的图像会有不同程度的旋转和平移。同时，由于每个 人的手掌大小也不一样，使得采集到的掌纹图像大小也不一样。这些都不 利于掌纹特征的提取和匹配。因此在特征提取前，应该先进行预处理，对 掌纹图像进行对准和归一化。图2 - 4 为同一个人在不同时刻采集到的6 枚掌 纹，可以看出，6 枚掌纹相互间仍具有一定的旋转性和平移性。 掌纹图像预处理算法很多，但总的有两大类：基于正方形分割和基于 圆形分割。绝大多数的算法都是基于正方形分割，只有李文心、夏胜雄等 人首次提出基于掌纹最大内切圆的预处理方法口9 】，该算法首次打破了传统 1 6 第2 章一个典型掌纹识别系统的基本构成 p o | y u _ 0 5 1 b m pp o l y v0 5 _ 2 b 唧 e o l y u 一0 5 3 b f 砷 p o j y u0 54 b m p p o l y u _ 0 5 _ 5 b m pp o l y u _ 0 56 b m p 图2 4 同一个人不同时刻采集的6 枚掌纹 f i g 2 - 4s i xp a l m p r i n t sf r o mt h es a m ep e r s o nc a p t u r e da td i f f e r e n tt i m e 的正方形分割的预处理算法，充分利用了掌纹区域，但实验证明，该方法 不适用于本文所用的掌纹库，故不采用此算法。 张大鹏和束为用生命线和感情线与手掌边缘的两个交点来对准掌纹图 像【i ”。他们用方向投影的方法来跟踪生命线和感情线，从而找到它们与手 掌边缘的交点。李文新则先用直线拟合小指下方的手掌边缘作为y 轴，然后 用方向投影的方法找到感情线与该边缘的交点作为原点建立掌纹坐标系， 从而实现掌纹图像的对准。这两种方法比较适合于墨迹的脱机掌纹图像， 因为这类图像的生命线和感情线的灰度对比度较大，使得方向投影法跟踪 纹线成为可能。对于其他几类图像，由于掌纹线的灰度对比度不是很大， 很难用方向投影的方法来跟踪纹线，所以这两种预处理