（计算机应用技术专业论文）基于gabor小波的手纹自动认证方法研究.pdf

摘要基于手纹的生物特征识别是一项极具发展潜力的生物特征识别技术，具有十分重要的理论和应用价值。由于其具有无侵害性、成本低、使用友好等优点，得到广泛的关注和重视，近年来取得了前所未有的发展。但在实际应用中，由于在无定位装置的图像采集过程中存在着位置平移、方向变化等于扰，增加了手掌定位的难度，进而使得手纹认证的精度仍然难以满足人们的预期要求。本文针对无定位的手纹认证系统，对基于二维g a b o r 小波变换的手纹认证理论方法和技术进行了系统的研究。本文首先对当前常用的生物特征识别理论方法做了简要的概括和总结，对手纹认证技术的研究现状、技术发展和系统设计进行了阐述。针对现有手掌图像定位方法存在的局限和不足，本文提出了一种基于一维“a t r o u s ”小波变换的关键点定位算法，定位出手掌图像的1 1 个关键点，同时给出了特征区域的提取与预处理的方法和实验结果。与传统掌纹认证系统不同的是，本文将手指和手掌的纹理特征相结合，分别采用2 组不同的频率尺度和方向上的二维g a b o r 小波滤波器组来提取特征，并在二维g a b o r 小波特征的基础上进行方差特征的提取，组成各个特征区域的特征向量。然后应用基于内积的距离度量方法和匹配融合策略进行最终的决策。按照系统设计流程，我们应用m a t l a b 7 0 进行了大量的仿真实验，给出了实验结果，并与现有方法进行了分析对比，证实了本系统的有效性和可靠性。最后，本文对手纹认证技术未来的工作进行了展望，同时在手纹认证技术的广泛应用前景下，我们也期待着能够出现越来越多的认证算法。关键词：生物认证；手纹认证：关键点定位；二维g a b o r 小波a b s t r a c th a n d b a s e dp e r s o n a li d e n t i f i c a t i o na sab i o m e t r i ct e c h n o l o g yp o s s e s s e sg r e a tp o t e n t i a lo fd e v e l o p m e n t ，a n di th a sg r e a tt h e o r e t i c a la n dp r a c t i c a lv a l u e s h a n d - b a s e di d e n t i f i c a t i o na r eg a i n i n gp o p u l a r i t ya n dd i v e r s ea p p l i c a t i o n sf o ri t sc h a r a c t e r i s t i c so fb e i n gn o n i n v a s i v e ，l o wc o s t ，a n df r i e n d l yu s e i nr e c e n ty e a r s , h a n d - b a s e di d e n t i f i c a t i o nt e c h n o l o g yh a sa c h i e v e du n p r e c e d e n t e dp r o g r e s s b u ti nt h ep r o c e s s e so fi t sp r a c t i c a la p p l i c a t i o ni t sr e c o g n i t i o np r e c i s i o nc a n n o ts t i l ls a t i s f yo u re x p e c t e dd e m a n d sb e c a u s e 也es h i f t sa n dv a r i a t i o n so fh a n do ro t h e rd i s t u r b a n c ee x i s tw h e nc a p t u r i n gt h ei m a g e s t h i sp a p e rc o n d u c t st h es y s t e m a t i cr e s e a r c h e so ft h et h e o r ya n dt e c h n o l o g yo fh a n d b a s e dp e r s o n a li d e n t i f i c a t i o nu s i n gt w o d i m e n s i o n a lg a b o rw a v e l e t sf o rw i t h o u ta n yd o c k i n gd e v i c es y s t e m i nt h i sp a p e r t h ec o m m o n l yu s e dh a n d b a s e di d e n t i f i c a t i o nt h e o r i e sa n dm e t h o d sa r eb r i e f l ys u m m a r i z e d r e s e a r c ha c t u a l i t i e s ，t e c h n o l o g yd e v e l o p m e n ta n ds y s t e md e s i g na r ea l s oi n t r o d u c e di nd e t a i l a c c o r d i n gt ot h el i m i t a t i o n so ft h ee x i s t i n gl o c a t i o nm e t h o d s ，w ep r o p o s eam e t h o do fk e yp o i n t sb a s e do no n e d i m e n s i o nq u a d r i cs p l i n e “at r o u s ”w a v e l e tt op r o v i d ee l e v e nk e yp o i n t s w eo f f e rt h em e t h o da n dr e s u l to ff e a t u r ea r e a sl o c a t i o na n dp r e p r o c e s s i n g d i f f e r e n tf r o mt r a d i t i o n a lp 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 ，t h i sp a p e rc o m b i n e sf e a t u r e so ff i n g e r p r i n ta n dp a l m ，a d o p t st w og a b o rw a v e l e tf i l t e r sg r o u p so i ld i f f e r e n tf r e q u e n c ys c a l e sa n do r i e n t a t i o n st oe x t r a c tf e a t u r e s t h e nw ee x t r a c tv a r i a n c ef e a t u r e sb a s e do ng a b o rw a v e l e tf e a t u r e st of o r mf e a t u r ev e c t o r so fe a c hf e a t u r ea r e ar e s p e c t i v e l y w ea p p l yt h ed i s t a n c em e a s u r e m e n tb a s e do ni n n e rp r o d u c ta n dm a t c h i n gf u s i o ns t r a t e g yt om a k et h ef i n a ld e c i s i o n a c c o r d i n gt ot h es y s t e mp r o c e d u r e s ，w ec o n d u c ta b u n d a n te x p e r i m e n t sb yu s i n gm a t l a b 7 0a n dp r o v i d et h er e s u l to fe x p e r i m e n t c o m p a r i n gt ot h er e s u l to fo t h e re x i s t i n gm e t h o d s ，w ep r o v et h er e l i a b i l i t ya n de f f e c t i v e n e s so ft h i ss y s t e m i nt h ee n d , w eo f f e rt h eo u t l o o kf o rt h et e c h n i q u eo fh a n d - b s s e dp e r s o n a li d e n t i f i c a t i o n w i t ht h ee x t e n s i v ea p p l y i n gp r o s p e c to fh a n d b a s e di d e n t i f i c a t i o nt e c h n o l o g y , w ea l s ol o o kf o r w a r dt ot h ei n c r e a s i n gi d e n t i f i c a t i o na l g o r i t h m s k e yw o r d s ：b i o m e t r i ci d e n t i f i c a t i o n ；h a n d b a s e di d e n t i f i c a t i o n ；k e yp o i n t sl o c a t i o n ；g a b o rw a v e l e t衲创件声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果二据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东北师范大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：日期：学位论文版权使用授权书本学位论文作者完全了解东北师范大学有关保留、使用学位论文的规定，即：东北师范大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘，允许论文被查阅和借阅。本人授权东北师范大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其它复制手段保存、汇编学位论文。( 保密的学位论文在解密后适用本授权书)学位论文作者签名：指导教师签名：学位论文作者毕业后去向：工作单位：通讯地址：电话：邮编：1 1 引言第一章绪论身份认证是现代人们在生活中经常遇到的一个问题，几乎每时每刻都需要证明自己的身份。尤其在信息技术飞速发展的今天，随着现代社会生活节奏的不断加快，人们对于安全、方便的个人身份认证技术的需求越来越紧迫。电子商务、网上银行、公共安全等领域对身份认证的可靠度和方式提出了新的要求，传统的身份认证方法己经不能满足这些要求。生物特征具有不易伪造、不会遗失、终身不变和随身携带的优点，生物特征识别被认为是未来身份认证的发展方向，通过计算机利用人体所固有的生理特征或行为特征进行自动身份识另和认证，是当前一项极为受到关注并且发展迅速的热点学科和技术。越来越多的高科技电子产品逐渐进入了人们的日常生活，人们越来越多的依赖智能卡、身份证号码、口令等保护措施。然而，即使用这样的保护措施还是不够，各种各样的损失仍然时有发生。我们需要简单快速的使用机器而不用担心安全问题，但是，现有的智能卡、身份证号码和口令的系统却只能在安全与方便之间徘徊，充分的安全从来没有实现过，而对于更好的安全的需求和措施却与不方便同时出现。为了实现较高的安全性，我们必须使用更复杂和更不方便的口令，因为如果对在我们身边不同的机器使用一个相同的密码，那我们在得到了方便性的同时也增加了安全性的隐患。现行的许多计算机系统中，包括许多非常机密的系统，都是使用“用户m + 密码”的方法来进行用户的身份认证和访问控制的。实际上，这种方案隐含着一些问题，例如密码被忘记或被人窃取。尽管现行的系统可以要求用户及时改变他们的口令来防止盗用口令的行为，但这也同时增加了用户的一记忆负担，还是不能从根本上解决问题。越来越多的个人、消费者、公司和政府机关都承认现有的基于智能卡、身份证号码和密码的身份识别系统是远远不够的，现行的系统安全性技术己经遭到严峻的挑战，迫切需要一种准确、方便、安全的识别技术来代替现有的身份识别方法。于是，生物识别技术悄然兴起，并以其无可替代的优势壮大、发展起来。有关专家曾做过这样的断言，生物识别技术，例如掌纹识别利用人的生理特征来识别个人的身份，将成为今后几年i t 等产业的重要革新i i j 。1 2 生物特征识别1 2 1 生物特征识别技术的概念和应用生物特征识别技术是指通过计算机利用人类自身的生理或行为特征进行身份认定的一种技术。生物特征的特点是人各有异、终生不变( 几乎) 、随身携带。人类的生理特征多为先天性的，如指纹、虹膜、掌纹、面相、声音、视网膜和d n a 等；而行为特征则多为后天性的，如签名、步态、力度等【撕】。为了能区分开任意两个不同的个体，被选择来做识别的特征必须具备以下的条件：( 1 ) 广泛性，即要使用该系统的所有人都具有该特征。( 2 ) 唯一性，即任何两个人在该特征上都具有足够的差异性。( 3 ) 持久性，即该特征必须在相当一段时间内保持稳定。( 4 ) 可测量性，即该特征必须是可以被测量并量化的。生物特征识别技术主要有两方面的应用：身份验证和身份识别。身份验证是确定当前特征是不是当前对象宣称的对象特征，是一种一对一的特征匹配。通常，验证系统存储当前对象的己知特征模板，系统要作的是验证的过程，也即判断模式识别中的两类问题。其答案只能有两种可能，是或不是。身份识别与验证相比相对复杂，是模式识别的多类问题。对于当前对象，我们关心的是其究竟是否属于己知对象，如果是的话，属于哪类己知对象。这个过程是一个一对多的匹配问题。而且由于己知对象是一个动态增长的特征库，身份识别对算法的要求较高。高效的算法要在达到一定的识别率同时满足系统的反映要求，即较高的识别率和较短的系统反映时间。文献m 中阐述了生物特征识别在身份验证与识别方面的一些新进展。1 2 2 生物特征识别技术的发展虽然生物特征识别技术主要是因为计算机和因特网的普及才逐渐成为人们的研究热点，但人们将生物特征作为身份鉴别和验证的工具的思想却由来己久。历史记载的生物特征识别技术的应用可以追溯到公元1 4 世纪的中国。当时的人们曾经将婴儿的手掌和脚掌分别蘸上墨水，利用印记来同其他婴儿区别。这是历史记载的最早的生物特征识别技术的应用。1 8 9 0 年，一个名叫a l p h o n s eb a t t a l i o n的人类学家在解决确定罪犯身份时引入了生物特征识别技术，并将其引入了一个崭新的领域。他认为虽然罪犯可以改变姓名、替换身份，但其某些特征却是难以改变的，如人体骨骼的大小，手指的长度。他开发的系统还曾经被警方当局广泛2的应用。2 0 世纪六七十年代，一些基于指纹的特征识别技术【8 - 9 j 开始在西方国家开展研究。6 0 年代末，美国联邦调查局已经丌始使用一些指纹识别系统。8 0 年代末也引进了世界上第一台基于角膜特征的识别系统，同时，j o h nd a u 曲m 观也在剑桥开始了虹膜识别的研究【堋。语音识别的研究开始于七十年代。目前还有一些其他的生物特征识别技术如脸型和签名识别还在研究和试验的阶段。1 , 2 3 常用的几种生物特征识别技术简介生物特征识别系统是对生物特征进行取样，提取其唯一的特征并进行数字化，然后同识别系统进行交互，系统获取特征并与模板库中的特征模板进行比对，以确定是否匹配，从而决定接受或拒绝此人。典型的生物特征识别系统如图1 1所示。图1 1 典型的生物特征识别系统基本结构在目前的这些生物特征中，指纹识别技术是最为成熟的，也是使用最为广泛的。指纹识别系统通常价格低廉，处理的指纹图像信息量小，系统反映速度快，因此已经出现了很多商用的识别系统。在文献【8 ，9 ，1 1 】中可以看到指纹身份鉴别技术的应用。但是由于指纹同时也是罪犯档案的主要纪录之一，人们经常会对采集指纹图像产生抵制情绪，因此影响了指纹识别系统的进一步普及。而且由于指纹位于手掌的最外部，经常接触外界事物，容易对纤细的指纹皮肤受到磨损，从而大大降低了指纹识别的准确性。虹膜是指人眼包围瞳孔外层区域的物质。虹膜识别系统采用普通的相机无接触式的摄取虹膜图像。虹膜特征的高稳定性带来了识别系统的高识别率。文献1 1z 】阐述了一种虹膜识别系统的设计和实现。但是，虹膜识别系统的造价非常昂贵，东西方人的红膜纹理结构差异也很大，从而也影响了其商业上的广泛推广。人脸识别是获取人脸图像，提取面部特征来进行身份鉴别和验证。我们在文献【1 3 】看到了以人脸作为生物特征来进行识别的应用。虽然这种方案引起了研究者们浓厚的兴趣，但其实用性还值得商榷。实际上，人脸的表情的变化也严重影响了识别率的提高。签名识别作为鉴定个人身份的一种有效手段已经在银行业应用多年。它的依3据是签名的某些内在的和唯一性的特征与产生签名这一信息的特定的生物力学系统有关。但这种方法涉及到个人的行为，所以这个特征易受被测试者控制，与测试者的情绪、身体状况等密切相关。而且该特征还易于被伪造，所以离实用化还有一定的距离。手纹认证是一种重要的人体生物特征识别技术。早期的研究方法是提取掌纹的几何特征，又称为手形特征来进行识别的，但识别效果很难让人满意。实际上，掌纹的区域比较大，信息量丰富，特征也比较稳定，所以完全可以唯一确定某手掌的类别身份。由于掌纹信息量巨大，所以少量的磨损和局部的变化几乎不会对整体的识别效果产生很大的影响。而且，掌纹识别对于图像采集要求非常低，因此保证了系统低廉的造价。按照特定的识别算法，我们甚至可以使用低分辨率、低质量的掌纹图像来完成识别过程。因此，可以说，用掌纹进行身份鉴别是对基于生物统计的身份鉴别技术的重要补充【协1 9 1 。其他的生物识别方法，如语音识别和视网膜识别也在研究和开发当中。相对来说，他们的系统造价比较高，运用难度较大。总之，人体的生物特征是最安全、最方便的身份鉴别工具，并且生物识别产品均借助计算机实现，容易和安全、监控、管理系统结合，实现自动化管理。随着信息化、数字化社会的逐步形成，生物识别技术的开发和应用将会掀起一个新的高潮，越来越多的生物识别产品将会出现在银行账户、公安侦察、互联网安全、电子商务等各个领域。1 3 手纹认证手纹认证是生物特征认证技术的一个较新的分支。同其它生物特征认证技术相比，手纹认证具有以下特点：i 手纹和指纹的最基本构成一样，因此具有唯一性和终生基本不变性，并且不易伪造。2 手纹的区域较指纹大得多，可以比较容易获取手纹质量较好的手纹区域用来提取细节特征。3 可以利用关键点和中心对手进行精确的定位。4 在获取手纹的同时也能获得手指纹区域( 手指上除指纹的部分) 的纹理特征，可与掌纹特征相结合，能有效的提高认证率。因此手纹是一种很有发展潜力的身份认证方法。基于手纹的身份验证和身份识别可用于以下方面：1 考勤系统，人员出入管理方面的应用。42 公共安全方面的应用，如门禁系统；3 银行及信用卡方面的应用。4 电子商务中的个人身份鉴别。5 户籍、身份证管理方面的应用。6 对机密信息的存取控制，包括计算机网络中的信息访问控制等。手纹认证技术作为对现有生物认证技术的必要的有益补充，正吸引越来越多的研究人员进入该领域。1 3 1 手纹特征手纹的形态由遗传基因控制，就算是由于某种原因使表皮剥落，新生的手纹仍保留原来的结构。每个人的手纹的纹线都不一样，即使是孪生同胞，他们的手纹也只是较为相似，并不完全一样。手纹特征包括手指纹特征和掌纹特征。手指纹特征是指手指上除指纹之外部分的纹线特征。如图1 2 ( a ) 所示，手指纹个体差异性主要体现在手指关节处水平纹线( p r i n c i p a ll i n e ) 和其他纹线( w r i n k l e s ) 。( a )c o )图1 2 ( a ) 手指图像；( b ) 掌纹图像掌纹是指手腕与手指之间的手掌内表面上的各种纹线，由屈肌线、皱纹线和脊线共同构成，如图1 2 ( b ) 所示。在传统的掌纹认证中可利用的信息包括：屈肌线特征( p r i n c i p a ll i n e ) ：掌纹是手掌上最为明显的3 5 条掌纹线，称为屈肌线。它是体现掌纹稳定性和唯一性的最重要特征，在小规模数据库条件下，屈肌线特征对掌纹身份识别是完备的，当建立大规模数据库识别系统时，就要结合其他掌纹特征才能达到识别的可靠性。皱纹线特征( w r i n k l e ) ：指掌纹中很多比屈肌线细，不规则的直线或曲线，它们可提供更详细的掌纹特征。脊线细节特征( r i d g e s ) ：脊线是覆盖在掌纹表面的类似于指纹的细小、规则的纹路，可以利用类似提取指纹细节特征的方法来提取掌纹的细节特征。5手纹的面积较大，包含的信息量多，即使在手纹区域不完整或低分辨率和低质量的手纹图像上仍可以提取可供身份鉴别的特征。1 3 2 手纹认证的研究现状对手纹的研究最初起源于手相学。早在古代，中国人就能通过手相来获取许多有用的信息。刑侦部门早就利用掌纹来侦破案件。目前，基于手纹的身份识别技术己经得到国内外有关研究与应用部门的广泛关注，在图像采集、定位、算法和应用方面己经取得了很大的进展。最初人们对手纹识别的研究仅局限于掌纹识别，并且经历了一个从脱机掌纹图像到联机掌纹图像的发展阶段。脱机掌纹图像，是指在手掌上涂上油墨，然后在一张白纸上按印，最后通过扫描仪进行扫描而得到的数字化图像或用数码相机采集后输入计算机得到。j a n ey o u 在他的论文【2 1 】中用的就是这种脱机掌纹图像，图像大小为2 3 2 x 2 3 2 像素，分辨率为1 2 8 d p i 的2 5 6 色灰度图像。联机掌纹则是用专门的掌纹采集设备直接获得，图像质量相对稳定，如文献瞄一。从图像采集的定位方式来看，可以分成两类：一是有固定装置的图像采集：二是无固定装置的图像采集。对于有固定装置的掌纹图像采集研究已经很成熟，涉及的文献【2 2 删也较多。无固定装置的图像采集是近几年研究者们开始关注的方向。论文【2 4 j 通过c c d 相机在一个半封闭的设备中获取图像，该设备对用户要求很少，只需要用户手掌自由伸展，手指互不接触，并且不受光照条件的影响。c h i n c h u a nh a n 在他的论文【2 5 l 中所采用的掌纹获取方法克服了设备对用户的限制，为了避免外界杂光的干扰，采集环境设计成封闭型，同时考虑用户舒适度要求，设备不对用户的手掌进行固定，只要求用户尽量伸展手掌即可。但是这些文章都还只停留在对单一掌纹部分的识别。同时，随着图像采集由有定位装置采集发展到无定位装置采集，图像在采集过程中伸展程度和摆放位置的不固定，导致了对手的定位存在一定的困难，但同时也引起了人们对手图像的定位方法的研究越来越关注。最常见的方法有角点检测【2 6 1 、曲率极大值【硐等，但计算复杂，耗时长。近一两年对掌纹认证的研究已经拓展到掌纹结合手指纹认证的研究。s l o b o d a nr i b a r i c 和i v a nf r a t r i e 在他们的论文1 2 7 l 中，对手的图像提取掌纹区域和四个手指纹区域进行认证。再用匹配融合策略，得到最终的认证率。实验证明可以获得很好的认证效果。从文献检索情况来看，这方面的文章并不多。从认证算法来看，m a t s u m o t ok a t s u h e i f z s ! 在1 9 8 5 年发表的论文中首次介绍了掌纹在个人身份认证领域中的应用，主要用在预防与计算机有关的犯罪，即防止非法的拷贝软件，非法使用数据库等，但是在该方面只做了初步的研究。s h i o n o等人在1 9 9 1 年发表的论文中介绍了一种结合手形和掌纹的识别方法，用手掌和6掌纹进行身份认证的实验结果。并在5 0 个人的小群体中进行测试，拒绝非授权人进入率为9 9 8 。i f a n 和kks u n g l 2 9 i 的论文中使用了一种决策化的神经网络来识别人脸，并将此方法用于手掌识别，但未考虑手掌上的屈肌纹等特征，识别可靠性不高。1 9 9 8 年，d a v i dz h a n g 和w s h u l 3 0 用掌纹的线特征实现了脱机掌纹验证。2 0 0 0 年，w l i ，d z h a n g ，j y o u 和z x u l 3 1 1 用方向模板的方法定义并提取掌纹的图像全局纹理能量( g l o b a lt e x t u r e e n e r g y , g t e ) 特征。2 0 0 2 年，j a n ey o u 和w e n x i n l i 3 2 】等人检测出掌纹上的“感兴趣点”( i n t e r e s t i n g p o i n t s ) 并将其用于身份鉴别。2 0 0 2 年，n d u t a 和a j a i n 3 3 】用n 值的方法进行掌纹线的提取，然后对只含有掌纹线的图像进行重采样使得这个图像中只剩下3 0 0 4 0 0 个点( f e a m r ep o i n t s ) ，最后用这些点的位置和方向作为特征来表示这个手掌上的掌纹线。2 0 0 3 年，c c h a n 丝瞎人用s o b e l 算子和形态学的方法对掌纹图像进行处理，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来形成用特征矢量表示的“类线特征”( l i n e l i k ef e a t u r e ) 。2 0 0 3 年，z h a n g和k o n g 3 4 j 提出了用二维g a b o r 滤波器的方法来提取掌纹的纹理特征，其在线鉴别率可以达到9 8 以上，是目前较好的识别方法。目前，国外已有不少高校和研究机构开展了卓有成效的工作，例如香港理工大学生物识别研究中心、m i c h i g a n州大学、台湾中华大学和香港科技大学。国内的哈尔滨工业大学、中国科技大学等均先后进入了该研究领域。随着生物技术、模式识别、人工智能网络及计算机技术的发展，人们将会在手纹认证的研究和应用方面取得突破性进展。1 3 3 手纹认证系统的设计手纹认证系统一般都由两部分构成：训练阶段和测试阶段。训练阶段可以描述如下，首先对手纹图像的训练样本进行预处理，然后进行特征提取，把提取的手纹特征送入特征库留待与待测试样本进行匹配。在测试阶段，对获取的被测试样本经过与训练样本相同的预处理、特征提取步骤后，进行匹配。图1 3 给出了一个典型的认证处理过程。7圈1 3 典型的手纹认证处理过程从图1 3 中可以看出，手纹认证主要有以下几个过程：1 预处理：其中包括关键点定位和有效区域的定位及预处理，本部分是手纹认证的关键部分，直接影响后面的特征提取和匹配，主要包括：手图像二值化，边缘跟踪和轮廓提取，定位关键点，提取手的特征区域，并对手的特征区域进行大小归一化、纹理增强等处理。2 特征提取：在进行认证之前，通常要用某种表示方法来描述训练样本和测试样本的纹理，就是我们通常所说的特征，也是手纹认证系统作为认证的依据。通常用的表示方法有几何特征、模板特征、代数特征等。特征提取就是从原始图像中提取认证需用的特征。3 匹配：利用手纹特征，按照一定的距离度量准则，将具有相同结构或具有相同特征的手纹归为同一类。将待认证的手纹特征和模板库中己知手纹的特征进行比较，选择适当的匹配策略，从模板库中检索出与待认证手纹相匹配的已知手纹，给出认证结果。1 4 本论文的主要工作和章节安排本文以基于手纹特征的身份认证为研究对象，重点研究了关键点和特征区域的定位、纹理特征提取、匹配策略，并通过m a t l a b 7 0 仿真实现，然后通过实验对系统性能进行测试，并与现有文献的结果进行对比。全文共分五章。第二章针对现有定位方法存在的局限性和不足，提出了手掌图像的关键点定位的方法，并给出了特征区域提取与预处理方法。应用本文提出的定位方法，在采集手掌图像时被采集者可以随意放置手的位置，并且不需要任何的固定装置。8在本章的最后给出了手掌图像库中的6 个样本的特征区域提取结果。第三章首先介绍了g a b o r 小波变换的一般性理论，然后对基于二维g a b o r小波变换的手掌图像特征提取过程进行详细地阐述，并给出了实验结果。第四章给出手纹认证系统的总体设计流程，并对各个模块进行说明，详细介绍了匹配策略。最后通过认证实验对系统进行测试，并与现有方法进行比对，证明了本系统的优越性。第五章是本文的结论部分，对本文所作的工作进行了总结，并对下一步的工作提出了展望。9第二章手掌图像的定位与预处理2 1 手掌图像定位的必要性本文采用的手掌图像是通过扫描仪扫描后得到的手掌图像，由于在采集图像过程中不需要任何固定装置，因此样本与样本之间没有对应的位置关系，这是由于同一个人在不同时间进行扫描过程中不可避免的会产生平移、旋转等误差而造成的。而只有对同一人在相同位置的特征进行匹配，才能保证认证的准确率，同时特征区域提取的准确性必须取决于手掌的关键点定位的准确性。如果不能准确的定位关键点，会直接影响到后面的特征提取和认证率。可见，在手纹认证过程中，手掌的定位是一项重要的基础性工作。在这方面，现阶段已经有了一些研究成果，如t e e 等人【硐采用角点检测算法计算出相邻两手指中间的角点作为基准点，从而获取掌心区域。h a r t 等人【硐通过计算手掌边界的曲率极大值来定位基准点。ak u m a r 等人【3 5 】采用形态学的方法获得关键点，进而提取手掌的中心区域。但在实际应用中，现有的定位方法还存在着计算复杂、定位出的关键点不充足等局限性，以至提取出的特征区域多数还仅局限在掌纹区域。因此，针对上述问题，我们提出了一种基于一维“at r o u s ”小波的新的定位方法，通过本方法定位出的关键点可以提取出包括掌纹在内的四个手指部分的纹理特征区域，可以大大提高系统的认证率，这将在本文第四章的实验部分给出数据证明。：2 2 关键点定位2 2 1 手掌基准点定义在手掌轮廓上的所有边界点中，7 标形状的关键点作为基准点，进而建立参照系，提取特征。由图2 1 可见，位于关键位置上的边界点4 ，b ，c ，k 可以描述手掌的几何形状，能够很好的定位手掌，定义为基准点。a 点代表小手指上与质心的距离最远的点，b 点代表小手指和无名指中间与质心距离最近的点，c 点代无名指上与质心距离最远的点，d 点代表中指和1 0无名指中间与质心距离最近的点，e 点代表中指上与质心距离最远的点，f 点代表中指和食指中间与质心距离最近的点，g 点代表食指上与质心距离最远的点，日点代表大拇指和食指中间与质心距离最近的点，点代表大拇指上与质心距离最远的点，点代表大拇指到手腕这段边界上与质心距离最近的点，k 点代表小手指到手腕这段边界上与质心距离最近的点。2 2 2 手掌的方向校正方法图2 1 手掌基准点在关键点定位之前，我们首先要对手掌的方向进行校正，以使相同的人的不同手掌图像的位置和方向相同，从而减少平移、旋转引起的误差。图2 2 显示了对手掌图像进行方向校正前后的对比图，具体的校正方法如下：1 把彩色图像转化为灰度图像，再将灰度图像转换成二值图像。2 计算手掌图像的质心i c 的坐标 。，y 。) ：t 监，y 。塑( 2 1 )m _ ，l 式中，坍。是手掌图像的( p + g ) 阶矩，一y 9 似川，o ，) ，) 表示手掌图像，o ，y ) 是手掌图像的像素坐标。3 ，计算手掌图像的主轴方向，即主轴和石轴( 垂直方向) 的夹角：0 。0 5 a r c t a n ( j 氇( 2 2 )弘2 0 一。2式中，一是q + g ) 阶中心矩，。- 仁一t ) 9o ，一y c ) 9 ，o ，) ，) 。4 以质心为中心，旋转手掌图像使主轴与z 轴重合：1 1一s i n 0c o s 0o( a )图2 2 ( a ) 原始手掌图像2 2 3 关键点定位( b )( b ) 方向校正后的手掌图像( 2 3 )本文我们提出了一种新的关键点定位方法。本算法是基于一维“at r o u s ”小波算法( 见附录) 通过对边界点与质心的标记以进行多尺度小波分解，计算高频分量的零交叉点，最终确定手的关键点。首先，对手掌二值图像边界跟踪，得到边界点集合，如图2 3 所示。计算质心和边界点集合的标记只，如图2 4 所示。再对标记皿进行“at r o u s ”小波变换 3 7 - 3 9 1 。“a t r o u s ”小波算法的基本思想是通过 ，雎】和g j 【七】( 分别是在尺度2 上的低通分解滤波器和高通分解滤波器) 对原始信号进行分解：口，【七】- 口卜t 【七】+ ，一- 【一七( 2 4 )d 耻】暑a j - 1 睥 + 占卜l f 七】式中，表示卷积，a o 一只，1 s ，s j ，j l o g ：，为原始信号的长度。原始信号可由t 雎】和彳，陋】( 分别是在尺度2 上的低通重构滤波器和高通重构滤波器) 来重构a j 昨】一去 m 昨】丘冲】+ d m 阵】彳，陋】)( 2 5 )、li，石y1，j_lj_、oo1日口丑o0s，-ft。-_暑、ljllllli，xy1t，jill_it_ll-、本文在“at r o l l s ”小波算法的基础上，采用与二次样条小波和尺度函数相关的滤波器系数作为分解滤波器和重构滤波器系数。 诈】= ( o 1 2 5 ，0 3 7 5 ，0 3 7 5 ，0 1 2 5 ) ，g 陋】= ( - 0 5 ，o 5 ) ，m 】= 昨】，g k 1 2 ( - 0 0 3 1 2 5 ，一o 2 1 8 7 5 ，一0 6 8 7 5 ，o 6 8 7 5 ，0 2 1 8 7 5 ，o 0 3 1 2 5 ) 。图2 5 为尺度i = 5 的高频分量。图2 3 手掌边界图2 5 高频分量d 5 阵】图2 a 手掌边界的标记图2 6d 5 噼】的零交叉点计算d ，雎】的零交叉点，如图2 6 所示。零交叉点所在的位置与原信号的极值点位置相对应，从i f i i - i n 得到极值点在手掌图像中的坐标，根据坐标的位置，去除手掌底部那些对定位手掌无用的极值点，最终得n 1 1 个关键点五、瓦、弓、瓦e 、局、岛、马、只、岛、风，如图2 7 所示。1 32 3 特征区域定位图2 7 手掌图像的关键点近年来，基于掌纹的个人身份认证技术得到了许多研究者的重视。然而，在研究掌纹的同时，手掌上一个非常重要的信息手指纹理被忽略了。因为每个人手指各关节处纹线以及关节之间的细小纹线是因人而异的，可以说，对于身份认证系统来说，手指纹线无疑是一个重要信息。因此本文将应用掌纹和手指纹这两个手纹的重要信息来进行身份认证。本文所定义的特征区域是指四个手指的手指纹特征区域和一个掌纹特征区域，如图2 8 所示。图2 8 手掌图像的特征区域如图2 9 所示，以食指为例，手指纹特征区定位步骤如下：1 点b 2 、b 3 和疋的坐标分别表示为 岛，) ，岛) 0 岛，y b , ) o 毛，y r , ) ，线段口：b 3的中点d 的坐标一生学，) ，。一生学1 42 线段一b 2 8 3n 删( 7 k 平方自) 觖舢朋一a r c t a n ( 等等0 将刊图像顺时针旋转0 0 。1 一一3 以点0 为矩形纹理区域底边中点，取长为詈8 b ：见0 ，高为；i l t d i i 的矩ju形区域为食指纹理区域。其他三个手指的矩形纹理特征区的定位方法与上述原理相同。在参数选择1 一一上，中指、无名指与食指相同，小手指的纹理区域的长为；i i b ，b ：0 ，设线段日。b ：)c 一的中点为q ，小手指的纹理区域的高为兰0 q t l i l 。图2 9 特征区域定位图掌纹特征区域定位基于以下两点：1 以点且为顶点的正方形。 1 ，历，甩e z( 3 3 )式中，_ a - m ( x c o s 8 + y s i n o ) ，) ，- 。口一( - x s i n 8 + y c o s o ) 。这里，口等，k 表a示总的方向数目( n 【o ，k 】) ，a ”是尺度因子，使得g 。总能量与m 无关，s 表示尺度数，肌- 0 ，1 ，s 一1 。二维g a b o r 滤波器是带通滤波器，在空间域和频率域均有较好的分辨能力，它在空间域有良好的方向选择性，在频率域有良好的频率选择性，二维g a b o r d 、波可以提取图像不同的频率尺度和纹理方向的信息。二维g a b o r d , 波滤波器组的参数体现了它在空间域和频率域的采样方式，决定了它对信号的表达能力。由于g a b o r d 、波集的非正交性，使得滤波后的图像中会有冗余信息。为剔除这些冗余信息，参数u ，和u 。分别表示所研究频域中最低和最高的频率值，比如最粗糙尺度滤波和最佳尺度滤波的中心频率，滤波器的基本设计策略是保证g a b o r 滤波器组的响应在频谱的上半峰幅值可以相互接触但又不互相重叠。由于滤波器的尺度间隔是指数级的，可得乩一a $ - i u ，则尺度参数为：州击( 3 4 )滤波器参数吼和o r v ( 即o ，和o ，) 的计算如下：1 令t 为u 轴上最小滤波的半幅宽度，则可得：u 一u l - t + 2 a t + 2 a 2 t + + 2 a s 一2 t + a s - t t。粤( 4 一一班3 5 因为标准方差为仃的高斯函数的半幅值为盯芝丽，那么在这里最大滤波的半幅值应该为a s - a t - 吒2 l n 2 。由上面的式( 3 4 ) 和式( 3 5 ) 可得：吼。面( a 面- 1 ) u h( 3 6 )2 ，不同方向的两个相邻滤波的半幅曲线中两个相邻椭圆的切线角度为口一x l k ，k 是方向数，可得：鱼二匕z + 三1( 3 7 )2 i n 2 0 ：2 1 n 2 仃：设v - t a n 鱼2 “，则有2 2簖+ t a n 2p - 2c c ) u2 - 2 u 口知+ u 槲一2 l n 2 。黼2 ( 3 8 )对于式( 3 8 ) 这个以“为变量的二次方程，其有实数解的条件为：纠盖叫：( 3 9 )结合式( 3 9 ) 和式( 3 6 ) 可得：叫a n c 去帆一z 唔2 1 1 1 2 一骂等，专 埘该小波族的部分滤波器如图3 1 所示：( a ) 当s = 1 ，k 一6 ，u j o 0 5 ，u - 0 4 时奇偶滤波器( b ) 当s 一2 ，k ，4 ，【，f o 0 5 ，u 一0 4 时奇偶滤波器图3 1 不同尺度和方i * j g a b o r d x 波滤波器选取尺度参数s 。5 ，方向参数k 一8 ，这样就可以产生4 0 个g a b o r d x 波滤波器组，分成实部和虚部，图3 2 为其实部系数，从图中可看出，每个核函数都显示了较强的空间频率特性、空间定位特性以及方向选择性。图3 2s 一5 ，k - 8 时二维g a b o r 滤波器组实部3 3 基于g a b o r 小波变换的特征提取分别对上一章提取出来的各个特征区域，o ，y ) ( 如图3 3 所示) ，与上述g a b o r小波滤波器进行卷积计算，即可得到特征区域的g a b o r d x 波特征：0 ，y ) 一l ( x ，y ) g ， ，y )( 3 i t )为了提高计算速度，利用f i 丌来求上式，根据卷积定理可得：f ( 昂么 ，y ) 一f t ( x ，y ) x f g 。g ，) ，) )( 3 1 2 )再利用傅立叶反变换得：，。o ，y ) 一f - 1 f p ，y ) x f g 。 ，y ) )( 3 1 3 )式( 3 1 2 ) 、( 3 1 3 ) 中f 和f 4 分别为傅立叶变换和傅立叶反变换。( a )( c )( d )( e )图3 3 手掌图像库中第1 0 号样本的五个特征区域本文针对手指纹和掌纹的纹理特性不同，分别采用两组不同的g a b o r d , 波滤波器组来融合不同空间频率，空间位置和方向的g a b o r t b 波特征。因为手指纹在水平方向的纹理特征最为显著，其次是垂直方向的纹理特征，在其他方向的纹线特征较不明显。因此对于手指部分的特征区域，本文选取尺度参数s = 5 ，方向参数k = 2 的1 0 个g a b o r j 、波滤波器组，分成实部和虚部，取其实部系数为滤波器组l 。相对于手指纹理，掌纹的特征则比较复杂。对于掌纹特征区域，本文选取尺度参数s - 5 ，方向参数k 一8 的4 0 个g a b o r d 、波滤波器组，分成实部和虚部，取其实部系数为滤波器组2 。图3 4 显示了手掌图像库中第1 0 号样本的4 个手指特征区域与滤波器组1 滤波和1 个掌纹特征区域与滤波器组2 滤波后g a b o r d 、波特征。( a ) 图3 3 ( a ) 与滤波器组1 滤波后的特征( b ) 图3 3 ( b ) 与滤波器组l 滤波后的特征( c ) 图3 3 ( c ) 与滤波器组1 滤波后的特征( d ) 图3 3 ( d ) 与滤波器组1 滤波后的特征( e ) 图3 3 ( e ) 与滤波器组2 滤波后的特征图3 4 手掌库中第1 0 号样本的g a b o r t j 、波特征图像经过上述处理后的特征向量如果要用于认证，显然计算量相当大，还需要迸一步处理。我们将图3 4 中每一个g a b o r d 、波特征图像分成n 个相互重叠的子图像块，计算每一个子图像块的方差盯，如图3 5 所示。对手掌图像库中的每一个样本的特征区域，我们将其g a b o r d 、波特征图像的子图像块的方差连接起来，作为该特征区域的特征向量。经过上述处理后，小手指纹特征向量维数为1 8 0 ，其他三个手指纹特征向量维数为3 6 0 ，掌纹特征向量维数为5 7 6 0 。( a ) 图3 4 ( a ) 的方差特征图 ) 图3 ) 的方差特征图( c ) 图3 4 ( c ) 的方差特征图( d ) 图3 4 ( d ) 的方差特征图( c ) 图3 4 ( c ) 的方差特征图图3 5 手掌库中第加号样本5 个特征区域的方差特征图3 4 本章小结二维g a b o r 滤波器是带通滤波器，它在空间域有良好