（电路与系统专业论文）掌纹识别算法研究.pdf

中文摘要 l i i i i i i i i i i i i i i i i l l l l l l l1 1i ii l u lilqll1 1 1 i 17 8 9 4 6 1 中文摘要 掌纹识别是近年来研究较热的生物特征识别之一，与其他生物特征相比，掌纹丰富 的纹理特征可精确鉴别不同个体，掌纹识别易于被用户接受和通过硬件实现，识别速度 快，能够满足实时识别的要求。并且掌纹识别对图像分辨率要求不高，图像采集设备价 格低廉，易于向社会推广，应用前景广阔，因此对掌纹识别算法做研究有很强的理论意 义和较高的实用价值。 本文主要对掌纹区域分割、特征提取以及特征匹配进行了算法研究，具体工作如下： 1 ) 为了获得较完整的掌纹区域和降低对手掌放置的要求，提出了一种基于几何特 征的掌纹区域分割算法，该算法主要利用手掌的几何形状特点，通过定位手掌图像上五 个特征点，进一步达到分割掌纹区域的目的，该算法不需要依靠固定栓来限制手掌的放 置，使得掌纹的采集更具人性化，同时得到的掌纹分割区域更加完整，为提高掌纹识别 率奠定了基础。 2 ) 掌纹区域中明显的主线以及细小的纹线属于多尺度特征，为了更好地描述掌纹模 式，提出了一种基于小波变换的掌纹线特征提取算法，该算法利用小波变换的多尺度分 析特性，采用自适应阈值对各级小波子带系数进行二值化，得到了多个尺度的掌纹特征。 仿真结果表明，该算法的掌纹线提取效果较好。 3 ) 对于小波分解获得的多尺度掌纹线特征，提出了逐层匹配算法，该匹配算法首 先对低分辨率掌纹线特征进行相似度计算，然后根据该相似度决定是否再进行高分辨率 掌纹线特征的匹配。这种逐层匹配算法既有利提高识别精度，也有助于提高掌纹线的匹 配速度。采用中科院提供的掌纹数据库进行了算法测试，实验结果表明，该分类算法能 够获得9 7 7 2 的分类正确率。 关键词：掌纹识别；区域分割；特征提取；小波变换；逐层匹配 学纹识别算法研究 a b s t r a c t a b s t r a c t p a l m p r i n ti ss t u d i e da s a ni m p o r t a n tb i o m e t r i ct e c h n o l o g yi nt h ef i e l do f i d e n t i t ya u t h e n t i c a t i o nr e c e n t l y c o m p a r i n gw i t ho t h e rb i o m e t r i c s ，p a l m p r i n t r e c o g n i t i o nh a si t ss i g n i f i c a n ta d v a n t a g e s ：i ti se a s yt ob ea c c e p t a b l ea n d i m p l e m e n t e d ，a n dh i g hr e c o g n i t i o nc o r r e c tr a t ea n dr e a l t i m er e c o g n i t i o nc a nb e a c h i e v e d p a l m p r i n th a sr i c ha n do b v i o u sm a i nl i n ef e a t u r e s ，s oi td o e s n tr e q u i r e h i g hi m a g er e s o l u t i o n p a l m p r i n ta c q u i r i n gc a m e r ai sc h e a pa n dp a l m p r i n t r e c o g n i t i o ns y s t e m c a nb eu s e di n m a n yf i e l d sw i d e l y t h e r e f o r e ，i t h a s i m p o r t a n tt h e o r e t i c a ls i g n i f i c a n c ea n dh i g h e rp r a c t i c a lv a l u et os t u d yp a l m p r i n t r e c o g n i t i o na l g o r i t h m p a l m p r i n tr e c o g n i t i o na l g o r i t h m si n c l u d i n gp a l m p r i n ts e g m e n t a t i o n ，f e a t u r e e x t r a c t i o na n df e a t u r em a t c h i n ga r es t u d i e di nt h ep a p e r t h ep a p e r sc o n c r e t e w o r k sa r es h o w na sf o l l o w s ： 1 ) i no r d e rt oa c h i e v ep e r f e c tp a l m p r i n tr e g i o na n dr e d u c ep a l mp o s i t i o n r e q u i r e m e n t ，ap a l m p r i n ts e g m e n t a t i o na l g o r i t h m i s p r o p o s e d b a s e do n g e o m e t r i cf e a t u r e s f i r s t l y , f i v ef e a t u r ep o i n t sc a nb el o c a t e db yu s i n gg e o m e t r i c s h a p eo fp a l m ，a n dt h e np a l mr e g i o ns e g m e n t a t i o nr e s u l tc a nb ea c h i e v e db y p r o c e s s i n gt h e s ep o i n t s a c q u i r i n gp r o c e d u r ei sm o r ec o n v e n i e n ta n dh u m a n i s t i c b e c a u s et h ep a l md o e s n tn e e dt ol o c a t ei nf i x e dp o s i t i o n p e r f e c tp a l m p r i n t r e g i o nw h i c h i sh e l p f u lt op a l m p r i n t r e c o g n i t i o nc a nb ea c h i e v e d 2 ) t h e r ea r eo b v i o u sm a i nl i n e sa n dt e x t u r e si nd e t a i li np a l mr e g i o n ，t h e y b e l o n gt om u l t i s c a l ef e a t u r e s ，i no r d e rt od e s c r i b ep a l m p r i n tp a t t e r ne f f e c t i v e l y , a n da p l a m p r i n tl i n e e x t r a c t i o na l g o r i t h mi sp r o p o s e db a s e do nw a v e l e t t r a n s f o r mi nt h i sp a p e r w ec a nt r a n s f o r mo r i g i n a lp a l mr e g i o ni n t os e v e r a ls c a l e w a v e l e t i m a g e s ，a n dt h e na c h i e v eb i n a r yp a l m p r i n tf e a t u r e sb yu s i n g a n s e l f - a d a p t i v et h r e s h o l d s i m u l a t i o nr e s u l t s s h o wt h a tt h ep a l m p r i n tf e a t u r e e x t r a c t i o na l g o r i t h mi sg o o d 3 、) an e wa l g o r i t h mn a m e dl a y e rb yl a y e rm a t c h i n gi sp r o p o s e dt or e s o l v et h e p r o b l e mo fm u l t i s c a l ef e a t u r e sm a t c h t h em a t c h i n ga l g o r i t h mw i l lc a l c u l a t e s i m i l a r i t yo fl o w f r e q u e n c y f e a t u r e so fp l a m p r i n t s f i r s t l y , a n dt h e nw ec a n f i i l v 目录 目录 中文摘要i a 】8 i s t r a c t i i i 第一章绪论l 1 1 课题研究的背景和意义l 1 2 生物特征识别技术的简介一3 1 2 1 人体生物特征的分类3 1 2 2 作为识别特征要满足的基本条件4 1 2 3 生物特征识别系统的框架4 1 3 生物特征识别技术的工作模式及应用5 1 3 1 生物特征识别技术的工作模式5 1 3 2 生物特征识别技术的应用6 1 4 掌纹识别技术的研究现状6 1 4 1 掌纹识别技术的发展和优势6 1 4 2 掌纹识别算法的研究现状7 1 5 本论文主要研究内容及数据库介绍9 1 5 1 论文的具体研究内容9 1 5 2 掌纹数据库的介绍1 0 第二章基于几何特征的掌纹区域分割算法1 3 2 1 引言13 2 2 掌纹区域分割方法的研究现状1 4 2 2 1 掌纹区域1 4 2 2 2 掌纹区域分割方法的研究现状1 4 2 3 基于几何特征的掌纹区域分割算法1 6 2 3 1 手掌图像与背景的分离1 6 2 3 2 手掌最大内切圆的快速定位。18 2 3 3 i 个几何特征点的定位1 9 2 3 4 掌纹区域分割2 3 2 3 5 基于几何特征的掌纹区域分割算法的总结2 3 2 4 仿真实验2 4 v 掌纹识别算法研究 2 5 本章小结2 5 第三章掌纹线特征提取算法2 7 3 1 引。言2 7 3 2 预处理2 8 3 2 1 图像平滑2 8 3 2 2 图像增强2 9 3 3 基于模板的掌纹线特征提取3 0 3 3 1 基于滤波模板的掌纹线提取方法。3 0 3 3 2 基于高斯方向模板的掌纹线提取方法3 2 3 4 基于小波变换的掌纹线特征提取3 5 3 4 1 图像小波变换的介绍3 5 3 4 2 小波子带掌纹线特征提取3 6 3 4 3 基于小波变换的掌纹线特征提取步骤3 8 3 4 4 仿真实验4 0 3 5 本章小结4 l 第四章逐层匹配算法4 3 4 1 引言4 3 4 2 掌纹线膨胀匹配法4 3 4 2 1 匹配方法4 3 4 2 2 仿真实验。4 7 4 3 逐层匹配算法4 7 4 3 1 逐层匹配算法4 7 4 3 2 仿真实验4 8 4 4 本章小结5 1 第五章结论5 3 参考文献5 5 致j 吼5 9 攻读学位期间发表的学术论文及研究6 1 v i c o n t e n t s c o n t e n t s c h i n e s ea b s t r a c t i a b s t r a c t i i i c h a p t e r 】 i n t r o d u c t i o n 1 1 1r e s e a r c hb a c k g r o u n da n ds i g n i f i c a n c e 1 1 2b r i e fi n t r o d u c t i o no fb i o m e t r i cr e c o g n i t i o nt e c h n o l o g y 3 1 2 1c l a s s i f i c a t i o no f h u m a nb i o l o g i cc h a r a c t e r i s t i c ：3 1 2 2b a s i cc h a r a c t e r so fi d e n t i f i c a t i o nf e a t u r e s 4 1 2 3f r a m eo fb i o m e t r i cr e c o g n i t i o ns y s t e m 4 1 3b i o m e t r i cr e c o g n i t i o nm o d e 5 1 3 1b i o m e t r i cr e c o g n i t i o nm o d e 。5 1 3 2b i o m e t r i cr e c o g n i t i o na p p l i c a t i o n 6 1 gp a l m p r i n tr e c o g n i t i o np r o g r e s s 6 1 4 1d e v e l o p m e n ta n da d v a n t a g eo f p a l m p r i n tf e c o g m t i o n 6 1 4 2p a l m p r i n tr e c o g n i t i o np r o g r e s s 7 1 5r e s e a r c hc o n t e n t 袋 1 5 1r e s e a r c hc o n t e n t 9 1 ! ；2d a t a b a s e 1 0 c h a p t e r p a l m p r i n tr e g i o ns e g m e n t a t i o na l g o r i t h mb a s e do ng e o m e t r i cf e a t u r e s 1 3 2 1i n t r o d u c t i o n ：1 3 2 2p a l m p r i n ts e g m e n t a t i o na l g o r i t h mp r o g r e s s 1 4 2 2 1p a l m p r i n tr e g i o n 。：1 4 2 2 2p a l m p r i ms e g m e n t a t i o na l g o r i t h mp r o g r e s s 1 4 2 3p a l m p r i n tr e g i o ns e g m e n t a t i o na l g o r i t h mb a s e do ng e o m e 仃i cf e a t u r e s 1 6 2 3 1p a l mi m a g es e p a r a t i o nf r o mb a c k g r o u n d 1 6 2 3 2m a x i m u mi n s c r i b e dc i r c l ef a s tl o c a t i o n 18 2 3 3f i v ef u t u r e - p o i n t sl o c a t i o n 19 2 3 4p a l m p r i n tr e g i o ns e g m e n t a t i o n 2 3 2 3 5p a l m p r i n ts e g m e n t a t i o na l g o r i t h ms u m m a r yb a s e do ng e o m e t r i cf e a t u r e s 2 3 2 4s i m u l a t i o ne x p e r i m e n t 2 4 2 5s u m m a r i z a t i o n j ：! ! ； v 1 l 掌纹识别算法研究 c h a p t e r f e a t u r ee x t r a c t i o na l g o r i t h m 2 7 3 1i n t r o d u c t i o n 2 7 ：；2p r e p r o c e s s i n g 2 8 3 2 1i m a g es m o o t h i n g 2 8 ：；2 2i m a g ee n h a n c e m e n t 2 9 3 3p a l m p r i n tl i n e se x t r a c t i o nb a s e do nt e m p l a t e 3 0 3 3 1p a l m p r i n tl i n e se x t r a c t i o nm e t h o db a s e do nf i l t e r i n gt e m p l a t e 3 0 3 3 2p a l m p r i n tl i n e se x t r a c t i o nm e t h o db a s e do ng a u s s i a nd i r e c t i o nt e m p l a t e 3 2 3 4p a l m p r i n tl i n e se x t r a c t i o na l g o r i t h mb a s e do nd w t 3 5 3 4 1i n t r o d u c t i o no fd w t 。3 5 3 4 2p a l m p r i n tl i n e se x t r a c t i o no fs u b - b a n d 3 6 3 4 3p a l m p r i n tl i n e se x t r a c t i o na l g o r i t h ms t e p sb a s e do nd w t 3 8 3 4 4s i m u l a t i o ne x p e r i m e n t j 。4 0 3 5s u m m a r i z a t i o n j 4 l c h a p t e ri vm a t c h i n ga l g o r i t h mb a s e do nl a y e rb yl a y e r 4 3 4 1i n t r o d u c t i o n ：；4 ： 4 2d i l a t em a t c h i n gm e t h o d 4 3 4 2 1m a t c h i n gm e t h o d 4 3 4 2 2s i m u l a t i o ne x p e r i m e n t 4 7 4 3l a y e rb yl a y e rm a t c h i n gm e t h o d 4 7 4 ：；1l a y e rb yl a y e rm a t c h i n gm e t h o d 4 7 4 3 2s i m u l a t i o ne x p e r i m e n t 4 8 4 4s u m m a r i z a t i o n 51 c h a p t e r1 ，c o n c l u s i o n 5 3 r e f e r e n c e 5 5 a c k n o w l e d g e m e n t 5 9 p a p e r sp u b l i s h e d 6 1 v i i i 第一章绪论 第一章绪论 1 1 课题研究的背景和意义 身份认证和识别是一个古老而又新鲜的话题。传统的身份验证是基于标识物( 如证 件、钥匙等) 或者知识( 如密码、p i n 等) 来完成的，然而这些方法不方便、不安全、不可 靠的缺点不言而喻：证件、钥匙携带不便，容易丢失或被伪造；密码和p i n 可能被遗忘 或蓄意窃取等等。每一年都会因密码被盗、证件丢失或伪造等给银行、通讯公司、政府 和个人等造成很大损失。特别是随着社会信息化的飞速发展，这些传统的身份识别方法 己经越来越不能适应社会发展的要求，人类需要更加方便、可靠、安全的身份验证识别 技术。而人体自身所固有的生物特征为解决这些问题提供了有效的途径。利用人体本身 所拥有的生物特征进行身份识别的技术被称为人体生物特征识别技术，简称为生物特征 识别技术。由于人的生物特征不会被偷，不会丢失或遗忘，也很难伪造或模仿，所以能 有效克服传统身份识别方法的缺陷，是一种解决现有的身份验证问题的完美方法，并且 它具有更高的安全性、可靠性和有效性，近年来越来越受重视，具有广阔的应用前景。 随着计算机和网络技术的进一步发展，信息安全显示出前所未有的重要性，而身份 识别作为保证信息安全的必要前提，也越来越受到重视，特别是在恐怖分子对美国发动 “9 1 1 ”恐怖袭击之后，社会各界对安全性的要求越束越高，正是这样，人们对准确 可靠、方便可行的身份识别及验证技术的要求愈加强烈，其重要性也越来越明显。为了 国家顺利发展、人民安居乐业，准确识别个人身份有着非常重大的社会意义和经济意义， 它能有效地防止诈骗等犯罪，能提高办公效率、节约资源，对于我们这样一个人口众多 的国家来说，研究生物特征识别更是有着广阔的应用前景和重要的战略意义。截至2 0 0 9 全球生物特征识别技术产品的市场已经超过了3 4 亿美元，预计到2 0 1 4 年这个数字将超 过9 3 亿美元，今后五年的生物特征识别技术的市场预测如图1 1 【。在2 0 0 9 年度，全球 市场的主要生物特征识别技术产品包括：声音识别、手形识别、虹膜识别、签名识别、 指纹识别、静脉识别、中间件以及其他特征识别。各种生物特征识别2 0 0 9 年度所占市 场份额如图1 2 【lj 所示。 由市场分析可知，掌纹识别是一种新兴身份识别及验证方法，由于技术上还不成熟， 它的市场份额还很小，f 凶为其技术还不成熟更有待去研究解决。掌纹识别是指根据人 手掌1 - _ 的有效特征信息来判断哪些图像是来自于同一只手掌，哪些是来自于不同的手 掌。人的掌纹千差万别，没有两个完全相同的手掌，即掌纹具有唯一性。根据掌纹的这 一特点，可以用做人体的身份鉴别。对掌纹的研究最早起源于手相学，早在古代，中国 人就能通过手相获得许多有用的信息。二十世纪九十年代，z h a n g 首先开展了用于身份 1 掌纹识别算法研究 鉴别的自动掌纹识别技术的研究工作。掌纹识别技术作为生物识别技术领域旱的新成员 【2 4 1 ，以其丰富的信息量，稳定而唯一的特征，近年来更受到了全世界很多研究团队的 高度重视，与此相关的新技术和新方法也不断出现。 a n n u a lb i o m e t r i ci n d u s t wr e v e n u e s 2 0 0 9 ，2 0 1 4 ( $ mu s d l c o g y t i l i h t 2 0 0 0 i 竹t t r 瞄棚雄i 垂i o r 恻氐6 r 口雌 $ 曩o o o o s a , o o o $ z 0 0 0 0 辆, o o o , o $ s 。o 力 毒o 力 $ 3 , 0 0 0 力 钍0 0 0 0 $ 1 ，1 3 0 0 曩 s o o 2 i 均盛翘1 02 0 l l2 0 1 22 0 1 3如1 4 图1 12 0 0 9 2 0 1 4 生物特征识别技术的全球市场增长趋势 f i g1 1i n c r e a s i n gt r e n do fb 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 ng l o b a lm a r k e t a m o n g2 0 0 9 2 014 b i o m e t r i cr e v e n u e sb yt e c h n o l o g y , 2 0 0 9 伽料r i 魄憾捃由i m 糠l 州硼釉朝膏l r 妊国嘲p m 轴鲥b 酗i l 抽群 1 8 l ，o 图1 2 各种生物特征识别技术在2 0 0 9 年所占市场比例 f i g1 2m a r k e tp r o p o r t i o no fa l lk i n d so fb 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 n2 0 0 9 但事实上，生物特征识别技术仍然处于尴尬的境地，实际应用场合对生物特征识别 技术的要求较高，尽管在市场上已经出现大量的研究成果和专利产品，但仍存在一定的 缺陷，难以完全满足准确性、可采集性、实时性、可接受性、防欺骗性等综合要求1 5 - 7 】， 特别是掌纹识别算法还在逐渐的成熟阶段，更需要投入人力物力去研究掌纹识别算法。 由于掌纹识别可采用低分辨率的图像，其采集设备较为廉价，这有利于识别设备的普及 2 第一章绪论 使用。掌纹的有效信息面积较大，理论上说其识别精度也应该较高，因此，非常有必要 对掌纹区域分割及识别算法进行研究。 1 2 生物特征识别技术的简介 1 2 1 人体生物特征的分类 一般来说人体的生物特征主要分两类：生理特征和行为特征【8 】。 1 ) 生理特征：主要是指人身体的某一部分，且该部分能直接测量到数据，并具有 普遍性、唯一性、不变性的特征。 ( 1 ) 指纹：指纹作为身份识别的特征已经有几百年历史了，指纹上有丰富的乳突纹 细节点、三角点、分叉点、端点等特征，其特征的唯一性、不变性，便于作为高精度的 身份识别设备。 ( 2 ) 人脸：人脸特征是人类大脑用于区别不同人的最主要特征，目前机器视觉所能 提取的特征主要是有两种，一种是基于面部构件( 即五官) 的形状、位置及它们构成的 空间拓扑关系等特征；另一种是用一系列标准人脸的加权和来获得人脸的全局特征。 ( 3 ) 掌纹：掌纹作为身份识别的特征的历史也很长了，掌纹上除了用丰富的乳突纹 和纹理信息，还有非常清晰的掌纹线特征，并且掌纹的面积大，信息含量丰富，更有利 于身份识别；掌纹还可结合掌形、手形等做多模特征识别；掌纹上有非常清晰的主线和 褶皱纹，可以用低分辨率的廉价采集设备采集图像，便于识别系统的普及和推广应用。 ( 4 ) 虹膜：虹膜具有非常稳定的纹理特征和很强的区分性，但采集设备非常昂贵。 ( 5 ) d n a ：d n a 是人体的遗传物质，携带着个人及家族的遗传信息，它既具有个性 也有共性，但该特征容易被盗取，难以实现实时识别系统，并且容易泄漏个人的遗传信 息，因此，它的使用范围受到限制。 ( 6 ) 视网膜：视网膜是一种极其固定的生物特征，不磨损、不老化、不受疾病影响， 视网膜上具有丰富脉管，目前主要采用脉管复杂而又稳定的结构作为识别特征。 ( 7 ) 静脉：主要采用静脉管的结构信息来做识别。 ( 8 ) 手形：主要指手的三维几何特征，如手的宽度、长度，各个手指的宽度和长度 及手的边缘特征。 ( 9 ) 耳廓：主要采用耳廓的边缘集合结构特征及耳廓上耳轮耳屏、耳垂等多部位的 几何特征和其相互关系等； ( 1 0 ) 热辐射：人体散发出来的热辐射也能反映一个人的特征信息，并且能方便的利 用红外相机采集得到。 ( 1 1 ) 声音：特征主要取决于说话人的声道特征，目前多数人在倒谱域提取语音特征， 3 掌纹识别算法研究 此外能够表征说话人特征的参数还有：语音帧能量、基音周期、共振峰频率与带宽、音 调轮廓特征、鼻音联合特征等。 2 ) 行为特征：主要指人的习惯行为等。 ( 1 ) 步态：步态是指一个人行走时的姿势，其更一般的定义包括了人行走运动的动 力学特征；医学研究表明：人的步态中有2 4 种不同的成分，如果把这2 4 种成分都考虑 到，则步态是为个体所特有的，而且具有相对稳定性，在一定的时间范围和相同的步行 环境下不容易改变【9 】，据此可进行身份识别。 ( 2 ) 签名：手写签名识别是根据每个人书写的方式特点都不同，因而可以通过对比 不同签名间相似程度来识别签名人。 ( 3 ) 击键打字：每个人都有自己的击键打字习惯，在小范围内，该特征也可作为身 份识别信息。 1 2 2 作为识别特征要满足的基本条件 由以上生物特征可以看出，人的个体特征能作为身份特征必须具备以下几个基本特 性： ( 1 ) 普遍性：作为身份识别的特征必须具有普遍性，也就是说该特征每一个正常人 都应该具有。 ( 2 ) 唯一性：作为身份特征，必须具有其独特的一面，也就是说任何两个人都应该 能用该特征加以区分。 ( 3 ) 不变性：是指特征必须具有很强的稳定性，不能随时问或外界环境的变化而变 化，否则该特征就不能用作身份鉴别。 ( 4 ) 可获取性：指该特征应该能被采集，越容易获取越好。 ( 5 ) 可接受性：指人们能够接受该特征被采集，如果人们不愿意被采集该特征，那 么这种识别就没有意义了。 在实际系统中，除了以上特性，还必须考虑性能、实时性和防欺骗性等，即一个实 际的生物特征识别系统必须满足能接受的识别准确性、速度和资源要求，对使用者无害， 且能被实施的人群接受，具有防止欺诈和抵御攻击的能力，对干扰具有一定的鲁棒性， 才更容易被广泛推广应用。 1 2 3 生物特征识别系统的框架 一个典型的基于图像的生物特征识别系统框架如图1 3 ，其中图像数据采集模块主 要指各种图像传感器，如c c d 摄像头等；噪声处理部分用于去掉采集图像中的噪声， 由于噪声会影响特征的提取，从而影响到识别精度，所以必须去除；图像的分割与定位， 4 第一章绪论 主要是寻找某种生物特征的共同点，如手掌的手指与手指之间的交点等，然后再以共同 点为参考点，从整幅图像上分割出感兴趣的图像部分，也即是对有效识别区域进行了分 割；特征提取在识别系统中占有十分重要的地位，它直接关系到识别精度，在进行特征 提取前一般要做图像的预处理，该部分处理主要是使要提取的特征更加清晰；特征提取 的目的就是为了提取出原始数据的有效特征信息，可以从时域中提取，也可以从频域中 或特征空间中提取，但原始数据一般数据量很大，不利于实现实时识别系统，所以多数 情况下会提取部分的特征信息用于识别，即把高维特征空间转化为低维特征空间进行处 理；特征匹配是生物特征识别系统的重要组成部分，在它以前的所有操作都是为了最后 的分类和识别，它也直接关系到识别精度。 基于掌纹的识别系统同样满足该识别系统框架，在后文中将对每一步做详细介绍。 f一一一一一一一一一一。一一一一熙一。一一一一1 ；一霎霎型翌翌璺婴竺塑二 图i 3 基于图像的生物特征识别系统框架 f i 9 1 3s y s t e mf r a m e w o r ko fb i o m e t r i cr e c o g n i t i o nb a s e do ni m a g e 识别处理 1 3 生物特征识别技术的工作模式及应用 1 3 1 生物特征识别技术的工作模式 生物特征识别一般有三种工作模式【8 】：注册模式、鉴定模式和识别模式，其中注册 模式是所有的识别统都有的，但鉴定模式和识别模式基本一致，很多系统仅包括其中之 o 1 ) 注册模式 在进行身份鉴定或识别之前，用户首先要将自己的身份注册到生物特征识别系统 中，以便于后续的身份鉴定或识别。 2 ) 身份鉴定模式 身份鉴定模式需要用户首先声明自己的身份，然后根据使用者输入同一类型的特征 信息与原注册信息对比，信息特征一致，则身份确认，它也即回答了“当前输入的特征 信息是原来注册的特征信息吗? ”也称一对一匹配。 3 ) 身份识别模式 s 毫 掌纹识别算法研究 身份识别是指事先对用户的身份完全不清楚的情况下，根据该用户的生物特征来辨 识该用户的身份的过程，它即回答了“当前用户是谁”的问题，也称“一对多”匹配。 1 3 2 生物特征识别技术的应用 生物特征识别技术的应用非常广泛，只要有需要身份识别或验证的地方就可以使 用，以下是部分应用领域【9 】： 1 ) 刑侦破案：是生物特征识别技术使用的最为广泛的领域，它为破案提供了线索 和证据。 2 ) 银行系统：银行部门的自动取款机、电话银行和网络银行等系统比较容易被犯 罪分子利用，从而给个人和国家造成重大的损失。引入生物特征识别技术，可以有效减 少或避免这些非法事件的发生。 3 ) 网络访问：随着社会的发展，人们利用网络进行转账、购物、发电子邮件等， 但目前的网络只认用户名和密码，一样容易被人盗取。可引进生物特征识别技术控制网 络信息资源的访问权限，加强安全性。 4 ) 门禁系统：一些不让无关人员进入的地方可采用生物特征识别技术来控制大门， 比如军事基地、核电站、银行的保险库等，从而降低非法入侵的j x l 险。 5 ) 身份确认系统：人们随身携带的身份证明物品很容易被造假，如福利机构每年 都会因假冒者的欺骗行为，遭受重大的损失；海关对往来游客身份的确认，以便区分是 不是恐怖分子、毒贩、非法移民等，引入生物特征识别技术能有效的防止这些事件的发 生。 6 ) 民政部门：目前各国政府己经开始用生物识别技术记录本国人口的增长、鉴别 公民身份和防止选举中违法作假行为等。 7 ) 作息考勤：监督公司职员的上班情况可用生物特征识别技术，并且可有效防止 人为作弊。 1 4 掌纹识别技术的研究现状 1 4 1 掌纹识别技术的发展和优势 掌纹识别是近年来新兴的一种身份识别方法，主要经历了三个研究阶段：产生阶段 ( 1 9 9 7 。1 9 9 9 ) 、发展阶段( 1 9 9 9 2 0 0 3 ) 和成熟阶段( 2 0 0 3 至今) 。产生阶段：由香港理 工大学的张大鹏率先提出了用掌纹进行身份识别的思想，全面总结了掌纹的基本特征和 特点，从而开辟了掌纹识别的研究领域；在发展阶段：国内外多所高校与研究机构纷纷 进入了该领域( 如密西根州立大学的a k j a i n 教授、台湾中华大学的c h a n 和h c h e n 、 香港科技大学的h c s h e n 教授、北京大学的李文新、哈尔滨工业大学邬向前和卢光明 6 第一章绪论 等) 1 7 1 1 0 - 1 4 ，该阶段取得了大量的研究成果，其标志是香港理工大学的联机掌纹采集系 统的建立；经上述两个阶段后，掌纹识别技术逐步进入成熟阶段，香港理工大学生物识 别研究中心根据前两个阶段的研究成果，设计开发了世界上第一套民用联机掌纹识别系 统，并于2 0 0 3 年发布了首个掌纹图像标准库，2 0 0 4 年张大鹏教授总结了他所领导的团 队研究的成果，出版了世界上第一部掌纹识别专著，这标志着掌纹识别已经丌始步入成 熟阶段。 掌纹识别技术是对现有生物识别技术的重要补充，和其他的生物特征相比，掌纹具 有很多优点： 1 ) 和指纹一样手掌上布满了乳突纹，但手掌区域却比手指区域要大得多，因而它 包含的信息比