（计算机应用技术专业论文）基于线特征的掌纹识别方法的研究.pdf

沈阳工业大学硕士学位论文 摘要 生物特征识别技术是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，其主要有两方面的应用：身份验证和身份鉴别。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。身份鉴别是确定当前对象属 于哪类已知对象，是一种一对多的特征匹配。 掌纹识别技术利用人的掌部纹理作为生物特征进行身份的自动确认，是生物特征识 别领域的又一新兴技术。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。掌纹的线特征明显稳定，并且在低分辨率和低质量的 图像中仍能够清晰辨认。针对此特征本文通过对掌纹线特征的提取，实现了用在线掌纹 图像进行身份鉴别的全过程。 论文分析了掌纹图像定位分割的必要性。提取了掌纹图像的外轮廓以及食指与中 指、无名指与小指之间的轮廓角点，用这两个点及两点的中点建立参考坐标系，对图像 进行旋转，实现了掌纹的定位，减少了采样过程中引进的旋转、平移等因素的影响，并 在同一参考坐标系下提取掌纹中心的1 2 8 1 2 8 的有效区域，减少了冗余信息。 提取了掌纹图像的特征线并进行了特征的表示。采用空域与频域相结合的方法对提 取出的有效区域图像进行增强，用1 7 1 7 的模板将增强后的图像转化成二值图像，用 h i l d i t c h 细化算法将二值图像细化，过滤掉不符合长度要求的短线，用提出的短枝消除 方法消除特征线上的短叉，最后提出了一种将每条特征线都表示为长度为1 2 8 的特征向 量的特征表示法，为分类匹配做好了准备。 采用提出的两步匹配方法实现了生物特征识别应用中的身份鉴别。第一步在训练样 本中找出与测试样本含有相同数目特征线的样本，第二步用最近邻法求出与测试样本最 接近的训练样本，将测试样本归为和此训练样本一类，则找出了测试者的身份。 实验取得了较好的结果，证明了基于线特征的掌纹识别方法的可行性。 关键词：掌纹识别，线特征，生物特征识别，短技消除 基于线特征的掌纹识别方法的研究 t h er e s e a r c ho np a l m p f i n tr e c o g n i t i o nb a s e do nl i n ef e a t u r e a b s t r a c t t h eb i o m e t r i c st e c h n o l o g yc a ni m p l e m e n ti d e n t i t yr e c o g n i t i o nu s e dt h ep h y s i o l o g i c a lo r a c t i n gc h a r a c t e r so fh u m a nb e i n gb yc o m p u t e r t h ea p p l i c a t i o no ft h eb i o m e 缸c st e c h n o l o g y h a v et w oa s p e c t s ：i d e n t i t yv e r i f i c a t i o no ri d e n t i f i c a t i o n i d e n t i t yv e r i f i c a t i o ni su s e dt oj u d g e w h e t h e rh eo rs h ei st h eo n eh eo rs h es a i d i d e n t i t yi d e n t i f i e a t i o ni su s e dt ot e l lu sw h oi sh eo r s h e t h ep a l m p r i n tr e c o g n i t i o ni san e wb i o m e t r i c st e c h n o l o g y ，w h i c hu s ep a l mt e x t u r ea s b i o l o g i cc h a r a c t e r st or e c o g n i s ei d e n t i t y f o rt h eg r e a ta r e a ，t h e a b u n d a n ti n f o r m a t i o n ，t h e s t e a d yc h a r a c t e r s ，t h ep a l m p r i n tc a nc o n f i r mt h ep a l mi sf r o mw h o s eu n i q u e l y f u t h e r m o r e ，t h e l i n ef e a t u r e so fp a l m p r i n ta r eo b “o u si nt h eb a dq u a l i t yi m a g e s s o ，i nt h i sd i s s e r t a t i o n ，a p r o c e s so f i d e n t i t yr e c o g n i t i o nb yt h el i n ef e a t u r e so f o n l i n ep a l m p r i n t i sd e s c r i b e d t h eo r i e n t a t i o na n dd i v i s i o na r ec a r r i e do u to nt h eo r i e n t a t i o np a l m p r i n ti m a g e s t h e c o n t o u ro f o n l i n ep a l m p r i n ta r ed e t e c t e d t h e n ，an e wa p p r o a c hi su s e dt oe x t r a c tf e a t u r ep o i n t s o nt h eb o u n d a r y b yt h i sk e yp o i n t sa n dt h e i rm i d p o i n tac o o r d i n a t ei se s t a b l i s h e df o rt h e o r i e n t a t i o n a1 2 8 1 2 8c e n t e ra r e ao f p a l m p r i n ti sd i v i d e du pi nt h i sc o o r d i n a t e t h ef e a t u r el i n e so f t h ep a l m p r i n ti m a g e sa r ea c q u i r e da n dd e s c r i b e d a1 7 + 1 7t e m p l a t ei s u s e dt oc o n v e r tag r e yi m a g ei n t ob i n a r yi m a g ea f t e re n h a n c e m e n t t h e n ，h i l d i t c ha l g o r i t h mi s u s e d a na p p r o a c hf o rg e t t i n gr i do ft w i gw h i c hb r o u g h tf o r w a r db yt h i sd i s s e r t a t i o ni s u s e d f i n a l y ，av e c t o ri sd e f i n e df o re a c hf e a t u r el i n e t w os t e p sa r eu s e df o rp a l m p r i n tr e c o g n i t i o ni n t h i sd i s s e r t a t i o n f i r s t l y ，f i n do u tt h e d i s c i p l i n a ls t y l e b o o k s w h i c hh a v et h es a m en u m b e ro ff e a t u r el i n ew i t ht h et e s t s t y l e b o o k ；s e c o n d l y ，u s et h em o s ta d j a c e n c ea l g o r i t h m t od e t e r m i n et h ec l a s so ft h et e s t s t y l e b o o k e x p e r i m e n t a lr e s u l t ss h o wt h a tt h em e t h o do f t h ed i s s e r t a t i o ni se f f e c t i v ea n da v a i l a b l e k e yw o r d s ：p a l m p r i n tr e c o g n i t i o n ，l i n ef e a t u r e ，b i o m e t r i cf e a t u r e sr e c o g n i t i o n ， t w i go b l i t e r a t i n g 独创性说明 本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工 作及取得的研究成果。尽我所知，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的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。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做了明确的说明并表 示了谢意。 签名：互商盈日期：迦z ! ! ：墅 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 ( 保密的论文在解密后应遵循此规定) 签名：酗蛰导师签名：i 笠笙兰 日期：塑z ：! 兰 沈阳工业大学硕士学位论文 1 绪论 1 1 生物特征识别技术概述 近年来，随着信息产业的飞速发展，信息化已经与人们的生活密不可分。人们对于 信息安全的要求日益增加，对于安全、方便的个人身份认证技术的需求越来越紧迫。传 统的安全保护方式不外乎密码、口令、个人识别码或磁卡等，但这些方法只能提供有限 的保障，它们经常会被非法诲用或滥用，各种各样的损失仍然时有发生。据统计每年至 少有5 亿美元的信用卡诈骗，1 0 亿美元的移动电话诈骗，3 0 亿美元的取款机诈骗等等； 仅2 0 0 2 年，美国就有9 9 0 万人的身份被盗用，并由此给个人及银行等企业造成5 3 0 亿 美元的巨大损失。由于人的身体特征具有不可复制的特点，人们把目光转向了生物识别 技术，希望可以借此技术应付现行系统安全所面l 每的挑战，且生物特征识别技术也以其 特有的稳定性、唯一性、方便性以及不会被忘记和丢失的优势逐渐发展、壮大起来。 1 1 1 生物特征识别技术的概念及历史 生物特征识别技术是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。生理特征多为先天性的，如指纹、手形、掌纹、手上的静脉血管、虹膜、 视网膜、面相、耳廓、体味、热辐射和d n a 等；而行为特征则多为后天性的，如声音、 签名、步态、敲打键盘等。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 ) 普遍性 普遍性是指每个人都必须具有的特征 ( 2 ) 唯一性 唯一性是指每个人的某特征都不相同，任何两个人都可以用该特征来进行区别。 ( 3 ) 永久性 永久性是指某特征应该具有足够的稳定性，即不会随着时间或环境的变化而发生大 的改变。 ( 4 ) 可采集性 可采集性是指某特征应该可以较为方便地被采集和量化。 基于线特征的掌纹识别方法的研究 ( 5 ) 可接受性 可接受性是指基于某特征的识别系统应该比较容易被用户接受。 ( 6 ) 性能要求 性能要求是指基于某特征的系统应该能获得足够高的识别精度，并且对资源和环境 的要求都应该在一个合理的范围内。 ( 7 ) 安全性 安全性是指某特征不容易被伪造或模仿。 概括地说，用于身份识别的人体生物特征必须具备“人人拥有、人各不同、长期不 变”等特点。 早在古代埃及，人们就通过测量人体各个部位的尺度来进行身份的鉴别。现代的生 物特征识别技术始于2 0 世纪7 0 年代中期，早期的生物特征识别设备仅限于安全级别比 较高的场所和军事用途。随着社会的发展，生物特征识别设备的制造成本逐渐降低，目 前已经广泛应用于商业领域，如出入口控制、考勤管理等。 1 1 2 生物特征识别技术的应用 生物特征识别技术主要有两方面的应用：身份验证和身份鉴别。 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已知特征模板，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。 身份鉴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，人们关心 的是其究竟是否属于已知对象，如果是的话，属于哪类已知对象。这个过程是一个一对 多的匹配问题。而且由于已知对象是一个动态增长的特征库，身份验证对算法的要求较 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。 具体的应用领域例如。1 ： ( 1 ) 刑侦破案 沈俺1 l ：业大学硕士学位论文 这可能是生物识别技术应用得最为广泛的领域。2 0 世纪6 0 年代以来，生物识别技 术已经广泛应用于刑侦案中。美国联邦调查局和巴黎警部开发的“自动指纹识别系统” 已经成功地破获了大量案件。 ( 2 ) 银行系统 银行部门的自动柜员机、电话银行和网络银行等系统，比较容易被非授权者利用， 从而造成重大的损失。生物识别技术的引入，可以减少或避免这些非法事件的发生。 ( 3 ) 逻辑访问控制 在信息社会，人们对于各种信息的需求量越来越大，获取信息的渠道越来越多，信 息的共享程度也越来越大。但是，在很多时候，信息和资源并不是对每个人都完全共享， 而是对不同的人设置不同的访问权限。生物识别技术可以用来控制对信息资源的访问权 限。 。 ( 4 ) 物理访问控制 生物识别技术可以用来限制人们可以进入的地方，如某些军事基地和核电站等，从 而降低安全威胁。 ( 5 ) 社会福利 福利机构每年都会因假冒者的欺骗行为，遭受重大的损失。生物识别技术可以从根 本上杜绝这类事情的发生。 ( 6 ) 海关 恐怖分子、毒贩、非法移民和越来越多的游客使各国海关受到的压力越来越大。如 何能快速、自动、有效地区分合法者和非法者是各海关面临的紧迫问题。生物识别技术 是解决这个问题的有效方法。 ( 7 ) 民政部门 各国政府已经开始用生物识别技术来记录本国人口的增长、鉴别公民的身份和防止 选举中的作假行为等。 ( 8 ) 电话系统 基于线特征的掌纹识别方法的研究 在过去的十几年里，全球通信技术已经发展起来。但各国电话公司同样面临通信资 源被非法利用的问题。，七物识别技术，特别是声音识别技术，是解决这个问题非常有效 的措施。 ( 9 ) 作息考勤 生物识别技术可以用来记录和监控公司职员的作息和出勤等情况。 以上只是列举了生物识别技术广阔应用领域中的很小一部分，随着社会的飞速发 展，生物识别技术作为一种最有效的身份识别技术，其应用范围必将迅速扩大。 1 1 3 几种常用的生物特征识别技术 目前常用于身份鉴别的生物特征主要有指纹、掌形、人脸、虹膜、视网膜、声音、 动态签名等。就市场情况来看，指纹识别占5 2 1 ，掌形识别占3 0 ，虹膜识别占7 3 ， 声音识别占4 5 ，笔迹识别占2 4 ，其他占3 7 。 指纹识别技术是最为成熟的生物特征识别技术，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。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，容易使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。 手形识别的识别速度在所有的生物特征识别中是最快的，但其正确率却低于一般商 业需要，手形特征包括手指相对长度和宽度、手指连接模式等。由于噪声对这些特征的 干扰程度较低且易提取，因此手形识别方法最简单，但是利用手形信息的自动身份验证 系统又存在两个致命的弱点：唯一性没有得到充分证明；易于仿造，可以仿造具有相同 参数的手。 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地 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。但是，虹膜识别系统 的造价非常昂贵，东西方人的虹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。 沈阳工业人学硕士学位论文 视网膜具有四通八达的毛细血管网，每个人的视网膜图纹都是不同的，此即临床医 生观察眼底诊病的眼底血管图。这些血管逐级分支以成网，绝无完全相同的两个眼底血 管图，如果某个体眼底血管有先天或后天变异，血管或眼底发生病变，则更增添了鉴别 的特殊标志。因此，在法庭医学上将眼底视网膜血管图视为个人识别的优选方法之一。1 。 视网膜读取器感知人眼后面的视网膜脉络模式时，使用者的眼睛与设备应在1 5 r a m 之 内，并且在读取图像时，眼睛必须处于静止状态，经过预处理和特征抽取可获得4 0 0 多 个特征点，构成匹配模式和完成确认。视网膜是一种极其稳定的生物特征，因为它是“隐 藏”的，不会被伪造，使用时不需要和设备进行直接的接触。缺点是视网膜扫描可能会 给使用者带来健康的损坏，也很难降低它的成本。同时视网膜扫描对于戴着隐型眼镜或 闭着眼睛的照片都不能进行精确识别，眼镜的反光同样会影响视网膜识别。 声音识别易被接受，成本也比较低，但说话的声音可被模仿、伪装，且在身体不适 时有很大的变化，故识别率受到很大限制。 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的控制，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，有的人可以惟妙惟肖地模仿别人的签名以 假乱真，所以离实用化还有一定的距离。 人脸识别靠获取人脸图像，提取面部特征来进行身份鉴别和验证。人脸部的结构特 征比较复杂，结构特征稳定性差，易受年龄、化妆、表情、姿态、背景复杂程度等因素 的影响，采集图像时的光线、角度、距离、面部遮挡等问题也一直是人脸识别领域的难 题。 根据d n a 具有不同个体的差异性和同一个体的一致性原理，可以利用d n a 来进 行身份识别。d n a ( 脱氧核糖核酸) 分子里存在着生物的全部遗传信息，除了对某些双胞 胎个体的鉴别可能失效外，这种方法具有绝对的权威性和准确性。d n a 模式在身体的 每一个细胞和组织都一样，不必像指纹那样必须从手指上提取。d n a 识别存在的主要 问题是使用者的伦理问题和实际的可接受性。d n a 识别必须在实验室中进行，实时性 基丁戳特征的掌纹识别方法的研究 差、耗时长。这就限制了d n a 识别技术的使用；另外某些特殊疾病可能改变人体d n a 的结构。 可见，每种生物特征都既有其适合的领域也有其特征本身存在的难以克服的缺欠， 表1 1 对各种人体生物特征作了一个简单的比较“1 。 表1 1 各种人体生物特征识别技术的比较 t a b 1 1c o m p a r i s o no f r e c o g n i t i o ns k i l lf o rp e r s o n a lb i o l o g i cc h a r a c t e r s 6 沈阳工业大学硕士学位论文 1 2 掌纹识别技术概述 掌纹识别利用人的掌部纹理作为生物特征进行身份的自动确认，是生物特征识别领 域的又一新兴技术嘲。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，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。可见掌纹识别综合了指纹识别和掌形识别两种最成熟的生物 特征识别方法的优点。因此，可以说，掌纹识别是对基于生物特征的身份鉴别技术的重 要补充。 1 2 1 掌纹的形成 在生物组织学上，人的皮肤分为三层：表皮、真皮和皮下组织。表皮是皮肤的最外 层，它保护着内部的组织。表皮细胞称为角化细胞，分布于整个表皮，形成大量的角蛋 白，构成一个坚韧的外壳。手掌的表皮厚度接近0 8 m m ，而身体其他部分表皮厚度仅为 0 0 7 , 一0 1 2 m m “1 。在出生后由于持续的压力和摩擦力，人的表皮逐渐增厚。人的手掌上 有三类纹线，分别称为屈肌线、皱褶线和乳突纹。这些纹线主要是由于手指的运动、组 织结构和皮肤等原因形成的。手掌上的屈肌线是最深的线，主要是在手掌的抓握过程中， 随着手掌、手指的张开、闭合而形成的。屈肌线也称为主线，按照手相学上的定义，主 线又分为生命线、智慧线和感情线。 ( 1 1 主线 尽管每个人手掌上主线的形成过程是相同的，但是，由于人们抓握东西的方式不同， 不同人的主线也有很大的区别。而且，每个人的手掌手指的大小、薄厚的不同也进一步 影响了这些纹线的形成。 ( 2 ) 皱褶 在人的整个身体中，由于一些部位的自然运动，导致皮肤在不同的方向上进行伸展， 如肘部和膝部表层皮肤。然而，皮肤经过很长时间的不断伸展和收缩后会失去弹性，形 基于线特征的掌纹识别方法的研究 成永久的皱褶。事实上，显著的起褶现象是肌肉运动导致的。手掌上一些皱褶是天生的， 而另外一些是由于长时间手的抓握而引起的肌肉运动所导致的。 ( 3 ) 乳突纹 乳突纹是皮肤最外层表皮永久变厚形成的。它们高于皮肤的平均层面，只分布在手 掌内侧和脚掌底部。手掌各部分乳突纹的粗糙程度不同，指尖部分最为细致，而手指其 他部分最为粗糙，手掌上的乳突纹粗糙程度适中“1 。乳突纹通常是平行结构，或为曲线， 或为直线。乳突纹看起来就像灯芯纹理，为手掌拿东西提供摩擦力。 1 2 2 掌纹的特征 掌纹是指手腕与手指之间的手掌内表面上的各种纹线。掌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，新生的掌纹仍保留原来的结构。每个人的掌纹的 纹线都不一样，即使是孪生同胞，他们的掌纹也只是较为相似，而不会完全一样”1 。 掌纹的特征可分为两类：结构特征和统计特征。其中，结构特征包括掌纹的屈肌纹， 皱褶线，乳突纹，细节点和三角点等；统计特征包括掌纹的纹理能量，熵和各阶矩等。 掌纹的结构特征具有良好的标识手掌的能力，但其较难准确提取和特征表示；与之相反， 掌纹的统计特征易于提取和特征表示，但由于其几乎不包含结构信息，因此其识别掌纹 的能力比结构特征要差。 掌纹中最重要的是纹线特征，这些纹线特征最清晰的几条基本上是伴随人的一生几 乎不发生改变的，并且在低分辨率和低质量的图像中仍能够清晰辨认，不像点特征那样， 对图像的质量要求很高。尤其是屈肌线，即人们通常所说的感情线、智慧线、生命线、 命运线和健康线，即使是在低质量的图像中也很明显，适于作为分类特征。 1 2 3 掌纹识别的优势 和其他的生物识别技术相比，掌纹识别具有很多特点“1 ： ( 1 ) 跟指纹一样，手掌上也布满了乳突纹，但手掌区域却比手指区域大得多，因而 它含有比指纹更丰富的可区别信息； ( 2 ) 手掌上有几条大的主线和很多的皱褶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： 8 沈阳工业大学硕士学位论文 ( 3 ) 与三维手形相比，掌纹特征的唯一性很强，更适合身份辨识，性能更好： ( 4 ) 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； ( 5 ) 和虹膜以及视网膜相比，掌纹图像采集设备的价格要低廉很多，并且使用更为 方便，更容易被用户接受； ( 6 ) 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； ( 7 ) 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 上的乳突纹、主线和皱褶线等特征可以融合在一起，形成一个高精度的识别系统。 1 2 4 掌纹识别的研究现状 基于掌纹的身份鉴别方法已受到国内外有关研究与应用部门的关注，开展了一些尝 试性的研究，也取得了一些阶段性的实验结果。目前所使用的掌纹特征提取与识别方法 大致有以下几种： ( 1 ) 基于傅立叶变换的掌纹识别方法，基于二维g a b o r 滤波器的掌纹识别，基于小 波变换的掌纹识别。这三类方法有一个共同点，它们都是将原始空域掌纹图像变换到频 域，在频域内定义并计算若干特征变换。将图像从空域变换到频域后再进行特征提取和 描述可以增强系统的鲁棒性，简化甚至免去图像预处理的步骤，但是在频域内分析图像 时，忽略了图像本身的丰富纹理信息，受光照条件影响而产生的不稳定性也相当大。l i 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辨识”。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。z h a n g 和k o n g 用基于g a b o r 滤波器的 方法来提取掌纹纹理特征1 。首先用二维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，最后用海明距离来衡量不同掌纹特征码的相似 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来设计的，但在某些特殊情况下，比如脏手，掌纹的纹理特性会 基丁线特征的掌纹识别方法的研究 发生很大的改变，从而影响这种方法的识别精度。z h a n g 对图像进行了小波变换，然后 对变换后的每一个子图进行方向性上下文建模，并在此基础上定义和计算能反映主线和 皱褶强度的特征，包括重心、密度、空间分散度和能量，最后用这些特征对掌纹图像进 行分类识别“。该方法在小波域内提取了能充分反映掌纹线信息的特征，因而取得了较 好的效果。 ( 2 ) 基于子空间的特征提取方法。子空间法的特点是把模式的类别用一些线性子空 间来限制，每类中只把最有用的特征保留用来张成空间，把一个矢量或矩阵在某子空间 内的投影作为该矢量或矩阵与该类模式之间的相似度的度量。该方法早期多用于人脸等 特征的识别，目前用于掌纹的子空间方法有：主成分分析( p c a ) 法，二维主成分分析 ( 2 dp c a ) 法，特征掌( e i g e n p a l m ) 法，基于f i s h e r 线形判别的f i s h e r p a l m 方法等。 l u 在对掌纹图像进行k - l 变换的基础上，对其进行主成分分析( p c a ) ，即将掌纹图 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 ( m n ) 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 该子空间上，实现维数的降低以减少计算复杂度“。该方法取得了较好的识别结果。其 中，对应较大特征值的基底具有类似掌纹图像一样的纹理，因此这种方法被称为特征掌 法。二维主成分分析是在主成分分析的理论基础上建立起来的，它与主成分分析的不同 之处主要在于它直接基于二维矩阵的变换，而无需先将二维图像化为一维向量。李强等 用改进的2 dp c a 方法对图像进行降维，在保持训练样本图像总体散度的同时更有效地 提取样本特征，降低了计算的复杂度，方法取得了较好的效果“。w u 等先对图像进行 k - l 变换降维，获得原样本的特征子空间，保证在该空间中类内离散度矩阵是非奇异的， 然后再对处理后的结果作f i s h e r 线性判决分析。7 1 。该方法对光照等条件较为不敏感， 但由于一般情况下，掌纹识别为小样本问题，因此方法中样本的类内离散度矩阵常为奇 异的，这使得方法的求解变得很困难。 ( 3 ) 基于结构特征的掌纹识别方法。结构特征可分为两类，一类是点特征，一类是 线特征。点特征可以精确描述掌纹，鲁棒性强，鉴别能力高，一些基准点还具有旋转不 变的特性，但点特征需要在高分辨率图像中提取，如若特征点的数量较多，则匹配时需 沈阳工业大学硕士学位论文 要较大的计算消耗。线特征明显稳定，特征空间小，但乳突纹和皱褶线的交错和重叠使 线特征的提取和表示变得很困难。y o u 检测出掌纹上的“感兴趣点”并将其用于身份识 别。同样，这样“感兴趣点”只能在高质量、高分辨率的图像中才能提取出来“”。d u t a 用掌纹线上若干特征点来实现脱机掌纹验证。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验证”1 。这些方法并没有明确提取 出掌纹线，而只是提取一些特征点来表示掌纹线。与脱机掌纹图像相比，联机掌纹图像 中掌纹线的对比度要弱得多，并且具有光线不均和更多嗓声的缺点，所以这种直接二值 化的方法并不适用于联机图像。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。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乳突 纹的方法。“。这种方法不适用于低分辨率图像。z h a n g 和s h u 用掌纹线特征实现了脱机 掌纹验证。他们用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验证o “。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，而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。黎明等用三条主线( 生命线、智慧线和感情线) 来进行身 份识别1 。这种方法只能在掌纹库较小时有效，掌纹库很大时，由于不同的掌纹可能具 有相似的主线信息，这就势必影响这种方法的识别精度。同时他们并没有给出有效的主 线提取算法。s h u 等和张泽等提出用手掌上乳突纹的方向特征来对掌纹进行分类o “”1 。 乳突纹的方向特性只能在高质量、高分辨率的掌纹图像中才能较准确地计算出来，因此 这种分类方法并不适合低分辨率联机掌纹图像。h a n 用s o b e l 算子和形态学的方法、 k u m a r 用方向模板的方法提取出特征矢量表示的“类线特征”。”。他们先对掌纹图像进 行处理，使掌纹线得到增强，然后将处理后的图像分成若干块，用每一块的灰度均值或 标准差来形成特征矢量。无论是h a n 还是k u m a r 都没有把掌纹线明确地提取出来。正好 与l i 的傅罩叶变换特征相反，这种“类线特征”只能在一定程度上反映掌纹线在手掌 基丁二线特征的掌纹识别方法的研究 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。 ( 4 ) 基于统计特征的识别方法。统计特征指的是各阶矩、熵和能量等。矩函数构成 的特征矢量在图像的平移、旋转、尺度变化时具有不变性，这使得矩函数特征矢量在特 征表达能力和噪声敏感度方面具有较大的优越性啪”。但该方法中的坐标系变换会忽略 掉一些信息点，这些点在变换前位于n x n 大小的区域内，但变换后，在极坐标系x 2 + y 2 l 区域之外，从而造成矩值计算的不精确性。利用纹理能量描述掌纹，除了空间位置 外，还能利用纹线的粗细程度这一性质进行区分。这种方法能够较好地保持类间区分性 和类内紧凑性。能量特征向量中，每个分量所具有的方向性也能够提高匹配的准确度， 但会增加计算量。“用方向模板的方法定义并提取一个四维的全局纹理能量特征。这 种全局特征易于计算，有较强的抗噪性和平移不变性。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。 由于掌纹识别技术起步较晚，现有的几类方法中，很多都是借鉴其他生物特征的识 别方法，最能适合掌纹自身结构特点的经典算法还在不断的探索和创新中。 1 3 掌纹图像的分类 目前采用的掌纹图像主要分脱机掌纹图像和在线掌纹图像两大类。 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，然后通过扫描仪 进行扫描而得到数字化的图像。脱机掌纹图像的特点是：由于采样所用的分辩率较高， 由乳突纹在局部形成三角或弓箕斗等纹型在脱机掌纹图像中清晰可见。其与指纹的差异 在于：一枚指纹只有一种纹型，而幅掌纹则至少有4 个三角点，并可能同时存在多种 纹型，纹型形态、方向也多种多样，因此掌纹具有比指纹更好的分类性能，利用掌纹中 奇异点和纹型的数目及分布情况可对个人身份进行鉴别。由于掌纹的纹型与指纹的纹型 相似，因此一个很自然的想法是利用指纹分析方法对掌纹进行研究。最早的关于掌纹研 究的文献报道主要也以脱机掌纹图像分析为主，常见的方法主要有基于纹型的分类与基 于点特征或线特征的匹配。 脱机掌纹图像的缺点主要有。“： 沈阳工业大学硕士学位论文 ( 1 1 油墨按印的采集方式不易被接受： ( 2 ) 图象质量易受用力程度及纸张质量的影响； ( 3 ) 对分辩率要求高： ( 4 ) 中央部分的信息易丢失等； ( 5 ) 乳突纹易因年龄、劳动等因素的影响出现磨损。 因此基于纹型的分类与基于点特征的匹配方法受到了很大的限制。 在线掌纹图像则是用专用的掌纹采样设备直接获取，图像质量相对比较稳定。从理 论上讲，基于掌纹的自动识别应该比指纹自动识别技术有更大的市场潜力。掌纹的研究 与发展之所以缓慢，主要是受掌纹采集设备的限制。随着网络、通信技术的发展，在线 身份认证变得更加重要。随着活体掌纹采集装置的发展与改进，采集设备的成本逐渐降 低，性能逐渐升高，对掌纹的研究己转为以在线掌纹图像为主。 1 4 在线掌纹图像基于线特征识别方法的研究现状 线特征不仅具有稳定性和唯一性，而且可在较低空间分辨率图像中获取，采集方法 简单。但是，由于在线掌纹图像的对比度较低，掌纹中的细小皱褶线和乳突纹会形成一 定的噪声，即皱褶线和乳突纹的交错和重叠使线特征的提取和表示变得很困难。因此， 关于在线掌纹图像基于线特征的识别方法的研究还需要进一步的深入。 w u 等用屋顶边缘检测的思想提取掌纹线，即将掌纹线看作屋顶边缘的轮廓线，每 个屋顶边缘都对应着两个阶跃边缘，寻找阶跃边缘就是寻找图像中的过零点“。用这种 方式提取出的掌纹线是双边缘，包含掌纹线的宽度信息。用掌纹的结构特征和统计特征 相结合的方式来表示掌纹的特征，将特征表示成一个矢量，进而进行匹配。 李文新等用模板法提取了掌纹线，选取五条最长的掌纹线作为特征线，然后采用对 线上的点进行逐点比对的方法进行匹配1 。方法的缺点是对于有些掌纹十分模糊的手掌 提取不够五条线，无法进行下一步的识别。 “等将提取出的全部掌纹线转化成- - 4 段- - d 段的线段，然后用线段h a u s d o r f f 距 离来进行掌纹的匹配“。 基1 二线特征的掌纹识别方法的研究 以上方法都取得了较好的成绩，但由于不同的研究者采集掌纹的方式不同，使得图 像的大小、分辨率、采样环境和对象等都有差别，因此其识别率基本上不具有可比性， 但可以用来做思路上的借鉴。 1 5 本文主要研究内容及结构安排 针对掌纹的线特征明显稳定，并且在低分辨率和低质量的图像中仍能够清晰辨认的 特点，本文尝试了一种基于线特征的掌纹识别方法。 掌纹识别的过程大致分为：图像采集、预处理、特征提取和分类决策四个部分，如 图1 1 所示o “。 圈1 1 掌纹识别的一般过程 f i g 1 1t h ec o m m o np r o c e s so f p a l m p r i n t r e c o g n i t i o n 其中，掌纹获取部分本文没有涉及，而是采用了香港理工大学的p o l y u p a l m p r i n t d b 数据库中提供的掌纹图像；预处理环节主要对掌纹图像进行定位，在同一参考坐标系下 进行有效区域的提取，为下一步的特征提取提供稳定高质的图像；特征提取和表示环节 主要是对掌纹的主要纹线进行选择和提取，并用提取出的特征线标识掌纹；匹配环节则 是用一种相似性度量进行搜索识别，判定待识别样本与存储样本中的哪一类模式相匹 配。 特征的提取和表示与分类这两个过程是密切相关的。如能有效地提取出特征，分类 就变得容易；如果提取的特征不合适，那么分类的难度就会增加。因此特征提取方法对 整个系统的性能好坏具有决定性的作用。 本文以掌纹为研究对象，重点研究掌纹的线特征提取、选择及表示的方法，全文共 分五章： 第二章分析了对掌纹图像进行定位的必要性，详细叙述了一种对掌纹图像进行定位 的方法。对掌纹进行定位的目的就是从掌纹中提取合适的基准点，建立参照坐标系，以 1 4 沈阳j ：业大学硕士学位论文 减少采样过程中引进的旋转、平移、扭曲等非线性因素的影响，并在同一参考坐标系下 提取掌纹的有效区域，减少冗余信息，提高算法的效率。 第三章详细介绍了一种线特征提取方法的全过程，提出了一种短枝消除算法，并提 出了一种线特征的向量表示方法。在线掌纹图像的线特征稳定，特征空间小，可实现快 速的检索与匹配。用本章叙述的方法，可以比较有效地解决低分辨率下的线特征的提取 与表示的问题。 第四章提出了一种基于线特征的两步匹配方法。方法首先用特征线的数目进行租匹 配，进而用特征线的向量进行细匹配，并用实验证明了方法的可行性。 第五章对本文的工作进行了总结。 基于线特征的掌纹识别方法的研究 2 掌纹图像的定位及有效区域的提取 2 1 掌纹图像定位的必要性 用掌纹来辨别一个人身份的过程就是，将待识别的掌纹图片与掌纹图像库中的样本 进行比对，找出最相似的样本，并鉴别其差异。这说明要将来自同一手掌的掌纹图像样 本归为一类，而将所有来自不同手掌的掌纹图像样本归为另一类。为达到这种目的，要 求图像库中来自同一手掌的掌纹图像样本要尽可能地相同，而来自不同手掌的掌纹图像 要有明显的差异。实验中所使用的掌纹图像在采集时虽然采取了固定手掌的措施，但由 于掌纹的区域远比指纹的区域大，不同人的手掌的大小不相同，同一个人在不同的时刻 摆放的位置以及伸展的程度也会有一定变化。为了保证识别系统的准确率和有效性，减 少图像处理算法的复杂度，需要从掌纹图像中提取出合适的基准点，建立一个参考坐标 系，对掌纹图像进行定位，以减少采样过程中引进的旋转、平移、扭曲等非线性因素的 影响。 2 2 掌纹图像的定位 关于掌纹图像的定位方法，已有一些研究成果，黎明等提出了一种利用掌纹图像的 重心来确定定位点的方法出“，李文新等提出了一种利用手掌最大内切圆来定位手掌的方 法“”。本文采用了d a v i dz h a n g 提出的定位方法对掌纹图像进行定位。方法描述如下： ( 1 ) 将获取的掌纹图像二值化，提耿掌纹的外部轮廓； ( 2 ) 用h 1 和h 2 分别表示食指与中指之间的外部轮廓线，以及无名指与小指之间的 外部轮廓线； ( 3 ) 分别提取h 1 及h 2 的角点，记作t 1 与t 2 ； ( 4 ) 过t 1 、t 2 作直线，过t 1 、t 2 的中点作垂线，建立坐标系，以直线t 1 t 2 为y 轴，以它的垂线为x 轴。 下面将详细介绍该方法实现的具体过程。 沈阳工业大学硕士学位论文 2 2 1 掌纹图像外部轮廓的提取 图2 1 即为掌纹图像库中的掌纹图像，背景为黑色，前景是手掌，掌纹库中的其他 图像与其类似。从图2 1 中可以看到，食指与中指以及无名指与小指之间的轮廓角点是 可以提取到的。 扫描整张图片，将灰度值小于一个阈值的像素点全部表示成黑点，值为0 ，其他的 像素点一律转化成白点，值为2 5 5 ，本文用的阈值为5 0 。用这种方法将原图像转化成了 二值图像，转化后的图像如图2 2 所示。 对二值图像上的像素点进行扫描，检测图像中各点的8 邻域，该点为外轮廓上的点 的条件是： ( 1 ) 像素的值为2 5 5 ； ( 2 ) 像素邻域中至少有一个像素的值是0 。 图2 3 为提取出的掌纹外部轮廓 图2 i 原始掌纹图 f i g 2 io r i g i n a lp a l m p r i n ti m a g e 基于线特征的掌纹识别方法的研究 图2 2 二值图 f i g 2 2b i n a r y 抽l a 护 图2 3 外轮廓图 f i g 2 3c o n t o u ri m a g e 1 8 一 沈阻1 ：业大学硕士学位论文 2 2 2 角点检测及坐标旋转 现有的角点提取方法大多利用相邻的一组轮廓点来计算轮廓线上各点的曲率或两 近似直线段的夹角( 将轮廓点近似看作是两直线段的交点) 来判定是否为角点，曲率角 大的即为角点。这类方法不仅运算量大，而且易受噪声的影响。 本文采用了陈飞燕等提出的角点检测方法。“，该方法的主要思想是：设有一个以轮 廓点为中心、半径为r 的圆盘在轮廓线上移动，观察图2 4 ，当圆盘位于a 位置时，目 标和背景在圆盘中的面积是圆盘面积的一半；当圆盘位于b 、c 位置时，目标在圆盘中 的面积小于一半，背景在圆盘中的面积大于一半；当圆盘位于d 位置时，目标在圆盘中 的面积大于一半而背景在圆盘中的面积小于一半，图2 4 中b 、c 、d 的位置是角点的 位置，基于上述观察可知，当圆盘处在直线上时，目标和背景在圆盘中的面积是圆盘面 积的一半；当角点处在圆盘中时，目标和背景在圆盘中的面积总有一个小于圆盘面积的 一半，根据这一点可