（计算机系统结构专业论文）掌纹识别算法的研究与实现.pdf

at h e s i sf o r t h ed e g r e eo fm a s t e ri nc o m p u t e r a r c h i t e c t u r e r e s e a r c ha n d i m p l e m e n t a t i o no fp a l m p r i n ti d e n t i f i c a t i o n a l g o r i t h m b yx uj i a n h u a s u p e r v i s o r ：p r o f e s s o rl ij i n g j i a o n o r t h e a s t e r nu n i v e r s i t y j u n e2 0 0 8 62肌744舢8 ii_舢y 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得 的研究成果除加以标注和致谢的地方外，不包含其他人已经发表或撰写过 的研究成果，也不包括本人为获得其他学位而使用过的材料。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 二z e 思。 学位论文作者签名：饰爱掌 日期：汐。占。 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北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、交流。 作者和导师同意网上交流的时间为作者获得学位后： 半年囱一年口一年半口两年口 学位论文作者签名：你建华 签字日期：炉占7 1 导师签名：毽溻久 y ，j ，影f 呷， 签字e l 期：弘够7 ， 东北大学硕士学位论文摘要 掌纹识别算法的研究与实现 摘要 掌纹识别技术利用手掌的纹理信息作为生物特征进行身份的自动确定，是生物特征 识别领域的又一个新兴技术。目前掌纹识别技术主要应用于银行、医院、图书馆以及警 察局等部门的智能卡认证系统中，具有很好的市场前景和产业化前景。 本论文首先利用数码相机采集到合适的掌纹图像，然后对采集到的掌纹图像进行预 处理和特征提取，在第一阶段中对提取出的掌纹特征进行数据库的建立，在第二阶段中 对利用小波能量提取出的掌纹特征与数据库进行比较匹配，以组成完整的脱机掌纹识别 系统。整个识别系统是在p c 上通过v i s u a lc + + 实现的。 在系统的设计过程中做了以下几点工作：( 1 ) 在原有的二值化算法的基础上，增加了 二值化滤波，使得二值化后的掌纹图像轮廓更为清晰。( 2 ) 提出了新型的边缘检测算法， 可以对二值化后的图像具有很好的边缘提取效果，且运算简单。( 3 ) 对传统的掌纹关键点 提取算法进行了完善，使得最终提取出来的掌纹关键点具有唯一性。( 4 ) 在原有的图像角 度变换算法的基础上增加了判定算法，使得旋转后的图像边缘相对平滑。 本论文的掌纹识别系统是基于v c 6 0 开发平台上建立的，通过对3 2 0 幅掌纹图像进 行采集识别测试，其准确识别率可以达到7 5 ，且本系统具有结构清晰、操作界面友好、 系统执行速度快等优点。 关键词：掌纹识别；v i s u a lc + + ：小波能量 一一 东北大学硕士学位论文a b s t r a c t r e s e a r c ha n di m p l e m e n t a t i o no f p a l m p r i n ti d e n t i f i c a t i o na l g o r i t h m a b s t r a c t p a l m p r i n ti d e n t i f i c a t i o nt e c h n o l o g yu s e st h et e x t u r ei n f o r m a t i o no fh u m a n sh a n d 嬲t h e b i o l o g i c a lc h a r a c t e r i s t i c st oa u t o m a t i c a l l yi d e n f i t y ，w h i c hi st h en e wt e c h n o l o g yi nt h ea r e ao f b i o m e t r i ci d e n t i f i c a t i o n c u r r e n t l yp a l m p r i n ti d e n t i f i c a t i o ni su s e di nb a n k s ，h o s p i t a l s ， l i b r a r i e sa n dp o l i c ed e p a r t m e n t s ，s u c ha st h es m a r tc a r da u t h e n t i c a t i o ns y s t e m ，w h i c hh a s g o o dm a r k e tp r o s p e c t sa n di n d u s t r yp r o s p e c t s t h i sp a p e ra tf i r s tu s e sd i 西t a lc a m e r at oc o l l e c tt h er i g h tp a l m p r i n ti m a g e s ，a n dt h e n p r e p r o c e s s e st h ec o l l e c t e dp a l m p r i n ti m a g e sa n de x t r a c tt h ef e a t u r eo ft h ep a l m p r i n ti m a g e s i nt h ef i r s ts t a g et h r o u g he x t r a c t i n gt h ef e a t u r e ，i te s t a b l i s h e st h ei m a g ed a t a b a s e ；i nt h e s e c o n ds t a g e ，u s i n gt h ee x t r a c t e df e a t u r eo ft h ep a l m p n n ti m a g e st h r o u g hw a v e l e te n e r g y m e t h o dt oc o m p a r ew i mt h ed a t a b a s ea n dm a t c hi nt h ed a t a b a s et of o r mac o m p l e t eo f f i i n e p 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 ei d e n t i f i c a t i o ns y s t e mi st h r o u g ht h ev i s u a lc + + t or e a l i z e o n t h e p c 。 i nt h ed e s i g np r o c e s sw eh a v ed o n et h ef o l l o ww o r kp o i n t s ：( 1 ) o nt h eb a s i so ft h e o r i g i n a lb i n a r i z a t i o na l g o r i t h m ，i n c r e a s i n gt h ef i l t e ro fb i n a r i z a t i o nm a k e st h ep a l m p r i n ti m a g e a f t e rb i n a r i z a t i o nm o r ec l e a r l y ( 2 ) b n n g i n gf o r w a r dan e we d g ed e t e c t i o na l g o r i t h m ，w h i c h h a v e sag o o de f f e c to nt h ep a l m p r i n ti m a g ea f t e rb i n a r i z a t i o na n dc o m p u t e si nas i m p l ew a y ( 3 ) p e r f e c t i n gt h et r a d i t i o n a la l g o r i t h me x t r a c t i n gt h ek e yp o i n t sf r o mp a l m p r i n ti m a g e s ，t o m a k et h ef i n a lk e yp o i n t sw h i c ha r ee x t r a c t e df r o mt h ep a l m p r i n ti m a g e su n i q u e ( 4 ) o nt h e b a s i so ft h eo r i g i n a lt r a n s f o r m so fa n g l e ，i n c r e a s i n gt h ed e t e r m i n a t i o na l g o r i t h m ，t om a k et h e e d g eo f t h er o t a t e di m a g e sr e l a t i v e l ys m o o t h i nt h ep a p e r , t h ep 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 mi sb a s e do nv c 6 0d e v e l o p m e n t p l a t f o r mt ob u i l do n t h r o u g ht h e3 2 0p a l m p r i n ti m a g e - s e ti d e n t i f i c a t i o nt e s t ，t h er e c o g n i t i o n r a t ec a nr e a c h7 5p e r c e n t a n dt h es t r u c t u r eo fs y s t e mi sc l e a r , o p e r a t i n gi n t e r f a c e si sf r i e n d l y a n dt h es y s t e ms p e e di sr a p i da n ds oo n 一m 一 k e yw o r d s ：p a l m p r i n ti d e n t i f i c a t i o n ；v i s u a lc + + ；w a v e l e te n e r g y 一一 东北大学硕士学位论文 目录 目录 独创性声明。：i 摘要 a b s t r a c t i i i 第1 章绪论1 1 1 课题研究的背景1 1 2 掌纹识别技术的发展状况2 1 3 掌纹识别系统的应用一4 1 4 论文的组织结构5 第2 章掌纹识别系统相关技术介绍7 2 1 掌纹识别技术概述7 2 2 掌纹图像的采集8 2 3 掌纹图像的预处理1 0 2 3 1 图像的二值化处理1 0 2 3 2 图像的边缘检测l l 2 3 3 掌纹关键点的提取1 2 2 3 4 图像的切割1 3 2 4 掌纹图像的特征提取- 、1 4 2 4 1 基于p c a 的特征提取1 5 2 4 2 基于f i s h p a l m s 的特征提取1 6 2 4 3 基于小波变换的特征提取1 7 2 5 掌纹图像的匹配1 9 第3 章掌纹识别系统的总体设计2 1 第4 章掌纹识别系统的设计与实现2 5 4 1 掌纹图像的预处理2 5 4 1 1 掌纹图像的灰度变换2 5 4 1 2 掌纹图像二值化2 8 一v 一 东北大学硕士学位论文目录 4 1 3 掌纹图像的边缘检测3 2 4 1 4 提取掌纹图像关键点3 4 4 1 5 对掌纹图像进行角度变换3 8 4 1 6 掌纹图像的切割4 0 4 2 掌纹图像的特征提取4 1 4 2 1 v c 实现快速二进小波变换：4 2 4 2 2 利用小波变换提取掌纹图像能量特征4 4 4 3 掌纹图像的匹配4 8 第5 章掌纹识别系统的测试5 3 第6 章结束语5 7 参考文献5 9 致谢6 5 发表论文情况6 7 一一 东北大学硕士学位论文第1 章绪论 1 1 课题研究的背景 第1 章绪论 、 信息技术的飞速发展推动了社会的进步，随之现代社会对信息技术又提出了更高、 更新的要求。计算机使整个社会信息化和网络化，而信息化和网络化的社会又对各种信 息和系统的安全性提出了更高的要求。身份认证是人们加强信息和系统安全性的基本方 r ；法之一。 据国外有关资料统计，对5 3 3 名n 经理的调查表明，在公司内部，非授权使用计 算机系统的工作人员从1 9 9 6 年的4 2 增长到1 9 9 7 年的4 9 ，并且因此造成的损失超 过1 亿美元；假信用卡所造成的损失一年在4 0 亿到6 0 亿美元之间。人们需要在与机器 ， 之间交互交易时安全方便，也即需要简单快捷地使用机器而不用担心不安全问题。因此， - 迫切需要有一种准确、方便、安全的识别技术来代替现有的身份识别技术。传统的身份 p ， 认证有两种方式：一种是通过对用户所拥有的各种物品( 称为标识物) 来进行认证( 称 、 为基于标识物的身份认证) ；另一种是对用户所拥有的某种知识( 如密码、卡号等) 进 、 行认证( 称为基于知识的身份认证) 。显然，这些传统的身份认证方法具有不方便、不 安全、不可靠等缺陷。对于基于标识物的身份识别系统，证件、钥匙等标识物携带不方 便，容易丢失和伪造，从而使得整个系统安全性能下降；同时由于证件等标识物随着使 - 用次数的增加会造成不同程度的磨损，这必然影响身份识别的准确性，而更换标识物的 代价是相当昂贵的。传统的身份识别系统具有这些缺陷的原因在于这些系统均是对钥 匙、卡、密码等“身外之物”进行认证，而不是对人的本身进行认证，所以不能区分经 过授权的本人和通过欺诈得到的授权标识或者知识的冒充者。要克服这些缺陷，必须寻 求一种能对人本身进行认证的身份识别技术。 利用人体本身所拥有的生物特征( 包括生理特征如指纹和行为特征如联机签名) 来 进行自动身份识别的技术称为人体生物特征识别技术，简称生物识别技术【1 1 。人的生物 特征具有终身不变的特点，并且不会被盗、丢失和遗忘，也很难伪造或者模仿，所以在 加强系统和信息安全方面，生物识别技术能有效的克服传统身份识别方法的缺陷。另外， 生物识别技术除了能实现身份验证( 判断是否是合法用户) 之外，还能实现身份的辨别， 一1 一 东北大学硕士学位论文第1 章绪论 即从多个人中辨别出某人。这个特点使得生物识别技术的应用范围得到了极大的扩展， 使之能应用于传统身份识别方法所不能应用的场所，例如，一些航空公司在飞机控制室 安装了虹膜识别设备，以阻止非授权人员的进入。在2 0 0 4 年，所有的澳大利亚国际机 场都安装了基于人脸识别的护照系统来认证机场人员，并最终会将其扩展到对所有的澳 大利亚护照持有人进行认证。 。 1 2 掌纹识别技术的发展状况 生物特征识别系统对生物特征进行取样，提取其唯一的特征并且转化成数字代码， 并进一步将这些代码组成特征模板。人们同识别系统交互进行身份认证时，识别系统获 取其特征并与数据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该 人。基于掌纹的生理特征具有的稳定性、唯一性、不易伪造、采集方便的特点开发的采 集识别系统，主要通过手掌的几何尺寸、掌纹角点和屈肌纹等特征来进行身份验证。 到目前为止，大多数的掌纹识别研究都集中在掌纹识别算法上 2 , 3 1 。归纳起来，掌纹 识别算法主要分为以下三类： ( 1 ) 基于图像变换的识别算法 基于图像变换的识别算法是将掌纹图像进行某种变换，使得掌纹在变换域中可提取 区分性更好的特征。 2 0 0 2 年，l i 利用傅立叶变换【4 ( f o u r i e rt r a n s f o r m ) 将掌纹图像从空域变换到频域【5 一， 然后在频域中提取能反映掌纹强度的特征量和掌纹线方向的特征量【7 ，8 】，并用这两种特征 实现联机掌纹识别【9 1 。但是由于傅立叶变换丢失了掌纹纹线的位置和细节信息【1 0 ，1 1 1 ，使 得提取出来的特征【1 2 】不够直观。 2 0 0 3 年，l u 在对掌纹图像进行k - l 变换【1 3 】的基础上，对其进行主成分分析【1 4 1 口c a ) ， 由于主成分分析侧重于选择包含原始数据重大部分信息的向量作为基向量，故在掌纹数 据分类方面表现略差。 、 2 0 0 4 年，z h a n g 首先对掌纹图像进行小波变换【1 5 l ( w a v e l e tt r a n s f o r m ) ，然后对变换后 的每一个子图进行方向性的上下文建模【1 6 】，并在此基础上定义和计算能反映主线和皱褶 强度的特征【1 7 1 ，最后利用这些特征对掌纹图像进行分类识别。但是小波变换并不具有平 移和旋转不变性，处理具有轻微位置变换图像的分类和识别时效果较差 1 s , 1 9 。 一2 一 东北大学硕士学位论文第1 章绪论 ( 2 ) 基于掌纹结构特征的识别算法 掌纹的基本构件是掌纹线( 包括主线和皱褶) 和乳突纹等。这些基本构件可以形成 不同的掌纹结构，如掌纹线可形成不同的形状、乳突纹具有很强的方向性等，这些结构 信息对于不同掌纹图像的区分具有很重要的作用。该类算法就是通过分析掌纹的这些结 构信息来实现身份识别的。该类算法主要表现在两个方面：第一，对掌纹点特征进行提 取匹配，如：2 0 0 2 年y o u 检测出掌纹上“兴趣点”( i n t e r e s t i n gp o i n t s ) 并将用于身份识别， 但是点特征的提取只能在高分辨率的掌纹图像中进行；第二，对掌纹线特征进行提取匹 配，如：1 9 9 9 年z h a n g 和s h u 用掌纹线特征实现了脱机掌纹验证，但是在对掌纹提取 线特征时容易忽略掌纹线的细节结构信息【2 0 】，从而在对具有相似掌纹线的不同掌纹进行 区分时，效果不佳。 ( 3 ) 基于掌纹纹理特征的识别算法 掌纹图像可以看作纹理图像，不同的掌纹具有不同的纹理。掌纹的纹理是由掌纹线、 乳突纹等掌纹的基本构件所形成的。该类算法用纹理分析技术来对掌纹进行识别。 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【2 1 】， 该方法主要是利用滤波后掌纹图像的相位信息作为掌纹的特征码( p a l mc o d e ) 2 2 ，2 3 1 。但是 该方法对于匹配存在严重噪声的掌纹图像效果不佳【2 4 1 ，且提取的掌纹特征中没有包含掌 纹方向的信息，这也同样影响了掌纹匹配的准确性【2 5 1 。 2 0 0 4 年，k o n g 对p a l mc o d e 算法进行了改进，利用二维g a b o r 滤波器对掌纹图像 的四个方向进行滤波 2 6 1 ，然后提取这四个特征码组成新的掌纹特征码【2 7 ( f u s i o nc o d e ) 。 虽然f u s i o nc o d e 算法在匹配精度上优于p a l mc o d e 算法【2 8 】，但是f u s i o nc o d e 算法的掌 纹特征码中仍然没有包含掌纹的方向信息【2 9 1 。在掌纹匹配精度方面仍有提升的空间。 目前，国外的掌纹识别技术己进入实用阶段：富士通0 6 年向全球推出其掌纹识别 系统，并应用于移动手持设备上；日本东京三菱银行0 6 年已有3 0 0 0 台a t m 机使用掌 纹识别系统。美国，英国等大医院病历资料室、警察厅也起用了掌纹自动识别系统。 虽然国内掌纹识别技术研究起步较晚，但同样取得了很大的发展。2 0 0 2 年香港理工 大学和哈尔滨工业大学联合研制出世界上首台民用掌纹识别系统。清华大学、北京大学、 南昌航空工业学院和广东工业大学信息工程学院也先后开展了这方面的研究，并取得了 一定的成果。 一3 一 东北大学硕士学位论文第1 章绪论 1 3 掌纹识别系统的应用 掌纹识别是生物特征识别技术的一个较新的分支。同其它生物特征识别技术相比， 掌纹识别具有以下特点： ( 1 ) 掌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 ) 掌纹的区域较指纹大得多，可以比较容易获取掌纹质量较好的掌纹块用来提取 细节特征； ( 3 ) 可以利用基准点和中心对掌纹进行精确的定位； ( 4 ) 除了细节特征具有唯一性和稳定性外，掌纹的其他特征( 如屈肌线、三角点) 也具有此特性； ( 5 ) 在获取掌纹的同时往往也能获得手掌的一些几何特征。 因此是一种很有发展潜力的身份识别方法。 掌纹识别技术的应用非常广泛，在任何需要进行身份识别的地方，都可以用到掌纹 识别技术。下面列举一些掌纹识别技术的应用领域： 富士通于2 0 0 4 年发布的身份识别技术，根据人体手掌的掌纹结构的不同来区别身 份。它使用远红外线扫描，采集真皮的掌纹图案，通过特定算法获得掌纹特性，并与数 据库进行比较以确定身份。掌纹特性包括掌纹数目，位置和相交点等。其中该套掌纹识 别系统误拒绝的可能性为万分之一，误接受的可能性为1 2 5 万分之一。而指纹识别的误 接受率为1 0 万分之一，是目前安全性最高的识别系统。其安全性远超过其他传统技术， 包括语音识别，面部特征识别，指纹识别及虹膜识别。因此，掌纹识别系统完全可胜任 苛刻的高安全性要求。日本第三大银行，东京三菱银行已将该系统应用到其2 6 7 台a t m 提款机上，到2 0 0 5 年9 月，已有超过3 0 0 0 台a t m 机使用该系统。东京大学医院也计 划将某些病历资料室的指纹识别系统升级到掌纹系统。 由香港理工大学与哈尔滨工业大学联合组成的课题组，经过十年研究，首次提出并 实现了三维、多光谱的掌纹识别技术以及系统，掌纹与指纹、掌纹与掌脉融合识别系统。 这些新技术显著提高了系统的识别精度、可靠性和安全性，成为目前最具应用前景的生 物特征识别技术之一。 一4 一 东北大学硕士学位论文第1 章绪论 1 4 论文的组织结构 本文主要介绍基于v c 平台上脱机掌纹识别系统的设计与实现。在掌纹图像的预处 理算法中做了不少改进工作，掌纹识别系统的特征提取和匹配采用的是基于小波能量分 析的特征提取和匹配算法。其中全文共分为六章： 第l 章绪论，主要介绍课题提出的研究背景，以及掌纹识别系统的应用。其中将 会着重介绍掌纹识别技术的概念以及在国内外的发展状况。 第2 章掌纹识别系统相关技术介绍，主要介绍掌纹识别的预处理过程和特征提取 过程中常见的处理算法。 第3 章掌纹识别系统的总体设计，系统的介绍整个系统的组成以及每个模块的功 能。 ， 第4 章掌纹识别系统的设计与实现，首先详细介绍了掌纹图像的预处理流程，通 过对原有的预处理算法进行改进，使得掌纹图像的预处理效果得到了一定的提高。然后 根据掌纹图像的多分辨的特性，本论文选取小波能量分析对掌纹图像进行特征提取，紧 接着加权的相似度算法对提取出来的小波能量进行对比匹配。 第5 章掌纹识别系统的测试，主要介绍采集不同的人群的掌纹图像对本论文所建 立的掌纹识别系统进行测试。 第6 章结束语，总结了本课题所做的研究工作，详细说明了本论文所做系统的特 点以及不足之处。 一5 一 一6 一 东北大学硕士学位论文第2 章掌纹识别系统相关技术介绍 第2 章掌纹识别系统相关技术介绍 2 1 掌纹识别技术概述 手掌( p a l m ) 位于手腕与手指之间，而手掌纹就是手掌皮肤上的纹理图像，其中包括 乳突纹、主线和皱褶，如图2 1 所示。 图2 1 掌纹图像的各类特征 f i g 2 1v a r i o u st y p e so ff e a t u r e so f p a l m p r i n ti m a g e s 掌纹图像中所包含的纹理信息具有唯一性和永久性，且通过数码相机或者扫描仪可 以较为容易的采集。通过相应的掌纹处理算法可以把掌纹中的主线、皱褶、乳突纹以数 据的模式保存下来，以进行生物识别。掌纹识别系统就是利用掌纹的这些特征( 包括人 眼可见或者不可见的) 来进行身份认证。掌纹识别是近年来新兴的一种身份识别方法， 对现有的生物识别技术进行了重要的补充。与指纹识别系统相比，掌纹图像含有比指纹 图像更为丰富的可区分信息( 含有主线、皱褶和乳突纹等图像特征) ，且掌纹识别系统 的抗噪能力和抗旋转平移能力也优于指纹识别系统【3 0 】( 对于存在噪声的掌纹图像仍然具 有很好的识别能力) 。 在掌纹识别中，可利用的信息包括： ( 1 ) 几何特征：指手掌的长度、宽度以及面积等与手掌形状有关的几何参数； ( 2 ) 主线特征：指主线的形状和空间位置信息，它是体现掌纹稳定性和唯一性的最 重要的特征，在小规模数据库条件下，主线特征对掌纹身份识别是完备的，当建立大规 一7 一 东北大学硕士学位论文 第2 章掌纹识别系统相关技术介绍 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： ( 3 ) 皱纹线特征：指掌纹中很多的比主线细、不规则的直线或曲线，它们可提供更 详细的特征； ( 4 ) 三角点特征：指掌纹中的脊线在局部形成的三角形区域的中心点，这些三角点 通常位于手指的根部，在每个手指的根部均有一组指向掌心的弧形的脊线，与来自两侧 指间的脊线汇成三角形； ( 5 ) 脊线特征：脊线是覆盖在手掌表面的细小、规则的凸凹纹线，虽然有皱纹线横 压在上而，但并不损坏脊线的结构，因此可以利用类似提取指纹细节特征的方法来提取 掌纹细节特征。 2 2 掌纹图像的采集 要实现_ 个有效的基于掌纹的身份识别系统，首先必须研究并解决掌纹信息的获取 这一关键技术问题。掌纹信息数据的获取是所有后续处理的基础，其效果直接影响到身 份识别的准确性。总体上来说，掌纹数字图像的采集分为两种方式：脱机采集( o f f - l i n e ) 和联机采集( o n - l i n e ) 。 脱机掌纹采集分为两个步骤：首先形成掌纹图像，然后将掌纹图像输入到计算机中。 主要的脱机掌纹采集方法有： ( 1 ) 基于墨迹的采集方式 该种掌纹采集方式是将油墨事先涂在手掌上，然后按在白纸上，以形成墨迹的掌纹 图像，最后将印有手掌的白纸通过扫描仪输入到计算机中。这种方法获得的掌纹图像虽 然较为清晰，但是在掌纹采集的时候需要将油墨涂于手掌中。在采集完掌纹后，人们还 要花费一定的时间用于对手掌的清洗，对于大多数人来说这一点很难接受。 ( 2 ) 基于传统相机的采集方式 首先利用传统的相机将掌纹拍下来，然后冲洗照片，再通过扫描仪将纸质的普通相 片输入到计算机中。虽然该方法避免了墨迹采集方法中的缺点，但是由于传统的相机无 法拍出高分辨率的相片，故通过该种方式很难采集到高清晰度的掌纹图像。 ( 3 ) 基于数码相机采集方式 通过数码相机拍摄掌纹图像，然后直接将数码图像传送到计算机中。这种方法既保 一8 一 东北大学硕士学位论文 第2 章掌纹识别系统相关技术介绍 证了掌纹图像的质量，又大大简化了掌纹采集的过程。图2 2 为通过数码相机采集到的 掌纹图像。 图2 2 基于数码相机的掌纹图像 f i g 2 2p a l m p r i n ti m a g eb a s e do nd i g i t a lc a m 豇 a ： 由于脱机掌纹图像采集方式不能实现掌纹的实时识别，从而严重限制了其应用范 围。罅， 联机掌纹图像采集是利用计算机来控制整个采集过程，即直接将掌纹图像采集到计 算机中。主要的联机采集方式有： 簟 ( 1 ) 基于扫描仪的采集方式 用扫描仪直接对手掌图像进行扫描。该采集方法可以得到较为清晰的掌纹图像，但 是基于扫描仪采集到的掌纹图像具有一下几个缺点：第一，手掌贴在扫描仪的玻璃面板 上，掌纹图像容易出现挤压变形；第二，手掌与扫描仪的玻璃面板接触时，由于手掌的 温度与玻璃面板的温度存在一定的温差，容易在手掌周围产生一层水雾；最后，扫描仪 在扫描掌纹时，大概要花费几秒钟的时间，由于实时系统对时间的要求比较严格，所以 这几秒钟对于掌纹识别系统来说会造成比较严重的影响。图2 3 为基于扫描仪采集到的 掌纹图像。 一9 一 东北大学硕士学位论文 第2 章掌纹识别系统相关技术介绍 图2 3 基于扫描仪的掌纹图像 f i g 2 3p a l m p r i n ti m a g eb a s e do n $ c a _ r l n e r ( 2 ) 基于c c d 设备的采集方式 香港理工大学生物识别研究中心与哈尔滨工业大学计算机科学与技术学院联合设 计和开发了基于c c d 的掌纹采集设备。该套设备利用内设光源、成像镜头和c c d 传感 器组成光学模块，将掌纹进行成像采集。而位于图像采集卡上的a d 转换器再将光学模 块得到的模拟掌纹图像信号转换为数字图像。所以计算机通过该设备可以直接获得数字 掌纹图像，且基于c c d 的掌纹采集设备获得图像速度快，且图像的质量较高，故十分 适合于实时掌纹识别系统。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该套设备进行掌纹采集的。 2 3 掌纹图像的预处理 通常采集设备采集到的掌纹图像包含了太多的信息，但是其中并不是所有的信息对 系统都有用。在掌纹识别中所感兴趣的主要是手掌心的一块区域( r e g i o no fi n t = e s t , r o d 。在对采集到掌纹图像进行特征提取前，系统要先对其进行预处理，从掌纹图像中 切割出系统所感兴趣的区域。在掌纹图像的预处理过程中，包含了掌纹图像的二值化处 理、掌纹图像中手掌的边缘检测、掌纹的关键点提取以及对r o i 区域的切割【3 2 1 。 2 3 1 图像的二值化处理 灰度图像的二值化处理就是将图像上的点的灰度置为0 或2 5 5 ，也就是将整个图像 一1 0 东北大学硕士学位论文第2 章掌纹识别系统相关技术介绍 呈现出明显的黑自效果。即将2 5 6 个亮度等级的灰度图像通过适当的阈值选取而获得仍 然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常 重要的地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的， 要进行二值图像的处理与分析，首先要把灰度图像二值化，得n - 值化图像，这样有利 于再对图像做进一步处理时，图像的集合性质只与像素值为o 或2 5 5 的点的位置有关， 不再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。为了得到理想 的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值 的像素被判定为属于特定物体，其灰度值用2 5 5 表示，否则这些像素点被排除在物体区 域以外，灰度值为0 ，表示背景或者例外的物体区域。如果某特定物体在内部有均匀一 致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得 到比较的分割效果。如果物体同背景的差别表现不在灰度值上( 比如纹理不同) ，可以 将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。动态调节阈 值实现图像的二值化可动态观察其分割图像的具体结果。 2 3 2 图像的边缘检测 手掌的轮廓线也就是掌纹二值化图像的边缘，所以手掌轮廓线的提取也可以看成是 对掌纹二值化图像的边缘检测与提取。物体的边缘是指图像中发生强度突变的地方，即 物体的边缘像素与相邻区域的像素在灰度级别上相比，具有灰度值跳跃的特性，这也是 一般边缘检测算法的依据所在。 边缘检测是图像识别的基础和前提，直接决定了图像识别结果的正确性。常用的边 缘检测方法有一下几种： 第一种是检测梯度的最大值。由于边缘发生在图像灰度值变换比较大的地方，对应 连续情形也就是说函数梯度较大的地方，所以研究比较好的求导算子就成了解决边缘检 测的一种思路。r o b e r t s 算子、p r e w i t t 算子和s o b e l 算子等就是比较简单而且常用的例子。 还有一种比较直观的方法就是利用当前像素邻域中的一些像素值拟合成一个曲面，然后 求这个连续曲面在当前像素处的梯度。从统计学的角度来说，可以回归分析得到一个曲 面，然后也可以做类似的处理。 第二种是检测二阶导数的零交叉点。这是因为一般图像的边缘处的梯度为最大值 东北大学硕士学位论文 第2 章掌纹识别系统相关技术介绍 ( 正的或者负的) ，也就是说灰度图像的像素值拐点就是该幅图像的边缘。从分析学上 可以知道，拐点处的函数的二阶导数为零。 第三种是基于统计型方法的边缘检测。通常可以利用假设检验来对图像进行边缘检 测，即利用对二阶零交叉点的统计分析得到了灰度图像中各个像素点是该图像边缘的概 率，从而建立基于统计学的边缘检测方案。 在掌纹图像的边缘检测中通常使用的是基于形态学梯度的边缘检测【3 3 1 。灰度形态梯 度学是灰度形态膨胀运算和腐蚀运算的差，对掌纹灰度图像中的任一点f 酝，y ) ，灰度形 态的膨胀( d i l a t a t i o l l ) 运算定义如式( 2 1 ) ： a i t ( f ，g ) = ( f e 曲( 墨j ，) = m 祥 f ( x - i ，y - j ) + g ( i ，) )( 2 1 ) s , j 灰度形态的腐蚀( e r o s i o n ) 运算的定义如式( 2 2 ) ： e r ( f ，g ) = ( 堙) ( x ，y ) = 呻 f ( x - i ，y 一力一g ( _ f ，一) )( 2 2 ) i , j 其中，f 代表图像的灰度值，g 代表以原点为中心的扁平结构元素的灰度值。 则形态学梯度的定义如式( 2 3 ) ： g r a d ( f ) = ( f o g ) - ( f o g )( 2 3 ) 其中0 表示灰度形态学的膨胀算子，o 表示灰度形态学的腐蚀算子。对分割背景图像进 行灰度形态学梯度与阈值化，可提取出轮廓线。通过灰度形态学所提取的掌纹图像的边 缘为多像素的，这对于后续的掌纹图像的关键点提取非常不利。 2 3 3 掌纹关键点的提取 由于所采集到的掌纹图像包含很多无关的匹配信息，所以需要对采集到的掌纹图像 进行相应的定位切割。理论上需要运用同一采集设备对同一个人进行连续多次的采样以 确定掌纹图像的关键点来对掌纹进行定位。但是由于掌纹图像区域远比普通处理的指纹 图像要大，且不同人的手掌大小有着很大的差异，所以必须采取相对灵活的定位方式。 掌纹图像的关键点主要包括角点和切点。角点是反映目标轮廓上曲率超过一定阈值的局 部最大值点；而切点是圆弧与直线的平滑过渡点。关键点是表示目标形状的特征单元， 对掌纹图像中手掌的形状起着决定的作用。 由于角点提取在图像处理中有着重要的意义，很早就引起不少学者对角点提取算法 的研究。早在上个世纪七十年代中期，r o s c n f e l d 和f r e e m a n 就提出了通过计算角点强 一12 ， 东北大学硕士学位论文第2 章掌纹识别系统相关技术介绍 度来提取角点，虽然这种算法执行起来比较简单，但是容易受到噪声的干扰，相对来说 角点提取效果也不是很理想。此后a s a d a 在求取曲率时采用高斯平滑算法时，同时还考 虑了一些其它的图像特性。角点提取的另外一种思路是，先用某类函数对原始曲线进行 分段拟合，然后根据拟合后的曲线分段方程，计算曲线曲率的极值来确定角点的位置。 如l a n g r i d e 使用了三次多项式进行曲线拟合，而g e r a r dm e d i o n i 提出了运用b 一样条来进 行曲线拟合。由于需要先计算曲线的拟合方程，运算量通常较大，而且拟合求取法对曲 线的拟合精度有着较高的要求。此外，陈燕新等通过考察以轮廓点为中心的圆盘内目标 及背景所占的面积大小来提取图像角点，不过该方法对于局部曲率的变换并不敏感，无 法做到精确定位。 2 3 4 图像的切割 下面将主要介绍两种掌纹图像切割方法。 ( 1 ) 最大内切圆法 在掌纹图像中，以手掌心的任一点为中心点做手掌的内切圆，然后记录下以该点为 中心点所做出的最大内切圆的半径。依次对手掌心的所有点做上述处理，记录下它们的 最大内切圆半径。接着可以选出内切圆半径最大的中心点为最终的内切圆的中心点。如 图2 4 所示。 图2 4 基于最大内切圆法切割的r o i f i g 2 4c u t t i n gr o ib a s e do nt h el a r g e s ti n s c r i b e dc i r c l em e t h o d ( 2 ) 关键点定位法 一1 3 一 、 、 r l i i i ，、 illlii ，、， 、 i、l-i， 奎! ! 查堂塑主堂堡论文 第2 章掌纹识别系统相关技术介绍 。二_ 一一_ = 一- ： 通过对大量的掌纹图像进行观察可以发现，采集到的掌纹图像中手指间的距离都比 较相近。在两手指之间存在一个较小的夹角，通过选取夹角的交点作为掌纹图像的关键 点。这时可以利用关键点的特殊位置对掌纹图像进行关键区域的切割，如图2 5 所示。 图2 5 基于关键点定位法的r o i f i g 2 5c u t t i n gr o i b a s e do nt h el o c a t i o no ft h ek e y p o i n t s 以上这两种方法都可以很好的提取出掌纹图像中的r o i 区域，但是同时也都存在着 一定的缺陷。 2 4 掌纹图像的特征提取 在模式识别系统中，特征提取是介于图像预处理和图像匹配之间，是影响整个识别 系统最为关键的部分。特征提取算法的好坏很大程度上决定了识别系统的识别率和效率 的高低，因此对于掌纹识别系统来说，掌纹图像的特征提取至关重要。 特征提取就是从采集到的模板样本的测量值中提取和选择最能反映图像本质属性 的特征。图像通常被表示成以下几个特征： ( 1 ) 图像的幅度特征：图像像素的灰度值、彩色图像的r g b 值以及频谱值等表现的 幅度特征是图像最根本的特征； ( 2 ) 图像的统计特征：主要体现在图像的直方图特征、一些统计性的特征( 如图像 的灰度均值、方差、能量以及熵等) 、描述图像像素点相关性的统计特征( 如自相关系 数、协方差等等) ； ( 3 ) 图像的几何特征：主要包括图像的面积、周长、分散度、伸长度、曲线的斜率 一1 4 东北大学硕士学位论文第2 章掌纹识别系统相关技术介绍 和曲率、凹凸性以及图像的拓扑性等等； ( 4 ) 图像的变换系数特征：主要有图像傅立叶变换系数、k l 变换系数等等，在许 多图像的特征提取算法中都保留和提取图像的变换系数特征： ( 5 ) 图像的纹理特征：掌纹图像的纹理可以看作是信息的载体，包含了频率和方向 等信息。 2 4 1 基于p c a 的特征提取 霍特林( h o t e l l i n g ) 提出了一个可以去掉随机向量中各元素相关性的线性变换，并把 它称作“主分量分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) ”。此后卡胡南c k a r h u n e n ) 和列 夫( l o e v e ) 提出一种针对连续信号的类似变换。这种方法派生出了一种离散的图像变换算 法。 主分量分