（计算机软件与理论专业论文）掌纹预处理算法的研究与实现.pdf

at h e s i sf o rt h ed e g r e eo fm a s t e ri nc o m p u t e rs o f t w a r ea n dt h e o r y r e s e a r c ha n di m p l e m e n t a t i o no fp a l m p r i n t p r e p r o c e s s i n ga l g o r i t h m b yw a n gg a o f e i 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 9 i k 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，不包含其他人己经发表 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意。 学位论文作者签名：三丙7 睁 日期：z 口97 孚绷o 日 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： 半年酉一年口一年半口两年口 学位论文作者签名：工南俘 签字日期：细。7 车歹同o 同 新签名渤胗氓 导师签名夕笙硝而磨 ，哆i lt vn c 7 i 、 签字日期：加0 7 。 - 东北大学硕士学位论文 摘要 掌纹预处理算法的研究与实现 摘要 生物身份识别技术已经广泛应用于人们的同常生活中，尤其是对于身份验证 比较严格的安全领域。掌纹包含着丰富的纹理信息，特征唯一和稳定，成为生物 身份识别领域研究的热点。小波分析和神经网络的引入，可以对掌纹图像进行多 分辨率分析，对提取的掌纹特征进行特征训练和自动学习。掌纹识别的正确率不 断提高，加速了掌纹识别的市场化进度。 本文对掌纹识别过程的预处理部分进行了仔细分析，尤其是对重要的手掌轮 廓线和关键点提取阶段进行了研究，提出了新的算法。在手掌轮廓线提取阶段， 提出了“最长最可能”算法分两阶段进行手掌轮廓线的提取。此算法可以在含有 较多噪声的手掌图像中提取出单像素闭合手掌轮廓线，而且手掌内的噪声不会被 搜索到，算法有较低的时间复杂度。 本文根据手掌形态学，提出一种新的提取关键点的算法。此算法首先定位关 键点所在区域，可大大缩短关键点搜索的时间。由于采用以手掌外接矩形对角线 交点为圆心的圆周来确定关键点所在区域，算法的时间复杂度低。对于不同放置 位置的手掌图像，算法的时间复杂度相同，对旋转手掌图像具有较强的鲁棒性。 本文对掌纹预处理阶段的重要算法进行了优化和改进，整个预处理算法有较 低的时间复杂度，对一幅手掌图像的处理时间为4 0 m s 左右。关键点定位算法具 有较高的鲁棒性，使得整个预处理算法对手掌放置位置有较强的适应性。本文对 2 4 4 幅包含有噪声和经过旋转的手掌图像进行预处理，截取r o i 图像的j 下确率达 到了9 8 以上。 关键词：掌纹识别；预处理：最长最可能；手掌形态学；关键点 一i i 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 t p r e p r o c e s s i n ga l g o r i t h m a bs t r a c t b 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 yh a sb e e nw i d e l yu s e di np e o p l e sd a i l yl i f e , e s p e c i a l l yf o rt h es e c u r i t yf i e l dw i t hs t r i n g e n tp e r s o n a li d e n t i f i c a t i o n p a l m p r i n tw h i c h c o n t a i n sr i c ht e x t u r ei n f o r m a t i o n ，w i t hu n i q u ea n ds t e a d yf e a t u r e s ，h a sb e c o m ea r e s e a r c hh o tp o ti nt h eb i o m e t r i ci d e n t i f i c a t i o nf i e l d w i t ht h ei n t r o d u c t i o no fw a v e l e t a n a l y s i sa n dn e u r a ln e t w o r k ，m u l t i r e s o l u t i o na n a l y s i st op a l m p r i n ti m a g e s ，t r a i n i n g a n da u t o m a t i c a l l yl e a m i n gt ot h ee x t r a c t e dp a l m p r i n tt e x t u r ei n f o r m a t i o na r ep o s s i b l e t h ec o r r e c tr a t eo fp a l m p r i n tr e c o g n i t i o ni sc o n t i n u o u s l yi m p r o v e d ，w h i c ha c c e l e r a t e s t h em a r k e t - o r i e n t e dp r o c e s so fp a l m p r i n tr e c o g n i t i o n t h i sp a p e ra n a t o m i z e st h ep r e p r o c e s s i n go fp a l m p r i n tr e c o g n i t i o n ，e s p e c i a l l yf o r t h er e s e a r c ho fp a l m p r i n tc o n t o u ra n dk e yp o i n te x t r a c t i o n ，a n dp r o p o s e sn e w a l g o r i t h m s a tt h es t a g eo fp a l m p r i n tc o n t o u re x t r a c t i o n ，t h i sp a p e rp r o p o s e st h e “t h e l o n g e s tt h em o s tp o s s i b l e ”a l g o r i t h mt oe x t r a c tp a l m p r i n tc o n t o u r i nt w o p h a s e s t h i s a l g o r i t h mc a ne x t r a c ts i n g l ep i x e la n dc l o s e dp a l m p r i n tc o n t o u rf r o mp a l m p r i n t i m a g e sw i t hm a n yn o i s e s ，a n dt h en o i s e si nt h ep a l mw o n tb es e a r c h e d ，s oi th a sl o w t i m ec o m p l e x i t y a c c o r d i n gt ot h ep a l mm o r p h o l o g y , t h i sp a p e rp r o p o s e san e wk e yp o i n t e x t r a c t i o na l g o r i t h m t h ea l g o r i t h ml o c a t e st h er e g i o no fk e yp o i n t s ，s oi tc a ns h o r t e n t h ek e yp o i n ts e a r c ht i m e b e c a u s et h ea l g o r i t h mu s e st h ec i r c u m f e r e n c ew h o s ec i r c l e c e n t e ri st h ed i a g o n a li n t e r s e c t i o np o i n to ft h ep a l mb o u n d a r yr e c t a n g l et od e t e r m i n e t h ek e yp o i n tr e g i o n ，i th a sl o wt i m ec o m p l e x i t y w i t hd i f f e r e n ts e t t i n gp o s i t i o n so f p a l mi m a g e s ，t h ea l g o r i t h mh a st h es a m et i m ec o m p l e x i t ya n d h a sas t r o n gr o b u s t n e s s f o rt h er o t a t i n gp a l mi m a g e s t h i s p a p e ro p t i m i z e s a n d i m p r o v e s t h e s e i m p o r t a n ta l g o r i t h m s i n t h e p r e p r o c e s s i n gs t a g e ，s ot h ep r e p r o c e s s i n ga l g o r i t h mh a sl o wt i m ec o m p l e x i t ya n dt i m e c o n s u m i n go fap a l mi m a g ei sa b o u t4 0 m s k e yp o i n tl o c a t i o na l g o r i t h mh a sas t r o n g r o b u s t n e s s ，s ot h ew h o l ep r e p r o c e s s i n ga l g o r i t h mh a sas t r o n ga d a p t a b i l i t yf o rt h e i i i c 尸 j 东北大学硕士学位论文 a b s t r a c t p a l ml o c a t i o n t h i sp a p e rp r e p r o c e s s e s2 4 4p a l mi m a g e sw h i c hc o n t a i nn o i s e sa n da r e r o t a t e d ，a n dt h ec o r r e c tr a t eo fc u t t i n gr o ii m a g e si sa b o v e9 8 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 ；p r e p r o c e s s i n g ；t h el o n g e s tt h em o s tp o s s i b l e ； p a l mm o r p h o l o g y ；k e yp o i n t s i v 一 目录 目录 独创性声明i 摘要i i a b s t r a c t i i i 第l 章绪论1 1 1 研究背景1 1 2 国内外研究现状1 1 2 1 掌纹图像采集1 1 2 2 掌纹图像灰度化1 1 2 3 掌纹图像二值化2 1 2 4 提取手掌轮廓线2 1 2 5 定位关键点2 1 2 6 提取r o i 3 1 2 7 掌纹分类4 1 2 8 其它预处理5 1 3 研究意义。5 1 4 论文的组织结构5 第2 章掌纹识别相关知识简介7 2 1 掌纹的形成7 2 1 1 主线7 2 1 2 皱褶7 2 1 3 乳突纹7 2 2 掌纹的特征8 2 3 图像灰度化8 2 3 1 最大值法9 2 3 2 平均值法9 2 3 3 加权平均法9 一v 东北大学硕士学位论文 目 2 3 4 亮度法 2 4 二值化算法 2 4 1 固定阈值二值化算法 2 4 2 双峰法 2 4 3 微分直方图法_ 2 4 4 灰度差直方图法 2 4 5 分块二值化算法 2 5 手掌轮廓线提取算法1 l 2 5 1 数学形态学l l 2 5 2 虫随法。1 2 2 6 关键点提取算法1 3 2 6 1h a r r i s 角点检测算法l3 2 6 2 基于局部曲率函数的角点检测算法1 4 2 7 掌纹灰度图像增强。1 5 2 7 1 对比度线性展宽1 5 2 7 2 线性动态范围调整1 6 2 8 掌纹图像的特征提取1 6 2 8 1 基于空间特征的特征提取1 6 2 8 2 基于空域频域的特征提取1 7 2 8 3 基于子空间的特征提取1 9 2 9 分类匹配2 0 2 9 1 基于关键点的几何特征的距离2 0 2 9 2m a h a l a n o b i s 距离2 0 2 9 3 向量距离分类器2l 2 1 0 生物身份识别评价标准2 l 2 1 l 小结2 2 第3 章掌纹识别系统总体设计2 3 3 1 系统功能分析2 3 3 2 算法实现环境2 4 一v i 查! ! 查芏塑主兰堡垒查 3 3 掌纹预处理流程分析 目录 2 4 3 4 小结2 6 第4 章掌纹预处理算法的研究与实现。2 7 4 1 彩色图像扶度化2 7 4 2 灰度图像二值化2 7 4 2 1 峰谷二值化算法2 7 4 2 2 算法对比分析2 9 4 3 手掌轮廓线提取3l 4 3 1 “最长最可能”算法3l 4 3 2 算法效果图像3 3 4 4 关键点提取3 5 4 4 1 手掌形态学算法3 5 4 4 2 算法效果图像。3 8 4 5 确定手掌内切圆3 9 4 5 1 “折半试探”确定内切圆算法3 9 4 5 2 算法效果图像4 l 4 6 截取正方形r o i 4 1 4 6 1 算法描述4 1 4 6 2 算法效果图像4 3 4 7 正方形r o i 图像灰度增强4 4 4 7 1 算法描述4 4 4 7 2 算法效果图像4 5 4 8 小结4 8 第5 章掌纹特征提取与识别4 9 5 1 r o i 图像小波变换4 9 5 2 小波能量特征提取4 9 5 3 掌纹特征匹配识别5 0 5 4 小结5 2 第6 章算法测试分析5 3 一v i 卜 东北大学硕士学位论文目录 6 1 预处理算法测试分析5 3 6 1 1 健壮性测试5 3 6 1 2 算法时间复杂性测试5 5 6 1 3 算法证确率测试。5 5 6 2 掌纹识别正确率5 6 6 3 小结j 5 6 第7 章结束语。5 7 7 1 工作总结5 7 7 2 未来工作展望5 7 参考文献5 9 致谢6 3 附录a 掌纹预处理完整流程测试图像6 5 a 1 采集彩色手掌图像6 5 a 2 提取手掌轮廓线6 6 a 3 确定关键点所在区域6 6 a 4 提取关键点6 7 a 5 得到内切圆6 8 a 6 截取正方形r o i 6 9 附录b 旋转测试图像7 1 b 1 彩色旋转图像7 l b 2 截取正方形r o i 图像。7 1 附录c 噪声测试图像7 3 c 1 彩色噪声图像7 3 c 2 截取正方形r o i 图像7 3 v i i i - 绪论 1 1 研究背景 掌纹识别作为一种新的生物识别技术，经过十多年的发展，已经形成了许多 成熟的算法。为了加快掌纹识别的速度和提高识别的准确率，要求有一个具有较 高的时间效率和较好鲁棒性的掌纹预处理算法。这样开发出来的掌纹识别系统， 才能应用于实时性要求高和外界条件复杂的环境中。 由于掌纹预处理的重要性和复杂性，掌纹预处理算法的研究一直是一个热点 和重点。从固定阈值二值化到动态阈值二值化，从形态梯度方法到边界跟踪方法 获取手掌轮廓线。关键点的提取算法更是各种各样，层出不穷，有h a r r i s 角点检 测算法【1 3 】，数学上的闭运算算法f 4 1 ，基于八邻域的链码关键点定位算法【5 1 。 r o i ( r e g i o no f i n t e r e s t ) 也有原来的圆形逐渐统一为正方形，r o i 的位置确定更加 精准，包含有更多的掌纹纹理信息。 1 2 国内外研究现状 掌纹预处理在整个掌纹识别过程中起着非常重要的基础性作用。预处理结果 的好坏，直接影响后续的特征提取和匹配，进而对掌纹识别准确率产生重大影响。 因此，在掌纹预处理的各个阶段都有比较成熟的算法，以加速整个预处理过程。 1 2 1 掌纹图像采集 掌纹图像的采集方式主要有墨迹采集方式，扫描仪采集方式和c c d 设备采 集方式。墨迹采集方式【6 】得到的掌纹图像纹理清晰，容易进行后续的掌纹主线和 纹理的提取与分析，但是需将墨粉或墨汁涂抹于用户手掌，用户不易接受。扫描 仪采集方式【_ 7 】的优点是使用内部光源，得到的图像亮度均匀，图像清晰，但是扫 描仪获取图像的速度慢，不能满足实时性要求高的环境。c c d 设备采集方式【8 j 得到的图像速度快，而且可以根据需要获得不同分辨率的图像，适用范围更广泛， 逐渐成为主流的手掌图像采集方式。 1 2 2 掌纹图像灰度化 采集到的掌纹图像是彩色的，而一般的掌纹图像识别算法使用的是灰度图 东北大学硕士学位论文第1 章绪论 像，因此，需要将彩色图像转化为灰度图像。一般将彩色图像转化为纯灰度图像， 而m o n g k o ns a k d a n u p a b t 9 1 等提出仅使用r g b 颜色中的b 分量进行灰度化，这样 可以避免由于红色的动脉血管( r 分量) 和青色的静脉血管( g 分量) 的影响，但是 仅使用b 分量得到的掌纹灰度图像会有些失真，尤其是在手掌的边缘位置。 1 2 3 掌纹图像二值化 为了提取手掌轮廓，需将掌纹图像进行二值化【1 0 , 1 1 】。郭金玉【1 2 】使用的是u s t 手形图像库，根据此库中掌纹图像的特点，选用固定阈值进行二值化。这种方法 的缺点是适应性差，对不同条件下采集的掌纹图像二值化效果差。 徐寒【1 3 】使用o t s u 1 4 1 算法进行掌纹图像的二值化，o t s u 算法对不同的图像 产生自适应阈值，使得二值化得到的图像更加精准。但徐寒使用的是传统o t s u 算法，算法的复杂度高，没有考虑掌纹图像背景相对比较单一的特点。 本文将针对掌纹图像灰度直方图二峰性非常明显的特点，搜寻波谷作为动态 二值化阈值。 1 2 4 提取手掌轮廓线 二值化后的掌纹图像一般含有噪声点和噪声区域，在手掌轮廓线的提取过程 中，既要求消除这些噪声，又要求得到的手掌轮廓线是单像素和闭合的。 戴青型b 】等提出使用形态梯度与阈值技术相结合的方法提取手掌的轮廓线， 该算法可以得到较为平滑的轮廓线，但是并不能保证得到的轮廓线是闭合和单像 素的。需要进行后续的断线连接和轮廓线单像素化。 郭金玉【1 2 】使用的边界跟踪算法，仅适合于不含噪声或噪声很少的掌纹二值化 图像，而且提取出的手掌轮廓线不够平滑，算法的抗干扰性能比较差。 1 2 5 定位关键点 掌纹图像的关键点是定位r o i 的重要依据，一般使用的关键点是食指和中 指，中指和无名指，无名指和小拇指形成的间隙点。关键点的定位算法一直是研 究的热点。 黄海涛【1 6 1 等使用中指和无名指的间隙点以及感情线流出掌边的点建立坐标， 解决了手指张开程度不同，造成食指和中指，无名指和小拇指形成的间隙点变动 较大，提取的关键点不够精确的问题。但是感情线流出手掌时有存在多条分路， - 2 - 东北大学硕士学位论文第1 章绪论 需要进行取舍，而且要求手掌轮廓精确提取。 杨震群【7 】等提出对二值化掌纹图像i 进行膨胀，然后进行腐蚀，得到掌纹图 像p ，将图像p 减去图像i ，得到凹陷区域图像，在此区域内提取出关键点。该 算法简单迅速，可以很快得到关键点所在区域，但是得到的凹陷区域较大，而且 可能会引入手掌其它位置形成的噪声区域。从此区域中精确提取出关键点比较困 难，而且对于旋转放置的手掌，凹陷区域尖角的提取更加困难。 郭金玉【1 2 】提出计算手掌轮廓边界上的点与手腕中心坐标的距离，使用此距离 曲线的峰谷来定位关键点。这种方法需要遍历手掌轮廓上的所有点，计算量比较 大，而且要求手掌图像的放置是手指向上，手掌位置比较固定，这样手腕中心点 位置的确定才能比较容易。 王萌【1 7 1 提出使用直线和手指交点以及直线和掌心交点来确定两个关键点，此 算法将关键点限定在一个区域内，在此区域内进行搜索，减少了搜索的工作量。 但是此算法要求手指充分张开，手掌的放置位置应尽量使得手指朝上。 刘富【1 8 】提出一种改进的h a r r i s 角点检测算法进行关键点的提取，对候选角点 进行分组，且每组仅取一个特征点，确保了最终关键点的存在性，同时也保证了 算法的快速性。该算法要求手掌放置时，手指向上，并且对于旋转或横放的手掌 图像不适用。 张磊1 9 】提出一种通过检测轮廓线上一定范围内轮廓线的方向变化，来确定关 键点的新方法。该方法是通过角度变化来确定关键点，因此具有一定的鲁棒性。 但是要求手指充分伸展，而且手指伸展的姿势也会对关键点提取产生较大影响。 盛丽将手掌边界像素点和质心的距离作为描述手掌形状的特征，计算边心 距的多尺度小波变换的模极大值，确定基准点所在区间。对每一区间确定唯一候 选基准点。最终通过筛选这些基准点来定位手掌的关键点。此算法对手掌的放置 位置要求低，不需要定位装置。但要求手指充分张开，尤其是大拇指应充分向外 伸展。 1 2 6 提取r o i r o i 包含手掌掌纹的主要信息，因此，r o i 的提取直接关系到后续的特征提 取和匹配。r o i 有原来的圆形【8 1 逐渐发展到现在的矩形。 姜龙奎f 2 l 】提出使用掌纹二维信号和手指一维信号相结合的方法来提取r o i 。 该方法要求手指充分张开。 一3 一 记为p 。，从点p 开始，遍历小拇指方向的掌心轮廓线，得到轮廓线终止的点p ：， 将线段p , p ：旋转为垂直方向。以p , p ：为一条边做正方形，此正方形记为所求的 r o i 。文中提出的获得正方形r o i 的算法，要求手掌图像是近似水平的，这样才 能顺利地得到三个关键点。同时，手掌图像的采集应该截止到掌腕线处，这样才 能正确地得到p , p ：。 李正刚矧提出使用二值镶嵌图来获取r o i 的位置，然后再映射到原掌纹图像 的算法来获得r o i 。由于将原掌纹图像进行了缩小，因此可以降低噪声的影响。 同时在获得r o i 位置时，时间效率较高。但是此算法要求掌纹背景图像中没有 较大块的噪声区域，因为文中使用的连接指空算法可能会将噪声引入手掌二值化 图像中。 1 2 7 掌纹分类 在实际应用中，掌纹数据库可能十分巨大，数据库中收录的掌纹数量会达到 几百万的数量级。因此，加速掌纹识别速度变得十分重要。一个有效的方法是对 掌纹图像进行分类。 张泽【2 5 】提出利用掌纹线的基本单元三角点和中心点进行掌纹图像的分类。文 中使用庞加莱指数在掌纹方向图像上检测奇异点，利用奇异点进行分类。这种方 法的不足之处是使用墨迹捺印的掌纹图像，无法识别指根区纹型中的三角点，仅 使用中心点进行分类，使得有些奇异点被忽略，而有些虚假的奇异点无法消除。 m o n g k o ns a k d a n u p a b t 9 】提出的分类方法为：智慧线和生命线是否相交， 爱情线为直线还是曲线，爱情线是直线，直的程度有多少。使用爱情线和水 平方向的夹角进行划分，文中使用角度1 0 。作为划分的标准。文中提出的分类算 法可以将图像分为比较均匀的6 类。前三类所占的比例为3 4 7 ，2 7 5 和2 2 6 。 通过文中的算法对掌纹图像进行分类建立数据库，在进行掌纹匹配时，可以大大 减少匹配搜索的图像数目，提高匹配的时间效率。 一4 一 地消除这些影响，还需要对掌纹图像进行一些特殊处理。 杨震群【7 1 提出将掌纹图像由r g b 颜色空间转换到h s b 空问进行分析的方法， 从而消除手掌中的色斑。而且将截取的r o i 图像分割为3 2 x 3 2 大小的图像块进 行亮度均匀调整。这样截取的掌纹图像可以减少脏手掌对识别精度的影响。 蒋景列2 6 1 提出使用向外相关方法进行相关匹配，再通过二次曲面拟合方法对 截取的掌纹图像进行拟合，从而使得掌纹图像的定位精度达到亚像元级。但是此 算法的运算量较大，不适用于实时要求较高的掌纹识别系统。 1 3 研究意义 一个优化的，快速的掌纹预处理算法可以使得截取的r o i 更加精准，得到的 掌纹图像纹理清晰，含有足够的掌纹纹理信息，适应于不同特征提取的要求。具 有很好鲁棒性的掌纹预处理算法对手掌的放置要求低，对手指的伸展要求低，对 掌纹图像采集的环境要求低，适用于更广泛的环境。 本文提出的掌纹预处理算法利用掌纹图像灰度直方图特有的双峰性，使用动 态阈值进行二值化，算法简单有效。使用“最长最可能”算法来提取手掌轮廓，可 以在消除掌纹图像中噪声的情况下，提取出比较光滑的单像素手掌轮廓线。在 r o i 提取方面，提出利用手掌形态学，快速定位关键点所在区域，加速了关键点 的确定。此算法对手掌放置和手指伸展程度不作要求，具有很好的鲁棒性。为后 续的掌纹特征提取和匹配打下了良好的基础。 1 4 论文的组织结构 本文主要对掌纹识别的预处理过程进行了研究，提出了并改进了一些预处理 算法。提出“最长最可能”算法来进行手掌轮廓线的提取，并提出使用手掌形态学 算法来进行关键点的定位，大大缩短了关键点定位的时间。本文实现了整个掌纹 识别过程，对预处理过程进行了优化处理，在特征提取和识别阶段，使用小波能 量提取的方法，根据欧式贴近度进行掌纹的匹配。 下面是本文的组织结构： 第l 章：绪论。介绍了国内外掌纹识别研究的现状以及研究的意义。 - 5 - 东北大学硕士学位论文第1 章绪论 第2 章：掌纹识别相关知识。介绍了掌纹的形成和结构特征，依据掌纹识别 的流程，重点对预处理各个阶段使用的算法进行了介绍，并对特征的提取和匹配 进行了介绍。 第3 章：掌纹识别整体流程分析。对整个掌纹识别过程中涉及到的模块进行 了功能分析，给出了实现环境，并对预处理流程的各个阶段结合本文采用的算法 进行了简单分析。 第4 章：掌纹预处理算法的研究与实现。对本文掌纹预处理各个阶段采用的 算法进行了详细分析，重点介绍了本文提出的两个算法，并给出了实验对比图像 和效果分析。 第5 章：掌纹特征提取与识别。采用小波能量提取的方法，对变化到频域的 r o i 图像进行能量提取，形成特征向量，使用欧式贴近度进行匹配识别。 第6 章：算法测试分析。对本文提出的预处理算法的健壮性和时间效率进行 了测试分析，并对系统的掌纹识别正确率进行t n 试分析。 第7 章：结束语。总结了本文所做的工作，并对下一步的工作进行了展望。 一6 一 东北大学硕士学位论文 第2 章掌纹识别相关知识简介 第2 章掌纹识别相关知识简介 本章对按照掌纹识别的流程，对涉及到的知识进行介绍。重点介绍本文研究 的预处理阶段的各个算法。 2 1 掌纹的形成 手掌是手腕到手指根之间的掌心区域【2 7 1 。掌纹是手掌皮肤上所有纹路的统 称，主要包括主线、褶皱和乳突纹。手掌上的这些纹线是由于手指的运动、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。 2 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差异。而且，每个人的手掌手指的大小、厚薄 的不同也进一步影响了这些纹线的形成。 2 1 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。 2 1 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，而手指其它部分最为粗糙，手掌上的乳突纹粗糙程度适中。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，为手掌拿东西提高 摩擦力。 - 7 - 99 堂 辛 根的下面以及中指下方靠近手腕的位置。 三角点和细节点是乳突纹形成的特征，只有在高分辨率、高质量的图像中才 能提取出来。 主线和皱褶则可以从较低分辨率、较低质量的图像中提取处理，并且很稳定， 是掌纹识别中用到的重要特征之一。 2 3 图像灰度化 通过扫描仪和c c d 采集到的手掌图像是彩色图像，又称为r g b 图像。r g b 是彩色模型的一种，r g b 彩色模型是根据人眼椎体接收光线的方法来构成模型 的，由红( r ) 、绿( g ) 、蓝( b ) - - 组颜色光相互叠加，形成众多色彩。r g b 真彩 色图像包含大量的颜色信息，这就需要占用大量的内存来存放图片，而且也会降 低系统的执行速度。所以，需要把彩色图像转化为灰度图像，灰度图像只有强度 信息，它用一个二维矩阵表示一幅图像，矩阵中的每一个元素代表原图像的一个 像素点。元素值代表像素值，灰度图像一般分为2 5 6 级，由0 2 5 5 范围的整数 表示。灰度化不仅降低了内存开销，提高了系统的运行速度，而且为后续图像处 理算法的实现打下了基础。彩色图像转化为灰度图像的原理就是通过某种算法使 一8 一 东北大学硕士学位论文第2 章掌纹识别相关知 r = g = b ，作为图像的狄度值，图像灰度化 2 8 1 的方法有以下四种： 识简介 2 3 1 最大值法 使r ，g ，b 的值等于三个值中最大一个，即： r = c r = - b - - - m a x ( r ，g b ) 2 3 2 平均值法 使r ，g ，b 的值等于三个值和的平均值，即： r ：g ：b ：r + g + b 3 2 3 3 加权平均法 根据重要性或奇特指标给r ，g ，b 赋予不同的权值， g ，b 的加权平均。即： r ：g ：b ：w r + w o g + w b 3 2 3 4 亮度法 ( 2 1 ) ( 2 2 ) 并使得灰度值等于r ， ( 2 3 ) 在y u v 颜色空间中，y 分量的物理意义表示像素点的亮度，它包含了灰 度图像的所有信息，只用y 分量就可以表示出一幅灰度图像。即： y = 0 3 r + 0 5 9 g + 0 11b ( 2 4 ) 由于r g b 颜色空间中三个颜色分量对图像亮度的贡献不同，亮度法其实也 是一种加权方法。因此，本文采用亮度法来进行彩色图像的灰度化，即将彩色图 像转化为纯狄度图像。 2 4 二值化算法 二值化处理是把狄度图像转换为0 和l 取值的图像。常用的方法有以下几种。 2 4 1 固定阈值二值化算法 对一个灰度图像进行二值化时，使用固定的阈值，经常使用的是1 2 8 。 陆a r y v a l = 三裂三篡鬈 亿5 ， 东北大学硕士学位论文 第2 章掌纹识别相关知识简介 使用固定阈值算法的优点是算法简单，容易理解，而且程序设计简单，很容 易实现。 但是这种算法的缺点也是很明显的，因为不同的灰度图像拥有不同的灰度直 方图，因此在对它们进行二值化时，使用同一个阈值b i n a r y g a t e 会忽略它们之 间的差异，二值化效果不好。尤其是当图像的灰度直方图集中在b i n a r y g a t e 的 一侧时，使用固定阈值算法得到二值化图像会损失大多数细节，图像被二值化为 大部分白色或黑色，区分度很低。 2 4 2 双峰法 若一幅图像的背景与e l 标物体对比比较明显，在它的直方图中会出现两个峰 值，其中一个波峰位于背景区域，另一个波峰位于目标区域。若选取两峰之间的 波谷作为二值化的阈值，则可以在最大保留图像信息的情况下将图像二值化。 2 4 3 微分直方图法 用窗口大小为3 x 3 的l a p l a c e 算子【3 0 】对原图像进行处理后，再用p 参数法二 值化，通常取p 0 9 ，1 】。 2 4 4 灰度差直方图法 作( x ，y ) 的邻域a ，设( x ，y ) 是a 中任意点，记6 = f ( x ，”一f ( x ，y ) ，分别求 d 。= 。，。6 和d ：= 跏同，分别作d l 和d 2 值的直方图，取其峰值点对应灰度值t l 和t 2 ，最后取阈值t ：生善。 2 4 5 分块二值化算法 分块二值化【3 1 3 2 】的思想是：将图像分解为互不重叠的m x n 个区域，每个区 域的大小为w x h ，这样分别对m x n 个矩形区域进行二值化。对每个区域进行 二值化的算法是，得到此区域像素值的均值p i x e l m e a n ，将p i x e l m e a n 作为 b i n a r y g a t e 对灰度图像进行二值化。公式如下： 鼬 1 q a y v 越 p 仅e i m a r y v a l = 啪 ( 2 6 )鼬 og r a y v a l 州x e l m e 姐 ( 2 6 ) 一1 0 一 东北大学硕士学位论文第2 章掌纹识别相关知识简介 由于不同的区域的像素值并不相同，因此各个区域的p i x e l m e a n 也不相同， 这样当对不同的图像进行二值化时，p i x e l m e a n 是动态改变的，能够很好的反 映图像的灰度情况。使用此算法的一个关键之处在于每个区域的宽度和高度的确 定，在对大量图像使用使用此算法进行实验后，发现将整幅图像作为一块区域进 行二值化的效果最好，这样就避免了在各个区域边界处一个很明显的跳跃线。这 些跳跃线会使得图像有明显的分界，并使得边界处图像不吻合。 根据手掌图像背景和前景单一，图像的灰度直方图有明显双峰的特点，本文 采取寻找峰谷，就谷点对应的灰度值作为阈值进行二值化。 2 5 手掌轮廓线提取算法 2 5 1 数学形态学 数学形态学【3 3 ，3 4 1 是研究数字影像结果特征与快速并行处理方法的理论，是通 过对目标影像的形态变换实现结构分析和特征提取的。 最初，由m a t h e r n 和s e r r a 提出的数学形态学以二值图像为研究对象，称为 二值形态学。此后，s e r r a 和s t e r n b e r g 等借助于伞理论，把二值形态算子推广到 灰度图像，使得灰度形态学的理论和应用研究得到很大的发展，已经成为数字图 像信号处理和计算机视觉领域中的一种有效方法。 而今，数学形态学已经成为图像处理理论的一个重要方面，广泛地应用于图 像处理的很多领域中。在这些领域中，利用数学形态学可以对图像进行增强、分 割、边缘检测、结构分析、骨架化、曲线填充、图像压缩等处理。 例如使用数学形态学提取手写汉字的方向特征和提取图像边缘【3 5 j 信息都取 得了很好的效果。x i a n g q i a n w u 提出使用不同方向的形态学结构元素来提取不同 方向的手掌纹线。c c h a n 等提出使用s o b e l 算子和形