已阅读5页,还剩71页未读, 继续免费阅读
版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
此文档收集于网络,如有侵权,请联系网站删除目录第一章 生物识别概述2 第一节 各种生物识别技术2 第二节 论文结构12第二章 掌纹识别技术13 第一节 掌纹概述13 第二节 掌纹关键区域15 第三节 掌纹图像预处理20 第三章 掌纹识别技术比较29 第一节 掌纹图像预处理的方法及比较29 第二节 掌纹图像关键区域选取的方法及比较40 第四章 掌纹识别技术实现46 第五章 程序的调试69 第六章 结束语72附录一 参考书目76附录二 英文资料及翻译77第一章 生物识别概述第一节生物识别技术概述 生物特征识别,是指通过记算计将人体所固有的生理特征或行为特征收集并进行处理,由此进行个人身份鉴定的技术。生理特征与生俱来,多为先天性的,行为特征则是习惯使然,多为后天形成的。科学家将生理和行为特征统称为生物特征。随着全球范围内通信技术的迅速发展,人们可以通过internet等各种开放式网络进行交易等商务活动。同时,由于交通工具的现代化,人口的大量流动,使人与人之间的交流的安全性这个问题凸现了出来。因此如何保障人们之间的交流的正常安全有序的进行,已经成了一个非常重要的问题,而身份鉴别作为安全保障的一个重要方面越来越受到人们的重视。身份的鉴别主要基于:(1) 持有物,如各种证件;(2) 所使用的一些带有加密手段的信息,如口令或密码;(3) 生理或行为特征,如指纹、手形、声音、签名等.以上的前两种方法在当今的社会中,他们的安全性和可靠性都已经不能满足我们的需要了,第三种方法就是本文在开头所说的现在引起人们广泛兴趣的生物特征识别(biometrics)。因为它不会像密码那样容易被忘记和破解,也不会像持有物那样容易被窃取或转移,因此人们认为生物特征识别将是一种更加可靠、方便、快捷的大众化身份识别手段。人的生物特征具有如下几个特征:(1)普遍性,每个人都具有;(2)唯一性,任何两个人都不一样;(3) 可采集性,可以定量测量;(4) 稳定性,这种特征至少在一段时间内是不变的。然而,满足上述条件的生物特征也要受到现实系统或是实际使用中的快捷性、安全性等因素的制约,因此实际的系统还必须考虑:(1)性能,即识别的准确性、速度以及为达到这些要求所需要的资源的情况;(2)可接受性,人们对于一种特定的生物特征识别在日常生活中的接受程度(如果像美国要求所有来访的阿拉伯人特留下指纹的作法,就很难能被阿拉伯人特别是女性所接受。);(3)安全性,在现今的科技时代要仿造出一些人的特征也不是不可能的,因此这种识别方式能够被用非法的方式攻入的可能性也是限制因素之一。我们已经说了现今的社会对生物特征的需求和要求,那么我们现在就来看一看人的能被人们所见到的各种生物特征。1.1 指纹鉴定综述从被人们所接受的时间来看,指纹特征应该是最早被人们用来进行个人身份特征鉴定的生物特征了。现在我们经常在电视上的古装片里见到的按红手印画押的场面,那正是使用了个人的生物特征。早在2700多年前,我国的先民就开始在民间买卖房屋和田产、借贷、婚姻等事项中利用指纹订立契约(就是画押)。形成这种情况的原因并不是因为我们的祖先对人的生物特征有很深入的了解,我个人认为那是因为那时大多数中国人不识字。说来惭愧真正用系统的概念来阐述指纹概念的却是英国人,1892年世界上第一部指纹学专著指纹在英国出版。它的作者是英国科学家弗郎西斯高尔顿。他不仅把人的指纹分为弓、箕、斗三大类型,还指出利用人的指纹辨认人身是十分可靠的。从此指纹识别技术便在英国乃至全世界范围内广泛用于警察探案和法官断案等活动。那么究竟什么是指纹特征识别技术呢?指纹特征识别技术就是依据人的指纹特征或其所留印痕特征而对人身进行的识别和认定技术。指纹,即人的手指肚表面皮肤上的纹理花纹。虽人皆有之,却各不相同。世界上任何种族、民族的男女老少、父子母女、兄弟姐妹,甚至是相貌极为相似的孪生兄弟姐妹之间的指纹,都存在着本质的差异,同一个人的十个手指的指纹,也各有差异。这种差异主要表现在指纹纹线中的许多细节特征的不同以及由这些细节特征之间构成的整体组合关系的不同,如纹线中的勾、眼、桥、棒、点、隆凸、凹陷、弯折、交叉、错位、串联以及三角、皱褶纹、伤疤等特征的具体形态、大小、方向、角度、位置、数量及相互关系的不同等等。指纹的这种唯一性或排他性,为指纹识别技术的建立和发展提供了可靠有力的科学依据。不仅如此,指纹还具有终生不变的稳定性。据考查,人的指纹从胎儿时期的34个月时起至出生、直至死亡乃至尸体腐败以前的全部过程中,其花纹的形态结构和细节特征的总体布局等保持不变。而且指纹本身还具有增殖再生的能力,即皮肤的表皮层若受到磨损或剥脱,能很快得以恢复原状。个体指纹的这种终生不变的稳定性,为指纹识别技术的建立和发展创造了极为重要的客观条件。可以说,现代指纹识别技术被认为是理论成熟、科学性强、实践应用广泛、发展前景广阔,并且既方便性、安全性、快速性及准确性为一身的一项生物识别技术,尤其是指纹自动识别技术正在形成一个全新的技术领域和产业,并蕴藏和创造着巨大的商机。1.2 面部特征识别综述 人的面部自动识别是生物测定学研究的内容之一,是模式识别领域中的一个前沿课题,该课题的研究已有多年的历史。目前人脸自动识别系统正越来越成为当前模式识别和人工智能领域的一个研究热点。人脸自动识别系统作为一种重要的个人身份鉴别方法,可以广泛地应用于公安部门的犯人档案管理、犯人辨认查找、刑侦破案、安全验证系统、信用卡验证、医学、档案管理、视频会议、人机交互系统、证件核对、保安监视、通道控制乃至机等多种场合。与其他身份鉴别方法相比,人脸识别具有直接、友好、方便等特点,因而,人脸自动识别问题的研究不仅具有重大的实用价值,而且在模式识别中具有重大的理论意义。这是肯定会有人马上问到,双胞胎怎么办,那些长的想得连自己的父母都分不清谁是谁的,可偏偏就没一点血缘关系的人(事实证明这样的人是存在的)怎么办?那我们就来看看面部特征识别的原理吧。面部识别技术是根据人的脸面特征的唯一性特点而进行的个体识别和确认技术。人的面部特征的唯一性,可以在脸上某一单一器官或部位上得以体现,更重要的是可在这些单一特征之间的位置、距离、角度、数量、形状和模式等相互关系上得以体现。而且这些面部特征都具有一定的稳定性。当验证某人的身份时,只要通过某种设备摄录下他的面部生物学特征,与事先已经储存着的相关样本特征进行比较,几秒钟内即可完成识别。由此可见,使用计算机对人面部的器官进行数字化的比较,那要用比用人眼来分辨准确的多。人脸自动识别的研究大致可以分为如下几个方面:人脸检测(Face detection)即从各种不同的场景中检测出人脸的存在并确定其位置;人脸表征(face representation)即采取某种表示方式表示检测出的人脸和数据库中的已知人脸;人脸识别(face identification)即将已检测到的待识别的人脸与数据库中的已知人脸进行比较匹配,得出相关信息;表情分析(expression analysis)即对待识别人脸的表情信息(快乐、悲伤、恐惧、惊奇等)进行分析,并对其加以归类;生理分类(physical classification):即对待识别人脸的生理特征进行分析,得出其种族、年龄、性别、职业等相关信息。1.3 虹膜识别概述 说到这个名词也许大家很陌生,但是我想大家都看过一些科幻片中一个人将眼睛对准一个小光源,然后红光一闪,这个人的便被系统接纳了。这就是虹膜识别。但是现在这已经不是电影中的情节了。虹膜,旧称虹彩,眼球前部含色素的环形薄膜,由结缔组织细胞、肌纤维等构成,中间是瞳孔。人眼中的虹膜是由一种随瞳孔直径的变化而拉伸的复杂的纤维状组织所构成。虹膜所含色素的多少直接决定着眼珠的颜色。在出生前的生长发育过程中,造成了人们各自虹膜组织结构的细微差别。因而没有任何虹膜的形状是完全相同的,因其不同的精细结构而具有特定性,即使是双胞胎,甚至是同一个人的左眼和右眼的虹膜形状结构图也不相同。同时,人在一生中其眼睛虹膜又极具稳定性。于是,作为识别个体的又一项生物识别技术眼睛虹膜识别技术便应运而生。虹膜识别技术具有远距离识别、非接触性、对被识别者干扰最少、准确率高、虹膜图像获取的非侵犯性等特点。尽管它的产生只有不足20年的历史,但它却是一种极具潜力和发展前途的生物识别技术。虹膜识别系统中,首先用数字摄像机捕获登录者的眼睛图像,然后分割提取出虹膜图像,这是虹膜识别的关键技术之一就是要高质量地捕获虹膜图像。因为虹膜面积很小,颜色灰黑,所以要获得细节清晰、对比度高的虹膜图像并非易事。在提取完成后加以校准,再对其进行特征的提取与编码,最后把编码与数据库中的允许登录者的虹膜编码作比较(进行模式识别),得出是拒绝还是接受。虹膜识别应包括虹膜图像的捕获、虹膜图像的识别、模式匹配。人的虹膜具有大约项可检测到的特征(一般的生物特识别的点只有13100个)。尽管虹膜扫描识别系统能够取得很高的识别率,但也存在如下的缺点:一个最为重要的缺点是它没有进行过任何的测试,当前的虹膜识别系统只是用统计学原理进行小规模的试验,而没有进行过现实世界的唯一性认证的试验;很难将图像获取设备的尺寸小型化;因聚焦的需要而需要昂贵的高分辨率摄像头;镜头可能会使图像畸变而使得可靠性大为降低;黑眼睛极难读取;需要一个比较好的光源。与虹膜识别使用相同原理的是视网膜识别。视网膜读取器感知人眼后面的视网膜脉络模式。这就要求被调查者的眼睛对着一个目镜的里面看,这时从眼睛后部反射出来的光线用于捕捉视网膜脉络模式。尽管视网膜扫描可以得到很高的识别准确率,视网膜的生物特征点多达400个,远超过包括虹膜在内的其它生物特征鉴定方法。然而视网膜扫描要求使用激光照射入眼,对使用者造成一定的伤害,因此大多数的人将会拒绝对他们眼睛内部进行的任何测量。视网膜扫描对于戴着隐形眼镜或闭着眼睛的照片都不能进行精确识别。眼镜的反光同样也会阻止扫描器准确地找到视网膜。如果能解决以上的几个问题,那么视网膜识别技术必将脱颖而出。1.4 声纹识别概述 利用声纹分析识别讲话人的技术始于二战期间的美国。1941年,美国贝尔实验室发明了可以显示声纹图谱的声谱仪,标志着现代声纹识别技术的开始。二战结束后,贝尔实验室的物理学家劳仑斯克斯塔()受美国司法当局的委托,利用声谱仪的图谱匹配对声纹鉴定进行了系统科学的研究。他以123名健康的美国男性为研究对象,在25000个声纹图中进行了50000多次分析鉴定,得出高达99.65%的识别准确率,并于1962年发表了名为声纹鉴定的研究报告。至于什么是声纹?声纹,是指通过声谱仪显示出来的、能够携带言语信息和声学特征的各种语音声波图谱,即语声的声谱图。声谱仪上的语音声波显示出的等强曲线,同指纹纹线极其相似,故被形象地称之为“声纹”,也有人直接将其称为“第二指纹”。在语言学界,被称之为语图,或称之为“可见语言”。声纹不仅貌似指纹,而且在本质上跟指纹一样,具有人各不同的特定性和相对不变的稳定性。语声是人的发音器官发出的声音。人的发音器官主要由声带、声道和口腔三部分组成。声带的厚薄、声道的长短、舌齿的位置、口腔的大小等自身因素及其配合关系的不同,形成的人与人之间发音器官的生理差异以及受民族语言、地方口音、教育环境、发音习惯等不同因素的影响,决定了人与人之间的语声以及记录语声物理量的声纹的不同。而且,一个人的发音器官发育成熟以后,其生理状态和解剖结构在一定时期内基本保持不变,在后天环境下形成的发音习惯也较难改变。于是,人们把根据声纹差异性和相对稳定性的特点,利用听觉检验和频谱分析的方法,对已知语声样本和未知语声样本进行分析、检测和鉴定,以识别说话人的技术称之为声纹识别技术。1.5 DNA鉴别概述英国遗传学家杰弗里斯和他的同事通过研究,于1985年得到了如同人的指纹一样具有个体特异性的图谱,即指纹图。随后,美国加州的摩里斯发明了一种体外扩增技术即技术。正是这两项重大科研成果的问世,使得世界各国法庭科学中的生物物证识别技术发生了革命性的变化。1989年,我国也成功完成了第一项指纹技术的研究。那么什么是DNA?什么是DNA识别技术?,即脱氧核糖核酸,是人体内的遗传物质,主要存在于人体细胞核的染色体上,控制着人体生长、发育的全过程。每个人的都是由亲生父母的组合而来,组合方式多种多样,使得子代与父代既有联系又有区别,兄弟姐妹之间也因的组合不同而互有差异,即具有个体特异性,也就是遗传学上说的的多态性。就同一个体而言,其身体的任何部分都是由同一受精卵发育而来,所以身体的所有细胞的组成都是一样的,这就是同一体的一致性。 识别是利用不同的人其人体细胞中具有不同的分子结构。人体内的在整个人类范围内具有唯一性和永久性。因此,除了对双胞胎个体的鉴别可能失去它应有的功能外,这种方法具有绝对的权威性和准确性。例如指纹必须从手指上提取,而模式在身体的每一个细胞和组织都一样。这种方法的准确性优于其他任何生物特征识别方法,它广泛应用于识别罪犯。它的主要问题是使用者的伦理问题和实际的可接受性,模式识别必须在实验室中进行,不能达到实时以及抗干扰,耗时长是另一个问题。这就限制了识别技术的使用;另外,某些特殊疾病可能改变人体的结构,系统无法对这类人群进行识别。实事求是地讲,识别技术在其应用和管理中,仍存在某些需要进一步改进、提高和完善的问题。尽管如此,我们仍然有理由相信,随着数据库的建立和芯片技术的出现,随着分析检验的标准化、规范化和法律化进程的加快,它必将得到进一步的发展和普及。人脸识别研究的热潮出现在计算机视觉兴起的初期,目前较多采用的基于模板匹配的人脸识别方法只需要较少的内存就可获得较高的识别速度。指纹识别与视网膜识别的正确识别率比所有的基于生物测定学的身份识别方法都高,但缺点是被测试者的可接受程度较低,在国外对个人的指纹进行识别与分析常被认为是对隐私权的侵犯,也有较多被实验者担心视网膜识别方法对视网膜扫描的安全性。手形识别的识别速度在所有的生物测定学身份识别方法中是最快的,但其正确识别率却低于一般的商业需要。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于提取,因此手形识别方法最简单,但是它是一种基于行为特征的鉴别技术,因此在使前必须解决受试者每次被鉴别时所表现的行为特征存在较大差异的问题。在本章中,我们大致了解了现今世界的几种主要的生物特征识别技术的概述和他们的优缺点。在下一章中我们将重点介绍一下掌纹识别系统的情况及现今比较合理的几种设计方式。第二节 论文结构 本文是共有六个章节和附录部分,我们将系统的分析当今生物特征识别技术的发展和掌纹识别中关于关键区域的选定。下面我介绍一下各个章节的主要内容。第一章主要介绍生物识别的定义、发展过程、相对于其他识别方式的优势、应用的领域及分类。主要是说明生物识别的基本知识,为后面的内容作铺垫。第二章主要介绍掌纹特征识别的原理和发展过程,并对我们要进行的后续工作(图像预处理、关键区域提取),在理论上进行分析。这就要求我们必须得出一个在理论上较为合理的解决方案。第三章主要介绍我们所要做的主要工作即:图像预处理和关键区域的选定在程序设计方面要面对的各种问题,并对这些问题的各种解决方案进行比较。尽量拿出一个较为合理的程序设计方案。第四章在本章中,程序是我们的主角。我将仔细介绍程序的组成,各部分的作用,各部分之间的连接。并对每一个程序模块进行仔细的分析。第五章主要介绍在程序调试过程中的出现的各种各样的千奇百怪的错误,并对这些错误进行调试。第六章总结设计的心得,我们的设计不足与可以改进之处,最后结合生物识别的飞速发展,展望未来的世界里生物识别的发展趋势。第二章 掌纹识别技术第一节 掌纹识别概述在上一章节中我们了解了很多种生物特征识别技术,经过对他们的比较,我们选择了掌纹识别系统。掌纹识别并不会让人联想到隐私权的侵害,它的被测试者可接受程度较高,而且识别系统的硬件标准化程度比人脸识别、语音识别、开锁动力学等方法高,识别速度也较快,因此是一种很有发展潜力的身份识别方法。因为掌纹的主要特征比指纹的主要特征明显得多,而且提取这些主要特征时不易被噪声干扰,因此掌纹识别系统的识别速度将比指纹识别系统高得多.另外,掌纹的主要特征比手形的主要特征更稳定和更具分类性,掌纹识别系统的正确识别率远高于手形识别的正确识别率。掌纹是指手腕至手指之间的手掌内表面上的各种纹线,主要分为乳突纹、皱纹和屈肌线三大类 。掌纹的形态由遗传基因控制,掌纹形成后就很稳定,尽管掌纹曲线长度尺寸及掌纹曲线之间的间距会随年龄的增大而变化,而且由于种种原因会使表皮剥落,但变化后或新生的掌纹仍保留原来的结构.只有在有局部明显的外伤或各种引起深层皮下组织被破坏的后天性疾病时,其结构才发生显著变化。每个人的掌纹形态各不相同,不同个体的花纹即使相似,其纹线数目或长度尺寸也不一致.据有关文献描述:甚至在一卵多胞胎或多卵多胞胎的孪生同胞中,掌纹也只是较为相似,但掌纹形态一定有可分辨的差别.掌纹脊纹、曲肌纹和腕纹等的形态有一定的规律,尤其是掌纹上的主要曲肌纹特征明显,易于提取,可作为分类特征.因此,掌纹具有稳定性、唯一性和可分类性特点,使得掌纹可以通过计算机进行分析与识别.掌纹的5大主要曲肌纹曲线如图1所示,它们分别是:生命线、智慧线、感情线、命运线、健康线。掌纹与指纹、人脸、手形等其它生物统计学特征相比具有以下优点:(1)具有终生不变性和唯一性;(2)利用轮廓特征点对掌纹进行定位具有旋转不变性和唯一性;(3)掌纹的区域比指纹大得多,除细节特征具有唯一性和稳定性以外,掌纹中的各类线特征也具有唯一性和稳定性;(4)在获取掌纹的同时还可获取手掌的几何特征;(5)不易仿造;(6)由于对掌纹图像的分辨率可降低要求,采集设备成本较低 基于掌纹的身份鉴别方法,既能满足个人身份鉴别系统的技术指标(唯一性、抗噪声、防伪、实时、安全可靠、低成本、特征数尽可能少、在精度上降低两类误差、保护隐私等),又能克服指纹方法的局限性,可大大简化掌纹图像采集、掌纹特征提取与掌纹鉴别过程,为该技术的实用化提供了可能。第二节掌纹关键区域现在我们谈一谈掌纹的关键区域,说到掌纹的关键区域它没有一个明确的定义。也有一部分人将它叫做感兴趣区域。关键区域就是手掌纹络图中所包含生物特征最集中的、最容易提取生物特征信息的、部分,也就是最容易用来辨识的区域,将这部分区域进行数字处理后,便可以作为模板来与被检测者再次被提取的信息进行比较识别。掌纹由乳突纹、皱纹和屈肌线三种纹线组成。乳突纹是手掌皮肤组织的凸凹结构显示在表面上的细小凹凸纹路,其具有唯一性和终身基本不变性。皱纹是皮肤松弛活动形成的细小沟纹。其虽然横压在乳突纹上,但不损坏乳突纹的结构。屈肌线是手掌关节长期的屈伸运动在一定部位上形成的固有的沟纹。该纹线主干的分布和形态是终身不易改变。一个手掌可能有多条屈肌线,但占80%以上的人的手掌有三条主要屈肌线,分别命名为第一、第二和第三屈肌线(如图2所示)。屈肌线的稳定使得第一、第三屈肌线的起点也有良好的稳定性和旋转不变性,因此,定义这两个起点为掌纹的基准点,它们的中点为掌纹中心。由于基准点稳定,我们采用基准点连线和它的中垂线把手掌分为三个区域:指根部(又称上部)、内侧部和外侧部。该划分方法如图2所示。掌纹中的乳突纹可以在局部形成与指纹一样的三角。在指根部,每个手指的根部均有一组凸向掌心的横行弧线,常与来自两侧指间的纹线汇成三角。在外侧部,腕部屈肌线上方有一组横行的乳突纹,纹线内侧承托着内侧部向内流的纹线,外侧承托着外侧部向外流的纹线,二者常在靠近腕部中央汇合成三角。由图2,我们知道了手掌的大概可分为的几块区域。那么我们对于所感兴趣的区域选择就变成能否成功识别的关键。那么我们就会在选取范围时受到很多的限制。这些限制有:(1) 生物特征过少。如果选择的区域的生物特征太少,那会使识别的准确率下降;(2) 如果选择的区域的生物特征太多,要将他们全部识别就太浪费系统资源,致使快速性受影响。同时还会影响到对其进行生物特征统计鉴别时的准确性。(3) 区域选择所使用的算法,对区域的定位及分割现今用很多种成功的算法(这些算法的比较将在后面的章节中能够进行全面的介绍),这些算法的执行时间对系统的快速性都有很大的影响 如果这样说还不能清楚的反应我们要选择什么样的区域?什么样的区域才是理想的区域呢? 图3如图3所示这是一个完整的掌纹图片。从这张图片中可以清晰地看到生命线、智慧线、感情线、命运线、健康线中的生命线、感情线、健康线。现在我们比较一下几种感兴趣区域的选择的结果。 图4从图4中可以看到,在这片区域内生物特征明显的较少要是将这里作为模板进行特征识别,它的准确率可想而知。图 5从图5中可以看到,在这片区域内生物特征明显的较多且复杂要是将这里作为模板进行特征识别,要在极短的时间内提取如此多的信息,它对系统性能的要求会有多高。图6图6不能被使用的原因是因为有了边缘分布,在大量生产的磨具中不能保证固定点地精确性,因此也就无法保证识别的准确性。图7图7 是较为合适的一张关键区域图,当然对不同场合和要求,对关键区域的选择就有很大的不同。就这一点将在后面的章节中仔细地介绍。小结:掌纹关键区域的选择是整个识别过程的第一步,而仅仅就这一步也是在理论设计阶段来完成的。关键区域选取的好坏会直接影响到整个系统的性能。而更难以应付的是,关键区域的选定时没有一定的标准可言的。因此它的选取更多的是对系统整体的性能进行足够的评估之后,才能根据实际情况进行选择。当这样重要的一步迈出之后,紧接着的下一步就是对图片进行预处理。第三节 掌纹图像的预处理在上一节,我们介绍掌纹关键区域的选定,但是它仅是理论完成的重要部分。那我们怎样将要选择的区域从整张图中剪切下来呢(不用怀疑那整张图去比较是多么的不明智的举动)?图像不清晰怎么办?不适应计算机分析怎么办? 想要解决以上的问题,就要进行图像预处理。图像预处理包括图像增强、滤波、区域分割、二值化、纹线细化等。这些都是预处理的问题。例如上面的几张图,它们如果直接进入计算机,要对他们进行分析几乎是不可能的。现在我们考虑一下,我们所遇到的问题和要解决的问题。首先我们从图1中可以看到,在自然状态下手掌的纹络线是很不明显的。这样所选取得关键区域也是不容易识别的(如图7)。因此在整个系统识别之前应将母板的信息转化为容易被计算机所分析的图像类型。而计算机最容易识别的是灰度图像。如图1-h就是涂以经过处理后的灰度图。是一个8位图,即有256个色阶。图 1-h从上图中,我们可以清晰地看到生命线、智慧线、感情线、命运线、健康线中的生命线、感情线、健康线。在指纹自动识别系统中,由于摄入的掌纹图像受各种原因的影响,是一幅含噪音较多的灰度图像。预处理的目的就是去的影响,是一幅含噪音较多的灰度图像。预处理的目的就是去除图像中的噪音把它变成一幅清晰的点线图,便于提取正确的掌纹特征以及后部的匹配识别。预处理是掌纹自动识别系统中极为关键的一步,它的好坏将直接影响着掌纹识别的效果。下面这张图就是关键区域提取之后经过与处理之后的结果。图7-h是完整的较为理想的效果图。从图中可以看到很明显的生物特征信息。 图7 图7-h经过图7与图7-h的比较我们可以从这两张图中得出结论,对同一张图片是否进行预处理是非常关键的一步。至于怎样选择这样一个较为完整的关键区域来进行识别。我们将在后面的章节中仔细地分析如何选取和各种方法。 ()下面我们谈一谈预处理的另一个重要的问题,滤波。平滑滤波技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行,基本方法是求像素灰度的平均值或中值。为了既平滑噪声又保护图像信号,也有一些改进的技术,比如在频域中运用低通滤波技术。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、照相底片上感光材料的颗粒、传输通道的干扰及量化噪声等。噪声产生的原因决定了噪声的分布特性及它和图像信号的关系。根据噪声和信号的关系可以将其分为两种形式;l 加性噪声:有的噪声与图像信号g(xy)无关,在这种情况下,含噪声图像f(X,y)可表示为:f(x, y)g(x,y)十n(x,y)信道噪声及扫描图像时产生的噪声都属加性噪声。l 乘性噪声:有的噪声与图像信号有关。这可以分为两种情况:一种是某像素处的噪声只与该像素的图像信号有关,另一种是某像点处的噪声与该像点及其邻域的图像信号有关。例如用飞点式扫描器扫描图像时产生的噪声就和图像信号相关。如果噪声和信号成正比,则含噪声图像f(xy)可以表示为: f(x,y)=g(x,y)十n(x,y)g(x,y) 1十n(x,y)g(x,y)=nl(x,y)g(x,y )另外,还可以根据噪声服从的分布对其进行分类,这时可以分为高斯噪声、泊松噪声和颗粒噪声等。泊松分布噪声一般出现在照度非常小及用高倍电子线路放大的情况下,椒盐噪声可以认为是泊松的噪声。其他的情况通常为加性高斯噪声。颗粒噪声可以认为是一白噪声过程,在密度域中是高斯分布加性噪声,而在强度域中为乘性噪声。现在有多种去除图像噪声的方法,一般行用的是下列3种 线性滤波 中值滤波 自适应滤波 (二) 下面我们来考虑一下,图像处理的另一个关键问题,图像增强。图像增强是数字图像处理过程中经常采用的一种方法,为了改善效果或者便于人和机器对图像的理解和分析,根据图像的特点或存储的问题采取的简单的改善方法或者加强特征的措施称之为图像增强(image enhancement)。获取和传输图像的过程中往往会发生图像失真,所得到图像和原始图像有某种程度的差别。这种差异如果太大,就会影响人和机器对图像的理解。在许多情况下,人们不清楚引起图像质量降低的问题的具体物理过程及其数学模型,但却能根据经验估计出使图像质量降低的一些可能原因,针对这些原因采取简便有效的方法、改善图像质量。例如,图像信号变弱会使人们无法看清图像的细节,而采用增强对比度的方法可使图像清晰一些; 图像的噪声干扰也容易使图像质量变差,远用平滑技术可以消减噪声;还有一些物理器件或系统工作原理可等效为一积分过程,信号经过这样的器件或系统后要变模糊,这时可使用微分运算突出边界或其他变化的部分。以上这些例子都是使用图像增强的技术。在有些情况下,一幅图像和真实景物相比差别不大,人的视觉系统察觉不出来或在允许范围之内,但为了便于人或机器对图像的分析和理解,也需要对图像进性变换来加强图像的某些特征,例如用微分技术加强区域边界,再比如人眼对彩色图像的分辨要强于灰度图像因此可以别图像进行伪彩色变换来提高分辨率等。加强图像的方法主要有:图像直方图,图像灰度图。图像的直方图是图像的重要统计特征,它可以认为是图像灰度密度函数的近似。按照随机过程理论,图像可以看作是一个随机场,因此只有相应的统计特征,其中最重要的特征是灰度密度函数。通常图像的灰度密度函数与象素所在的位置有关,例如设图像在点(x , y)处的灰度分布密度函数为p(z;x,y),那么图像的灰度密度函数为:其中 D是图像的定义域,s是区域D的面积。对比度增强是图像增强技术中的一种比较简单但又十分重要的方法。这种方法是按一定的规则修改输入图像每一个像素的灰度,从而改变图像灰度的动态范围。它可以使灰度动态范围扩展,也可以使其压缩,或者是对灰度进行分段处理,根据图像特点和要求在某段区间中进行压缩而在另外区间中进行扩展。锐化技术用于加强图像中的目标边界和图像细节。锐化技术可以在空间域中进行,常用方法是对图像进行微分处理也可以在频域中运用高通滤波技术。图像二值化处理也是图像处理中的一个重要问题,尤其是在对图像进行边界选择时。对于我们要选取的关键区域或是选取固定点有着重要的意义。见下图(图1)如果要选择固定点,或是要对图中的手掌进行掌形的确定,或是要进行边界分析。那么直接使用彩色图片、灰度图都不太容易直接反映出图像边界的信息。 图1图 1-h图1-2从图1-2(滤去了灰度值小于80的部分)种可以清晰地看出整个手掌的边界情况。这样能干的预处理可以为提取边界或定位提供很大的帮助。本章小结在本章中,我们介绍了掌纹识别的一些初步的知识,相信大家对整个掌纹识别已经有了一个大致的完整的了解。从下图中可以看出掌纹预处理,和特征提取是整个系统中最关键的部分,不管是在模板的制作还是在来访对人员掌纹特征体取得过程中都是必不可少的。在下一章节中我们将见到在预处理过程中的各种具体的方法和在不同原理指导下,对掌纹关键区的不同的选择方法,同时也将说明我们的系统所选用的图像预处理及关键区域的选择方法的优势。第三章 掌纹识别技术比较第一节 掌纹识别图像预处理技术及比较在上一章节中,我介绍了掌纹识别的图像预处理和关键区域选取的知识。在这一章节中我将着重介绍:现今各种预处理和选取关键区域的法、我们实现的系统所要使用的方法和它的优势。首先我们来说一下掌纹图像预处理的相关技术。我们现在对图像进行的预处理大多是利用 MATLAB 来实现的。MATLAB语言被称为是一种“演草纸式的科学计算语言”,它在数值计算、数据处理、自动控制、信号处理、神经网络、优化计算、模糊逻辑、小波分析、图像处理、统计分析、金融分析等众多的领域有着广泛的用途。特别是它所提供的各种工具箱,使得我们在科学计算、工程设计、数值分析、图像处理等领域的各种计算、演算、模拟等工作变得相当简单。MATLAB不仅具有面向对象的计算机语言特征,也初具面向任务的计算机语言的思想。现在我们来说一下图像的采集工作,图像的采集大体上可以分为两种,一种是在线采集,另一种是脱机采集。在手掌上涂上油墨,然后在一张白纸上按手印,然后通过扫描仪进行扫描而得到数字化的图像(如图9)这就是脱机采集, 脱机掌纹的采集方式有很多缺点,如油墨按手印的采集方式不易被接受,图象质量易受用力的程度及纸张质量的影响、中央部分的信息易丢失等,而且脱机掌纹主要采用点特征进行匹配, 由于掌纹面积大,而提取掌纹的点特征需要较高的空间分辨率158点/(指纹要求197点/),导致数据量及特征空间太大,不适于掌纹自动识别。在线掌纹则是用专用掌纹采样设备真接获取,采集方法简单,可进行非接触采集,位置可基本固定,图象质量相对比较稳定,图9为在线掌纹样本与图8所示的油墨按手印式的脱机掌纹图像相比,图像质量有很大的改善,适合对掌纹进行在线处理,因此对在线掌纹的分析与研究成为掌纹身份鉴别的主要方向。我们在采样时所用的是在线采集的方式,在设备上则采用数码相机这个设备。它有分辨率高,与计算机连接方便的特点。在图像采集完成后,我们将进行图像处理。正如上文所说,现在大多数图像处理的方法都是使用MATLAB。现在我们就按照第二章所说的图型预处理的过程来一步一步地介绍图像预处理的技术。(一) 图像的灰度处理在线采集生成的图像是一中被叫做真彩色的图像,它并不适宜进行图像特征的比较,真彩色图像在MATLAB中是这样被定义的:真彩色图像又称RGB图像,它是利用R、G、B 3个分量表示一个像素的颜色,R、G、B分别代表红、绿、蓝3种不同的颜色,通过三基色可以合成出任意颜色。所以对尺寸为mn的彩色图像来说,在MATLAB中则存储为一个 mnx3的多维数组。灰度图是一种特殊的图像,它就是只有强度信息,而没有颜色信息的图像,它在早期的图像处理中占有很重要的地位。存储灰度图像只需要一个数据矩阵,矩阵的每个元素表示对应位置的像素的灰度值,灰度图像的数据类型可以是double类型,这时值域为0,1;也可以足uint8类型,值域为0,255。从真彩色图到灰度图的转换有多种方法,在MATLAB中的多种语句来实现。rgb2gray函数用于将一幅真彩色图像转换成灰度图像,其语法格式为:其中I=rgb2gray(RGB)命令是将真彩色RPG转化为灰度图像I。newmap=rgb2gray(map)是将彩色调色板MAP转化成灰度调色板。对于输入的jpg(joint photographic experts group)格式的文件,它是一种被称为联合图像专家组的图像压缩格式。他与灰度图像的转化命令为:I=imread( .jpg);I2=rgb2gray(I);在线采集的图像就是jpg格式的,通过上面的这个命令就可以完整地转化为灰度图像。下一步要进行的是图像的增强,在图像的增强的众多方法中最常见的就是均匀量化直方图。均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大使得图像中较暗区域中的细节常常看不清楚。为了使图像清晰,可将图像的灰度范围拉开,并且让灰度级中频率较小的灰度级变大,即让灰度直方图在较大的动态范围内趋于致。MATLAB图像处理提供的工具箱中用于直方图均匀量化的函数histeq.Histeq函数的语法是:J=histeq(I,hgram)J=histeq(I,n)J,T=histeq(I,)newmap=histeq(X,map,hgram)newmap=histeq(X,map)newmap,T=histeq(X,)其中J=histeq(I,hgram)将原始图像I的直方图变成用户指定的向量hgram,hgram中的各元素值域为0,1。 J=histq(I,n)指定直方图均化后灰度级数n,默认值为64。 J,T=histeq(I,)返回从能将图像I的灰度直方图变换成图像J的直方图的变换T。 newmap=histeq(X,map,hgram),newmap=histeq(X,map)和newmap,T=histeq(X,)是针对索引色图像调色板的直方图均化。图 10我设计了这样一段程序 I=imread(IMAG0089.jpg); I2=rgb2gray(I); J=histeq(I2);subplot(1,2,1);imshow(I2)subplot(1,2,2);imshow(J)figure,subplot(1,2,1),imhist(I2,64)subplot(1,2,2),imhist(J,64)这样产生了如图10 这样的灰度图,即它们的直方图,由此可比较这项技术实在对低频区域进行处理使之均匀,这并不是能够与我们的要求。图 11为了得到清晰的灰度图,我们也可以使用灰度对比调整。他的命令是:imadjust函数J=imadjust(I,low high,bottom top,gamma)newmap=imadjust(map,low high,bottom top,gamma) J=imadjust(I, low high,bottom top,gamma)返回图像I经过直方图调整后的图像J。gamma为矫正量。low high为原图像中要变换的灰度范围,bottom top指定了变换后的灰度范围。I=imread(IMAG0089.jpg); I2=rgb2gray(I);J=imadjust(I2,0.7 0.9,);subplot(1,2,1),imshow(I2)subplot(1,2,2),imshow(J)figure,subplot(1,2,1),imhist(I2)subplot(1,2,2),imhist(J)这段程序产生了以下的两张图,对比可以看出他见我们所需要的部分的对比度增加了。紧接着我要进行的下一步是对图像进行滤波。正如上文所说的现在滤波的方法有线性滤波,中值滤波和自适应滤波。(!)线性滤波对一些图像进行线性滤波所以去除图像中某些类型的噪声,如采用领域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。 邻域平均法可以平滑图像信号,特别是可能使图像目标区域的边界变得模糊。可以证明,对图像进行邻域平均处理相当于图像信号通过一个低通滤波器。下面的命令是对一幅含噪声的图像进行去处理。 (2)中值滤波 中值滤波是抑制噪声的非线性处理方法。对于给定的n 个数值al,a2,.an,将它们按大小有序排列。当n为奇数时,位于中间位置的那个数值称为这n 个数值中值。当n为偶数时,位于中间位置的两个数值的平均值称为这n个数值的中值,记作med(a1,a2,an)。中值滤波就是这样的一个变换,图像中滤波后某像素的输出等于该像素邻城中各像素灰度的中值。中值滤波的方法运算简单,易于实现,而且能较好地保护边界,但有时会失掉图像,的细线和小块的目标区域。正因为如此,他和我们想要的结果(强调显示掌纹的某些特征、细节)不相符,所以不能在设计中应用。MATLAB中提供了中值滤波的命令。medfilt2 (3)自适应滤波MATLAB图像处理工具箱中的wiener2函数可以实现图像噪声的自适应滤除。wiener2函数根据图像的局部方差来调整滤波器的输出,当局部方差大时,滤波器的平滑效果较小,滤波器平滑效果强。 wiener2函数提供的自适应滤波通常比线性滤波的效果好,它比相应的线性滤波器具有更好的选择性,可以更好地保存图像的边缘和高频细节佰息。另外,使用起来非常方便,wiener2函数同时计算出滤波器的参数,并对图像进行滤波计算,而且wener2函数并不比线性滤波器需要更多的计算时间。 wiener2函数通常对于含有白色噪声(white noise)的图像滤波效果较好,比如含有高斯白噪声的图像。小结:我们已将掌纹图像的预处理的方法进行了讲解,我要作预处理的步骤也就是以上所述的。读如照片,将自动照片转化为灰度图像,对灰度图图像进行滤波去噪(单一的一种方法是不能打到要求的,要多种一起应用),接着就是选取关键区域。第二节 掌纹图像关键区域选取的方法和比较现今的掌纹识别系统中,对掌纹关键区域的选择有多种方法。我要对其中的两种进行一下分析比较,并确定我们的系统中要选取的哪种方法来实现特征区域的选取。这两种方法是:固定点选取法和曲线极值选取法。这两种方法各有各的优点。它们一种是静态选取,另一支种则是动态选取。这两种能够选取方式能够集中反映现今比较流行的选取方式的特点。下面我们来逐个的进行分析。(一)固定点选取固定点选取是一种在算法方面比较容易实现的选取方式,但是在现实生活中不易实现。以为它对设备和使用设备的工作人员及被测量的来访者都有一定的要求。下面我来详细介绍一下它的理论原理。固定点选择就一定要有固定点,在MATLAB中提供了剪切一部分图像的命令,但它最少要求要有两个点才可以完成(对角线的两个端点)。那么我们的问题就是要找到两个固定点,而这两个固定点一定要不论对谁都是固定不变的。我所选取的第一个点是整幅图像的中心点,如图13所示的中心点。图13由图13可知,掌纹的中心区域包含了掌纹中的最主要的特征和信息,由于中心区域图像的分辨率与原图像相同,但尺寸则不到原图的1/4,所以用掌纹中心区域进行匹配识别既可减少不必要噪声的干扰,又能提高算法的运算速度。图13的中心区域图一个中心点已经确定,另一个点的确定就有了问题,如果确定与中心点的距离是一个关键问题。如图14所示图14从图中我们可以看到中心点和三个边界点在这四个点中,任意的一个都可以与中心点组合剪切出一个区域来。但是这样剪切出的区域有的并不能显示出我们所要的信息来。图 A点与中心点图 B点与中心点图 C点与中心点从以上三幅图我们可以看出另一个点的选取直接关系到我们所寻找的生物特征的信息量的多少。从上图得比较我们可以知道,在A,B,C三点中最能体现生物特征信息的是C点(食指与中指得交点)与中心点的组合。那么我们所制作的模具中就要将那个点(C点)尽可能作的准确一些。图中的黑点就是C点所在的位置。虽然这个方法在算法方面非常的简单,只要知道者来能够点的坐标就可以选取出我们所要的关键区域了。但是它却需要非常高的模具的加工精度。在当今这样
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 新疆维吾尔自治区乌鲁木齐市2027年高三第二次联考高考物理试卷(含答案解析)
- 石家庄市2027年高三下学期联合考试高考物理试题(含答案解析)
- 双碳约束下智能养老社区:绿色建筑标准与能耗管理的合规博弈
- 十五五智能上悬窗掘金蓝海:核心瓶颈与商业闭环分析
- 关于中国SaaS企业服务项目内部创业孵化运营方案
- 【方案】2026AI原生数字乡村智能体全域建设方案
- 河南省郑州市十校联考2026-2027学年高一上学期期中考试英语试题
- 2025年中级经济师题库含答案1
- xxx县森林火灾应急处置预案
- 2026年环保政策下建筑行业准入门槛及标准研究报告
- 烟花爆竹安全管理条例题库及答案解析
- 广告投放效果评估报告模板
- 村级饮水安全管理制度
- CQI-17锡焊系统评估第二版(2021年发布-含记录)
- 储能功能材料 课件全套 第1-14章“认识储能功能材料”绪论 -其他新型储能功能材料
- GJB3243A-2021电子元器件表面安装要求
- 时尚传播课件
- DBJT15-159-2019 建筑废弃物再生集料应用技术规范
- 以诺书999中英对照
- 铁路概论基本知识
- 《石油化工金属管道工程施工质量验收规范2023版》
评论
0/150
提交评论