掌纹信息的特征提取与判别
摘 要 随着计算机的出现，各种信息技术飞速成长，尤其是计算机应用技术的飞速成长，为数字图像处理的成长提供了无限成长的潜力。数字图像处理系统可以完成对图像进行处理并进行整改，还可以实现输入、输出图像，改变图像显示的尺寸，还可以进行图像边框大小的改变，图像的清晰度的调整、图像边缘切割和检测，将图像用代码显示以及打印图片并将图像输出等功能。特征提取的过程为了获得图像的紧凑分布，有效地实现图像的分类和识别，对原始数据进行筛选和转化，得到能反映分类本质的特征，构成特征向量。图像的特征提取主要利用了一种更为一般的用于特征提取的线性分类方法线性判别分析（LDA）。本课题的主要内容是图像特征的提取方法，图像特征提取技术是一种包含面非常广泛的技术，它不但可以应用于计算机查找技术领域中，也可以应用于在图像处理中。它的关键在于通过计算机软件或者是内部的处理系统的分析和处理，来提取出图像中一些不易改变的特征，达到解决生活中所遇到的问题。
目 录
第一章 绪论 1
1.1课题背景 1
1.2掌纹识别的发展现状 1
1.3线性判别分析法LDA的研究现状 2
1.4本文的主要内容 3
1.5本文内容章节安排 3
第二章 典型的特征提取方法 4
2.1隔行抽取图像信息 4
2.2神经网络 5
2.3主成分分析法 6
2.4 三种方法的优缺点 7
第三章 基于LDA手掌掌纹图像特征提取方法 9
3.1问题的提出 9
3.2 LDA具体算法 9
3.3加权LDA 13
第四章 各种分类器 14
4.1欧式距离分类器 14
4.2角度分类器 15
4.3基于街区距离的数字图片分类器 16
第五章 实验结果及分析 17
5.1掌纹判别数据库 17
5.2实验步骤 18
5.3实验结果分析 20
结束语 21
致 谢 22
参考文献 23
第一章 绪论
1.1课题背景
*好棒文|www.hbsrm.com +Q: ^351916072#
人类的生物特征识别技术包含了生物特征技术和信息识别技术，使用人体本身的生理特征（例如指纹、虹膜、面孔、掌纹等）、行为特征（步态、签名等）来确定一个人的身份，来替换或加强传统的身份识别方法。然而，掌纹有几条特别深的主线和许多的折皱线，这样的线特征构成了独特的掌纹，有较强的辨别能力和抗干扰能力，最为关键的是它能够在掌纹图像处于较低的识别率的情况下把掌纹提取出来；与其他生物识别技术相比，掌纹图像采集装置的价格要便宜很多，而且操作简单，更容易被使用者接受。这项新技术可以广泛应用于国家安防、经济教育、社会福利、电子商务等领域，已成为21世纪最具潜力的技术之一。
掌纹识别技术是根据人手手掌上有用的掌纹来区分待测试者与数据库中的掌纹是否一样。人与人之间的掌纹有很大区别，没有手掌掌纹是完全相同的，也就是手掌掌纹的唯一性。根据掌纹的唯一性的特点，可以用作识别人体的方法。研究掌纹最初起源于手相术，早在中国古代，祖先们就开始通过手相可以获得到很多有用的信息。从建国开始，稽查部门都是使用掌纹识别来进行刑事调查。1990年以来，我国开展了识别身份的掌纹识别技术的活动。掌纹识别技术以稳定和独特的特点，世界各地的很多研究小组纷纷关注，新方法不断涌现。
1.2掌纹识别的发展现状
近年来，掌纹识别技术开始成为生物特征识别技术发展起来的新型信息技术，在中国大陆，香港理工大学与清华大学的教授首次创造出手掌掌纹识别的这个概念，根据手掌掌纹的功能和特性，开启了掌纹识别研究的新领域。经过十多年的发展，手掌掌纹识别技术已进入成熟期。世界上第一套在线掌纹识别系统由香港理工大学生物识别研究中心设计和开发，并建成了世界上最大的掌纹图像数据库。该数据库有100000多个样本，该研究中心在2003年发布了一个标准的掌纹数据的数据库。世界各国都认可了这项伟大的工作，并产生了很大的影响。?
掌纹识别的过程主要包括：（1）收集手掌掌纹图像；（2）预处理手掌掌纹图像；（3）提取手掌掌纹特征；（4）识别手掌掌纹。这篇文章主要从以下方面分析掌纹识别技术的现状：预处理掌纹图像的算法、掌纹图像的特征提取和特征识别算法。
去除手掌掌纹图像中干扰信号是手掌掌纹图像预处理的目标，保护真实的有用的信息，强化相关信息可以最大限度地发现和简化数据，从而使手掌掌纹图像可以更容易地收集，方便后续的图像处理。手掌掌纹图像的预处理包罗如下方面：手掌掌纹图像的定位与切分、手掌掌纹图像的抗干扰、以及手掌掌纹图像的信号加强。?
手掌掌纹的特征提取中最主要的是掌纹的识别，一般情况下，手掌掌纹特征提取算法取决于判别系统识别率和效率的高与低。
这篇文章简要介绍几种典型的手掌掌纹的特征提取算法：
(1)含线特征的手掌掌纹特征提取算法。(2)依靠二维Gabor小波滤波器的手掌掌纹特征提取算法。在这种方法中，手掌掌纹图像经过二维Gabor小波滤波器，再将被滤波的相位信息转换成二值手掌掌纹特征码，以便保留有相位信息的特征向量。(3)依靠小波转化的手掌掌纹特征提取算法。小波转化是一种非常有效的图像转化方法，它给出了较好的空间和频率定位特性，非常适用于多分辨率图像的边缘特征描述，并已应用于纹理特征的提取和图像的去噪中。(4)线性判别分析（LDA）。线性判别分析 (LDA)，也称Fisher线性判别(Fisher Linear Discriminant ,FLD)，是一个典型的模式识别算法，20世纪末，它由科学家Belhumeur引入人工智能领域。将较高维度的模式样品投射到最佳判别向量空间是线性判别分析的主要理论，实现了分类信息的抽取和特征空间维度的压缩，在新的子空间投射后确保模式样品有最大的类间距离和最小的类内距离，即在该空间中，模式样品可以最好地分离。因此，这是一种效果明显的手掌掌纹图像特征提取方法。它可以使投射后模式样品的类间分散矩阵达到最大值，并且保证此时类内分散矩阵保持最小。
1.3线性判别分析法LDA的研究现状
线性判别分析的主导理论：挑选出能够让Fisher判别函数实现极值的向量，把它当做最优的投射方向，样品在投射到最优投射方向上之后，类间分散程度最大，而类内分散程度最小。在此基础上，Wilksl和Duda分别提出了判别向量集的概念，即寻找一组由判别向量构成子空间。
在子空间内，要想识别投影向量就必须对起始的样品进行判别。这种方法被称为经典的Fisher线性判别分析方法（FDA）。除了经典的Fisher线性判别分析方法外，基于Fisher判别分析准则的最佳判别平面的概念被Sammon提出，紧接着Foley和Sammon两位科学家推出了一套具有最佳判别且满足共轭条件（前提是正交的）的向量集进行特征抽取的方法。Z.Jin和J.Y.Yang等从统计无关的角度，所以具有统计无关性的最优判别向量集的概念被提出,与FoleySammon判别向量集不同的是，它所拥有统计无关性的最优判别向量集是满足共轭条件（前提是正交的）。Jin和Yang的方法被称为无关的判别分析或JinYang线性判别法。在线性判别分析中，由于Fisher准则的固有不足，在处理脸部识别、高维小样本的模式识别问题的时候，面临着类内散布矩阵奇异性的问题，人们提出了很多方法来解决该类问题，主要分为以下两类：一是基于变换的方法：Fisherfaces方法、最有特征抽取方法的判别能力、增强Fisher线性判别模型的方法。另一种是基于算法的(algorithmbased)方法：微扰法、正交补空间的方法、广义的Fisher判别准则函数、直接线性判别分析方法。
目 录
第一章 绪论 1
1.1课题背景 1
1.2掌纹识别的发展现状 1
1.3线性判别分析法LDA的研究现状 2
1.4本文的主要内容 3
1.5本文内容章节安排 3
第二章 典型的特征提取方法 4
2.1隔行抽取图像信息 4
2.2神经网络 5
2.3主成分分析法 6
2.4 三种方法的优缺点 7
第三章 基于LDA手掌掌纹图像特征提取方法 9
3.1问题的提出 9
3.2 LDA具体算法 9
3.3加权LDA 13
第四章 各种分类器 14
4.1欧式距离分类器 14
4.2角度分类器 15
4.3基于街区距离的数字图片分类器 16
第五章 实验结果及分析 17
5.1掌纹判别数据库 17
5.2实验步骤 18
5.3实验结果分析 20
结束语 21
致 谢 22
参考文献 23
第一章 绪论
1.1课题背景
*好棒文|www.hbsrm.com +Q: ^351916072#
人类的生物特征识别技术包含了生物特征技术和信息识别技术，使用人体本身的生理特征（例如指纹、虹膜、面孔、掌纹等）、行为特征（步态、签名等）来确定一个人的身份，来替换或加强传统的身份识别方法。然而，掌纹有几条特别深的主线和许多的折皱线，这样的线特征构成了独特的掌纹，有较强的辨别能力和抗干扰能力，最为关键的是它能够在掌纹图像处于较低的识别率的情况下把掌纹提取出来；与其他生物识别技术相比，掌纹图像采集装置的价格要便宜很多，而且操作简单，更容易被使用者接受。这项新技术可以广泛应用于国家安防、经济教育、社会福利、电子商务等领域，已成为21世纪最具潜力的技术之一。
掌纹识别技术是根据人手手掌上有用的掌纹来区分待测试者与数据库中的掌纹是否一样。人与人之间的掌纹有很大区别，没有手掌掌纹是完全相同的，也就是手掌掌纹的唯一性。根据掌纹的唯一性的特点，可以用作识别人体的方法。研究掌纹最初起源于手相术，早在中国古代，祖先们就开始通过手相可以获得到很多有用的信息。从建国开始，稽查部门都是使用掌纹识别来进行刑事调查。1990年以来，我国开展了识别身份的掌纹识别技术的活动。掌纹识别技术以稳定和独特的特点，世界各地的很多研究小组纷纷关注，新方法不断涌现。
1.2掌纹识别的发展现状
近年来，掌纹识别技术开始成为生物特征识别技术发展起来的新型信息技术，在中国大陆，香港理工大学与清华大学的教授首次创造出手掌掌纹识别的这个概念，根据手掌掌纹的功能和特性，开启了掌纹识别研究的新领域。经过十多年的发展，手掌掌纹识别技术已进入成熟期。世界上第一套在线掌纹识别系统由香港理工大学生物识别研究中心设计和开发，并建成了世界上最大的掌纹图像数据库。该数据库有100000多个样本，该研究中心在2003年发布了一个标准的掌纹数据的数据库。世界各国都认可了这项伟大的工作，并产生了很大的影响。?
掌纹识别的过程主要包括：（1）收集手掌掌纹图像；（2）预处理手掌掌纹图像；（3）提取手掌掌纹特征；（4）识别手掌掌纹。这篇文章主要从以下方面分析掌纹识别技术的现状：预处理掌纹图像的算法、掌纹图像的特征提取和特征识别算法。
去除手掌掌纹图像中干扰信号是手掌掌纹图像预处理的目标，保护真实的有用的信息，强化相关信息可以最大限度地发现和简化数据，从而使手掌掌纹图像可以更容易地收集，方便后续的图像处理。手掌掌纹图像的预处理包罗如下方面：手掌掌纹图像的定位与切分、手掌掌纹图像的抗干扰、以及手掌掌纹图像的信号加强。?
手掌掌纹的特征提取中最主要的是掌纹的识别，一般情况下，手掌掌纹特征提取算法取决于判别系统识别率和效率的高与低。
这篇文章简要介绍几种典型的手掌掌纹的特征提取算法：
(1)含线特征的手掌掌纹特征提取算法。(2)依靠二维Gabor小波滤波器的手掌掌纹特征提取算法。在这种方法中，手掌掌纹图像经过二维Gabor小波滤波器，再将被滤波的相位信息转换成二值手掌掌纹特征码，以便保留有相位信息的特征向量。(3)依靠小波转化的手掌掌纹特征提取算法。小波转化是一种非常有效的图像转化方法，它给出了较好的空间和频率定位特性，非常适用于多分辨率图像的边缘特征描述，并已应用于纹理特征的提取和图像的去噪中。(4)线性判别分析（LDA）。线性判别分析 (LDA)，也称Fisher线性判别(Fisher Linear Discriminant ,FLD)，是一个典型的模式识别算法，20世纪末，它由科学家Belhumeur引入人工智能领域。将较高维度的模式样品投射到最佳判别向量空间是线性判别分析的主要理论，实现了分类信息的抽取和特征空间维度的压缩，在新的子空间投射后确保模式样品有最大的类间距离和最小的类内距离，即在该空间中，模式样品可以最好地分离。因此，这是一种效果明显的手掌掌纹图像特征提取方法。它可以使投射后模式样品的类间分散矩阵达到最大值，并且保证此时类内分散矩阵保持最小。
1.3线性判别分析法LDA的研究现状
线性判别分析的主导理论：挑选出能够让Fisher判别函数实现极值的向量，把它当做最优的投射方向，样品在投射到最优投射方向上之后，类间分散程度最大，而类内分散程度最小。在此基础上，Wilksl和Duda分别提出了判别向量集的概念，即寻找一组由判别向量构成子空间。
在子空间内，要想识别投影向量就必须对起始的样品进行判别。这种方法被称为经典的Fisher线性判别分析方法（FDA）。除了经典的Fisher线性判别分析方法外，基于Fisher判别分析准则的最佳判别平面的概念被Sammon提出，紧接着Foley和Sammon两位科学家推出了一套具有最佳判别且满足共轭条件（前提是正交的）的向量集进行特征抽取的方法。Z.Jin和J.Y.Yang等从统计无关的角度，所以具有统计无关性的最优判别向量集的概念被提出,与FoleySammon判别向量集不同的是，它所拥有统计无关性的最优判别向量集是满足共轭条件（前提是正交的）。Jin和Yang的方法被称为无关的判别分析或JinYang线性判别法。在线性判别分析中，由于Fisher准则的固有不足，在处理脸部识别、高维小样本的模式识别问题的时候，面临着类内散布矩阵奇异性的问题，人们提出了很多方法来解决该类问题，主要分为以下两类：一是基于变换的方法：Fisherfaces方法、最有特征抽取方法的判别能力、增强Fisher线性判别模型的方法。另一种是基于算法的(algorithmbased)方法：微扰法、正交补空间的方法、广义的Fisher判别准则函数、直接线性判别分析方法。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jzgc/jzx/512.html
