毕业设计掌纹识别技术开题报告.doc

西南交通大学电气工程学院本科毕业设计(论文)开题报告
毕业设计
论文题目
掌纹图像预处理及关键区域提取技术研究
学生姓名

学生学号

校内指导
教师姓名

学生专业
电子信息工程
校外指导
教师姓名

校外毕业
实习单位

题目性质
¨工程设计 ¨理论研究 ¨科学实验 ¨软件开发 ¨综合应用
资料情况
1、设计任务书 ¨ 有 ¨ 无
2、外文资料翻译 ¨ 完成 ¨ 未完成
3、毕业设计指导日志 ¨ 认真填写 ¨ 未填写
毕业
设计
（论
文）
选题
意义和研究现状
一、掌纹识别技术研究的意义
随着现代社会信息技术的飞速发展，信息化和网络化的社会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的基本方法之一。区别于传统的密码、证件等传统的身份鉴别方式，人体生物特征识别技术提取人体固有的生物特征，有效地克服传统身份识别方法的缺陷，用其稳定性和唯一性优点完成身份鉴别和验证。身份识别已经成为商业、金融和国防机构信息安全系统的重要组成部分和必不可少的安全措施。同时，在现代社会方方面面的普遍应用也对身份识别技术提出了新的要求，促进了其自身的迅速发展。
在基于人手特征的身份鉴别技术中，指纹识别是使用的最早、最广泛，也是最为成熟的生物识别技术。随着应用的推广，指纹识别的不足也越来越显现出来。最明显的的是指纹识别的验证系统局限于指纹质量较好的群体。虹膜识别系统用普通的相机无接触式地摄取虹膜图像，不会像角膜识别那样有传播疾病的危险。而且虹膜特征的高稳定性也带来了识别系统的高识别率。但是，虹膜识别系统的造价一般非常昂贵，也影响了其商业上的广泛推广。人脸识别是获取人脸图像，提取面部特征来进行身份鉴别和验证。人脸表情的变化严重影响了识别率的提高。目前为止，还不能肯定人脸识别技术能得到广泛的应用。手形识别技术是最早引入商业应用的生物识别技术，手形特征稳定性高，不易随外在环境或生理变化而改变使用方便。但现有的手形识别系统也存在成本较高、精度较低等缺点，并且手形特征的独特性很难得到保证。
可见，选择一种既方便采样，又能克服上述弱点的生物特征用来进行身份验证是极有意义的，掌纹恰恰符合这种要求。掌纹识别是近些年来新兴的一种身份识别方法，是对现有的生物识别技术的重要补充。掌纹识别具有很多特点：
1. 跟指纹一样，手掌上也布满了乳突纹，但手掌区域比手指区域大得多，因而它含有比指纹更为丰富的可区分信息，易于提取特征区域；
2. 手掌上有几条大的主线和很多的皱折线，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；
3. 掌纹具有唯一性；
4. 相比其他生物识别技术，掌纹图像采集设备的价格要廉价得多，并且使用方便，更容易被用户接受。
二、掌纹识别技术的研究现状
掌纹识别作为生物特征识别技术是近年来发展起来的新兴技术，在国内，香港理工大学与清华大学率先提出利用掌纹进行身份识别的思想，对掌纹的基本特征和特点作了全面的总结，开辟了掌纹识别研究的新领域。经过十几年的发展，掌纹识别技术已经逐步进入成熟阶段。香港理工大学生物识别研究中心设计和开发了世界上第一套民用联机掌纹识别系统，建立了世界上最大的掌纹图像数据库。该数据库有10万多个样本，2003年在网上发布了收割掌纹数据标准库。目前，掌纹识别作为生物特征识别家族的重要成员，已在国际上得到公认，并产生了较大的影响。
掌纹识别的技术主要包括：掌纹图像采集、掌纹图像预处理、掌纹特征的提取、掌纹特征识别。本文主要从掌纹图像的预处理算法、掌纹图像的特征提取和掌纹图像的特征识别算法三个方面分析掌纹识别技术的研究现状。
预处理的目的是消除掌纹图像中的无关信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而使所采集的掌纹图像能方便地对图像后续处理。掌纹图像的预处理包括以下几个方面：掌纹图像的定位分割、掌纹图像的去噪、掌纹图像的增强。
掌纹特征的提取是掌纹识别中最关键的一个环节，特征提取算法的好坏很大程度上决定了系统识别率和效率的高低。现在的掌纹特征提取的算法很多，以下阐述几种典型的掌纹特征提取算法：
(1) 基于点线特征的掌纹特征提取方法(2)基于二维 Gabor 滤波器的掌纹特征提取算法。该方法先用一个二维 Gabor 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，这样在特征向量中仅保存了相位信息。(3)基于小波变换的掌纹特征提取方法。小波变换是一种非常有效的图像处理方法，它提供了很好的空域和频域定位属性，非常适用于描述多分辨率情况下的图像边缘特征，并且已被应用到纹理特征的提取和图像的去噪中。(4)基于主成分分析（PCA）的掌纹特征提取方法。主成分分析是把多个特征映射为少数几个综合特征的一种统计分析方法。在多特征的研究中，往往由于特征个数太多，且彼此之间存在着一定的相关性，因而使得所观测的数据在一定程度上有信息的重叠。主成分分析采取一种降维的方法，找出几个综合因子来代表原来众多的特征，使这些综合因子尽可能地反映原来变量的信息，且彼此之间互不相关，从而达到简化的目的。

本课题主要研究内容

本文共分五章，各章节的内容安排如下：
第一章绪论。
本章首先简要概述本课题的研究背景及意义，然后回顾生物识别技术、掌纹识别技术发展历程，随后重点介绍了掌纹识别技术的研究现状。
第二章 掌纹图像的预处理。
在本章中，重点阐述了掌纹识别系统的相关背景知识，主要对掌纹数据库和
图像预处理相关方法做了详细介绍。
掌纹图像的预处理过程包括阈值分割、图像滤波、关键点检测和提取 ROI 区
域等。预处理是对掌纹图像获取和特征提取的有效衔接，一方面去除了采集设备
引入的随机噪声，另一方面得到可供有效特征提取的数据块。
第三章掌纹图像特征的提取。
本章首先简要介绍小波变换的概念，同时介绍了多分辨率分析以及信号的小波分解与重构的相关理论。接下来针对掌纹图像信号，介绍了基于掌纹图像的多小波分解理论，同时提出相应的方法处理多小波变换之后的图像；在手掌的特征图像经过多小波分解后，提取其与手掌纹线相关的子区域，并将这些子区域备用于手掌特征纹线的辅助匹配。
第四章实验结果及分析

文
献
综
述
、
参
考
文
献

人们对生物特征识别技术的研究从1960年开始[1]，2003年6月联合国国际民用航空组织公布其生物特征识别技术的应用规划，在用户护照上加入如指纹、虹膜等生物特征。刑事技术部门在提取和比对现场痕迹时经常发现犯罪分子遗留的掌纹痕迹，如果不对其加以应用，将可能会损失纹型信息的30%。事实上，人手掌纹识别这一领域一直是空白，直到1998年出现第一篇关于掌纹识别技术的论文[1,2]。
1、 掌纹图像获取
掌纹识别的第一步是采集掌纹，并储存成数字图像。香港理工大学和哈尔滨工业大学联合研制的基于CCD的联机掌纹采集设备[3]可实时的获取高质量的掌纹图像，为联机掌纹识别技术的研究打下了硬件基础。
2、掌纹图像预处理
为减少掌纹图像采样过程中引进的旋转、平移、扭曲等非线性因素的影响，必须为掌纹特征提取和匹配提供基准。掌纹图像经预处理(如图像增强、滤波、二值化、细化、分割等)后分割出掌纹中心区域，减少了不必要的噪声干扰，降低了后续工作的复杂度，在掌纹识别技术中具有非常重要的意义。综合国内外掌纹识别技术的研究现状，介绍以下三种典型预处理方法。
1) 用三个关键点检坐标系[4]
在两个手指相交的地方定三个点，1、3连线为Y轴，过点2且垂直于Y轴的直线为X轴建立坐标系，进而在该坐标系下分割出大小为128×128的掌纹中心区域。
2) 用最大正方形确定掌纹关键区域
Poon [5]等提出了一种划分掌纹中心区域的方法。他们将掌纹的中心区域划分为多个椭圆形半环，每个椭圆形半环再分为多个小块，对每个小块分别提取特征。这样划分的优点是可以减小旋转产生的影响。
3) 用最大内切圆确定掌纹有效区域[6]
用内切圆确定掌纹有效区域是文献【6】中介绍的一种新方法，该方法同样首先是用边缘检测算法求得边缘图，然后再在手掌内寻求最大内切圆(半径和圆心)，从而分割出掌纹有效区域。
3、 掌纹图像特征提取与匹配
掌纹图像是种近似的纹理周期性图案，掌纹图像中不同区域的纹线方向和空间频率代表着掌纹图像内在的特征。针对掌纹图像的特点，已提出了下面几种代表性的掌纹图像识别。
1) 基于Fourier变换的识别[7]
首先应用Fourier变换将掌纹图像变换到频域，然后在频域中进行特征提取和描述。由于Fourier变换丢失了掌纹纹线的位置和细节信息，使得提取出来的特征不够直观。
2) 基于2D Gabor变换的识别[8]
首先运用扩展后的2D Gabor相位编码进行掌纹的特征提取和描述(纹线特征分为实部和虚部)，然后使用一种规范化汉明距离进行匹配，处理速度较快。Gabor变换确实能反映出图像信号在任意局部范围的频域特性，这是它比Fourier变换优越之处，但这种方法不能实现多分辨率分析，会丢失一些纹理信息。
3) 基于小波变换的识别[9]
小波分析[10]是一种有效的多分辨率分析工具，在人体生物特征识别方面，小波变换得到了有效的应用。在掌纹图像特征提取技术中，利用小波变换将掌纹图像定义了一种多分辨率的纹理特征——小波能量特征，该特征是将各级小波分解的细节图像分块后计算出来的，可反映掌纹纹理能量的不同位置、不同方向、不同分辨率下的分布情况，从而很好地刻画掌纹图像特征。
4) 基于二维PCA的掌纹识别方法研究【11】
主成分分析采取一种降维的方法，找出几个综合因子来代表原来众多的特征，使这些综合因子尽可能地反映原来变量的信息，且彼此之间互不相关，从而达到简化的目的。
掌纹识别技术是近年来新兴的一种身份识别方法，是对现有的生物识别技术的重要补充，有广泛的用用前景，值得深入研究。

参考文献：
[1]ZHANG D. Biometrics-a unique authentication approach[R].Hongkong:HKCS-ISSG,2004.
[2]SHU W,ZHANG D. Automated personal identification by palmprint[J].Optical Engineering,1998,37(8):2359-2362.
[3]David Zhang , Wai-Kin Kong , Janc You , ang Michacl Wong . Online Palmprint Identification[J] . IEEE Transactions on Pattcrn Analysis and Machine Intelligence . 2003,25(9):1041-1050.
[4]王涛，李文新.一种基于小波变换的掌纹识别新方法[A].第四届生物识别学术会议论文集[C].北京：清华大学出版社，2003.
[5]Poon C, Wong D C M, Shen H C. A new method in locating and segmenting palmprint into region-of-interest. In: Pro-ceedings of the 17th International Conference on Pattern Recognition. Washington D. C., USA: IEEE, 2004. 533 536
[6]Liambas C, Tsouros C. An algorithm for detecting hand ori-entation and palmprint location from a highly noisy image.In: Proceedings of IEEE International Symposium on Intel-ligent Signal Processing. Alcala De Henares, Spain: IEEE,2007. 1 6
[7] W. X. Li, D. Zhang, Z.Q. Xu., Palmprint Identification by Fourier Transform. International
Journal of Pattern Recognition and Artifical Intelligence 2002, 16(4), 417-432.
[8]卢光明, 掌纹识别系统关键技术与算法研究. [学位论文] 2005, 哈尔滨工业大学, 55-71.
[9]戴青云,余英林,张大鹏.基于结构特征的在线掌纹的分类方法[J].模式识别与人工智能,2002,15(1):112-116.
[10]Mallat S. A Wavelet Tour of Signal Processing. 2nd edn . New York:Academic Press,1999.
[11]CHANGZHI WEN, JIASHU ZHANG. Palmprint recognition based on Gabor Wavelets and 2-Dimensional PCA&PCA[C].ICWAPP’07 International Conference on Wavelets Analysis and Pattern Recognition, 2007, 4: 1518-1523.
[12]邬向前，张大鹏，王宽全..掌纹识别技术,科学出版社,2006

工
作
计
划
及
安
排
1--3周 分析题目，查阅相关资料，了解发展状况，学习理论，弄清课题目的、意义及任务。
4--5周 确定论文的整体框架，编写Matlab仿真程序实现掌纹图像的预处理。
6--8周 编写Matlab仿真程序实现对掌纹关键区域的精确定位与提取。
9--12周 提出获取有效的掌纹特征的方法和思路并用程序实现 。
13--14周 最后完成系统后续工作，论文的撰写。
指导教师意见

指导教师签字：
年 月 日
专家组评审意见

专家组组长签字：
年 月 日
填写说明：本报告书可打印,签名须手写,如表格容量不够,可根据内容增加页数,但不得随意删减项目.