毕业设计（论文）掌纹控制系统的设计与实现.doc

摘要当今传统的安全系统主要采用的是基于口令或密码等方式，但随着社会和科技的发展，传统的安全系统在面对日新月异的社会变化面前显得越来越脆弱。为了应对新形势的安全挑战，生物识别技术异军突起，填补了安全系统的空白。众所周知，指纹识别技术应用已经相当广泛，但掌纹识别技术就目前而言还处于起步阶段，理论和应用上仍有待进一步深入。本课题的研究主题就是掌纹识别技术，掌纹较指纹而言具有丰富的纹理，从理论上说有更高的鉴别能力，需要在较高分辨率图像中获得，因掌纹面积大，导致图像数据量及特征空间太大，为图像处理带来一定难度。本课题采用的是直方图灰度变化增强、SOBE算子的边缘检测的预处理方法及PCA(主成分分析)的方法，对掌纹识别技术作了实验验证。关键字：生物特征识别，掌纹识别，图像处理，SOBEL算子，PCA算法AbstractToday's traditional security system is mainly used the means of password - based or password, etc. But with the development of society and technology, traditional security system is becoming increasingly vulnerable in the face of the changing society. With the security challenges of the new situation, biometrics rise to fill the gaps in the security system.As we all know, fingerprint identification technology has been widely used, but palmprint identification technology is still at an initial stage at present. It has to be studied further in-depth both theory and application. The theme of this research is palmprint identification technology, because palmprint textures are richer than fingerprint's. It has a higher capacity, can be identified in theory. We should obtain it from higher resolution images. the large palm area will lead to the image data and the feature space too large, it will bring certain difficulties for image processing. This research uses the methods of changing by the gray histogram enhancement, SOBEL edge detection operator and PCA (Principal Component Analysis) to identify the Palmprint Identification Technology.Key words: Biometric, Palmprint identification, Image Processing, SOBEL operator, PCA目 录摘要IAbstractII第一章 绪论11.1 引言11.2 生物特征身份识别技术21.2.1 生物特征识别技术简介21.2.2 几种主要的生物特征身份识别技术31.2.3 生物识别技术的应用51.3 本文的主要安排5第二章 掌纹识别技术的研究72.1 掌纹研究的国内外现状72.2 掌纹识别的优势72.3 掌纹的形成及特征82 .4 掌纹识别模型92.5 掌纹识别算法102.6 本章小结10第三章 掌纹识别113.1 掌纹的获取113.1.1 掌纹图像获取技术简介113.1.2 基于CDD的掌纹获取123.2 掌纹图像的预处理1232.1 灰度变换增强123.3 边缘检测（基于导数的边缘检测）153.4 PCA(主成分分析)183.5 欧氏距离183.6本章小结19第四章 设计测试结果分析204.1 MATLAB 简介204.2 MATLAB的功能模块224.3 模型调试及实验结果224.4本章小结23总结24致谢26参考文献27第一章 绪论1.1 引言1.1.1 生物特征识别技术概述在高度信息化的现代社会，随着交通、通讯、网络技术的高速发展，信息安全显示出前所未有的重要性。在日常生活中以及金融、司法、安检、电子商务等很多场合都需要准确的身份识别以确保系统的安全，因此，人的身份识别技术的应用越来越广泛。传统的身份识别方法主要分为两种，第一种是基于物品的方法，比如使用钥匙、ID卡等；第二种是基于知识的方法，比如使用密码、口令等。这些传统的身份识别方法存在很多缺陷，基于物品的方法携带不便而且容易丢失、损坏、被盗用或伪造，基于知识的方法容易被遗忘、破解等。据Visa信用卡和万事达信用卡协会估计，与支付卡有关的身份盗用案件的损失从1996年的7990万美元上升到了2000年的11430万美元。而最新的统计表明：全球每年涉及的诈骗案至少为信用卡5亿美元，移动电话10亿美元和取款机30亿美元。这些问题都暴露了传统的身份认证的缺陷和不足之处。传统的身份识别方法已不再适合现代科技的发展和社会的进步。人们希望能够使用一种更加方便、安全、可靠的办法来进行身份鉴定。于是生物特征识别技术悄然兴起。生物特征识别技术(Biometrics)是使用人体所固有的生理特征(如掌纹、人脸、指纹、虹膜等)及行为特征(如步态、书写、声音、击键等)，通过图像处理和模式识别的方法来自动鉴别个人身份的技术。同传统的上述两种身份识别方法相比，利用生物特征进行身份识别的方法具有稳定、可靠、便捷、不易伪造等特点。人们可能会丢失他们的钥匙、卡片或者忘记密码，但是却不可能遗忘或者丢失自己的掌纹、人脸、指纹、虹膜等生物特征。因此基于生物特征识别技术的个人身份识别系统具有更好的安全性、可靠性和有效性，正越来越受到人们的重视，在许多安全领域方面有着非常广泛的应用前景。911事件之后，边境安全受到各国的广泛重视，各国纷纷制定法律要求采用生物认证技术鉴别出入境人员的身份。为了实现全球的互操作性，国际民用航空组织(ICAO)在2003年6月向其188个成员国公布了生物技术应用规划，以帮助各国建立一个全球化、标准化的身份验证系统。规划提出在护照中加入生物特征，包括掌纹、指纹、虹膜、人脸等。目前欧、美以及世界上的很多国家都准备在短期内逐步使用这种护照。近几年，因为安全问题，生物认证技术拥有了自己广阔的市场和需求，得到了飞快的发展，利用图像处理和模式识别技术鉴别或验证身份，取代传统的使用钥匙、身份证、密码等方法，可广泛应用于银行、机场、公安等领域的出入管理。生物认证技术将信息技术与生物技术相结合，是本世纪最有发展潜力的技术之一。1.2 生物特征身份识别技术1.2.1 生物特征识别技术简介生物识别是根据人体生理特征和行为特征来识别身份的技术。生物特征识别技术主要有两方面的应用：身份验证和鉴别。身份验证是确定当前特征是不是当前对象宣称的对象特征，是一种一对一的特征匹配。通常，验证系统存储当前对象的己知特征模板，系统要做的是验证的过程，也即判断模式识别中的两类问题。其答案只有两种可能：是或者不是。身份鉴别与身份验证相比相对复杂，是模式识别中的多类问题。对于当前对象，我们关心的是其究竟是否属于已知对象，如果是的话，属于哪类已知对象。这个过程是一个一对多的匹配问题。而且由于已知对象是一个动态增长的特征库，身份鉴别对算法的要求较高。高效的算法要求达到较高的识别率和较短的系统反应时间。典型的生物特征识别系统如图1-1所示。生物特征传感器特征提取特征匹配匹配决策模板数据库 图1-1生物特征识别系统身份识别分两个步骤，首先是系统注册阶段，即建立模板数据库的过程。将所有待识别用户的生物特征经传感器采集并进行特征提取，形成用户模板存储在模板数掘库中。其次是系统识别阶段，将新采集来的生物特征进行特征提取后与模板数据库中的模板进行比对，以检验用户身份。如果只是进行身份验证则只需提取模板数据库中对应该用户的模板进行比对决定真伪即可。能够作为身份识别的生物特征理论上应该具有以下特点：1广泛性：即每个人都应该其仃这种特征；2惟一性：每个人拥有的陔项特征各不相同，独一无二；3稳定性：该特征不随时间、外界条件变化；4可采集性：所选择的特征应便于测量。5永久性：是指某特征应该是具有足够的稳定性，即不会随时间或环境的变化而发生大的改变6可接受性：是指基于某特征的识别系统应比较容易被用户接受。7性能要求：是指基于某特征的系统应该能获得自足够高的识别精度，并且对资源环境的要求都应该在一个合理的范围内。8安全性：是指某特征不容易被伪造和模仿。1.2.2 几种主要的生物特征身份识别技术1. 人脸识别人脸识别研究热潮出现在计算机视觉兴起的初期，用人脸进行身份识别直观、友好、方便、用户接受程度高。但计算机对人脸的识别还远达不到人眼对脸部的识别程度。目前在限制性输入条件下，在小样本数据库中人脸识别取得较好的效果，但识别准确率低于指纹和虹膜识别。人面部表情、姿态、化妆、年龄等的变化及采集图像时光线、角度、距离、面部遮挡等问题一直是人脸识别领域中的难题。2. 虹膜识别虹膜足位于瞳孔和巩膜问的环状区域，每个人虹膜上的纹理、血管、斑点等细微特征各不相同，且一生中几乎不发生变化。用摄像机捕获用户眼睛的图像，从中分割出虹膜图像，进行定位校准、特征提取、编码用以匹配。到目前为止，虹膜识别的错误率是各种生物特征识识别中最低的。但蛆膜因受到目良腧、睫毛的遮挡，准确捕获虹膜图像是很困难的，而且图像采集设备复杂昂贵，虹膜一旦有病变或损伤会影响识别，对盲者和患有如白内障等眼部疾病的人无效。3. 视网膜以别视网膜识别利用人眼视网膜七分御的毛细血管网的差异性来鉴别身份，是目前生物特征中可靠性最高的身份鉴别方法。视网膜隐藏在眼球中，不磨损，不易受老化和一般疾病的影响，更具独特性和稳定性。因鉴别时需用红外线扫描眼底视网膜以获得血管网图像，存在长期使用是否会对使用者健康构成伤害的问题，所以该方法接受程度最低。另外，由于系统技术含量及成本很高，实用推广难度大。4. 指纹识别指纹是手指末梢乳突纹突起形成的纹线图案，指纹的稳定性、惟一性早己获得公认，目前指纹识别主要利用指纹纹线所提供的细节特征(即纹线的起终点、中断处、分叉点、汇合点、转折点)的位置、类型、数目和方向的比对来鉴别身份。指纹识剐在所有生物特征识别中无论从硬件设备还是软件算法上都是最成熟、应用最早、使用最广泛的。尽管如此，指纹识别技术也有不足之处。一方面对指纹质量较差的人群如皮肤干燥、有疤痕、老茧、表面磨损严重和有病变的人无法取得好的识别效果。再者指纹使用接触式采集，传感器表面灰尘油污附着物等会影响识别，留在传感器上的指纹存在被盗取复制的可能性。5. 掌纹识别掌纹指手掌内侧表面的纹线图案，一般由35条明显的屈肌纹、众多皱纹和乳突纹交错构成。掌纹形态受遗传基因控制，一旦形成终生不变。每个人的掌纹形态均不相同，掌纹纹理复杂，所提供的信息量较指纹丰富，利用掌纹的线特征、点特征、纹理特征及几何特征完全可以确定人的身份。掌纹主要特征明显(如屈肌纹和皱纹所形成的线特征)，可在低分辨率图像中提取，不易受噪声干扰，特征空问小可实现快速检索和匹配。乳突纹形成的细节特征与指纹相似，但比指纹纹型丰富。从理论上说有更高的鉴别能力，需要在较高分辨率图像中获得，因掌纹面积大，导致图像数据量及特征空间太大，为图像处理带来一定难度。实际上现行掌纹采集设备成本低，较低的分辨率就满足识别需要，可接受度高，是很具潜力的身份识别方式，但因研究起步晚，理论和应用上都还有待迸一步深入。6. 手形识别手形识别是利用手掌、手指及手指各关节的长、宽、厚等三维尺寸和连接特征来进行身份鉴别，这些特征采集简单，不易受噪声于扰，对设备要求不高。其识别速度在所有生物特征识别系统中是最快的，但因识别率相对较低，一般用作身份验证。手形识别系统使用方便，价格合理，已在机场、海关、高级住宅、进出口控制等方面获得广泛使用，市场占有量仅次于指纹识别系统。当手部因劳动、外伤或疾病等原因造成外形上的变化时，会影响系统鉴别的准确性。7. 签名识别签名识别是日常生活中接触最多的一种身份识别方法，接受程度高。但因笔迹动态范围变化大，即使同一个入在不同时期和精神状态下的笔迹也不会完全相同，所以多用于身份验证中。识别按获取方式分为离线和在线识别两种。离线识别通过扫描仪获取已书写好的文字图像，利用计算机从中提取文字的几何特征，由笔划本身特征和相互关系来进行识别。这种方式简单但易被伪造。在线识别需用专用手写板和压敏笔来记录整个书写过程，包括书写的笔划顺序、笔尖压力、倾斜度及书写时的速度和加速度等丰富的动态特性，弥补了离线识别只取静态特性的不足，难以伪造。8. 语音识别语音识别利用说话者发声频率和幅值的不同来辨识身份。语音识别大体分两类：一种是依赖特定文字识别，如：让说话者说某个特定的词语或几个特定词语中随机的某个来识别真伪，这种方式系统设计简单，较易实现，但安全性较差；另一种是不依赖特定文字识别即说话者可随意说任何词语，由系统找出说话者发音中具有共性的特征进行识别，该方式虽有很好的防伪性，但系统复杂，实现起来存在一定困难。因语音远程传递的方便性，在电话拨入系统中有其他生物特征不可取代的优势，但也仍存在不足，如语音受心理状态、疾病等自身因素和语音环境、采集设备、传输通道等外部因素的干扰，会影响识别效果，对磁带录音进行欺阼的可能性也未能很好的解决。 表1-1是几种生物特征识别效果评价的比较表。表1-1 生物识别效果比较表生物特征普遍性唯一性稳定性可采集性识别性能可接受性防欺骗性人脸高低中高低高低指纹中高高中高中高虹膜高高高低高低高掌纹高中高高高高中静脉中中中中中中高DNA高高高低高低低手型中中中高中中中视网膜高高中低高低高1.2.3 生物识别技术的应用生物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，都可以用到生物识别技术，下面举一些生物识别技术的应用领域；行政领域，这可能是生物识别技术应用最广泛的领域，20世纪60年代以来，生物识别技术已经广泛的应用于刑事案件的侦破中。美国联邦调查局和 法国巴黎警部开发的“自动指纹识别技术”已经成功的破获了大量案件。1. 银行系统，银行部门的自动柜员机、电话银行、网络银行等系统，比较容易被非授权者利用，从而造成重大损失。生物识别及时的应用，可以减少或避免这些非法事件的发生。2. 逻辑访问控制，在信息社会，人们对各种的信息需要量越来越大，获取信息的渠道越来越多，信息的共享程度也越来越大。但是，在很多的时候，信息资源并不是对每个人都完全共享，而是对不同的人设置不通的访问权限。生物识别技术可以用来控制对信息源的访问权限。3. 物理访问控制，生物识别技术可以用来限制人们呢可进的地方，如某些军事记得和核电站等，从而降低安全威胁。4. 社会福利，福利机构每年都会因假冒者 的欺骗行为，遭受重大的损失。生物识别技术可以从根本上杜绝这些事情的发生。5. 海关，恐怖分子、毒贩、非法移民和越来越多的游客使各国的海关受到的压力越来越大。任何能快速的、自动的、有效地区分合法者和非法者是各国海关面临的紧迫问题，省生物识别技术是解决这个问题的有效办法。6. 民政部门，各国政府已经开始用生物识别技术来记录本国的人口增长、鉴别公民的身份和防止选举中的作假行为。7. 电话系统，在过去的几十年里，全球通信技术已经发站起来，但各国电话公司同样面临通信资源被非法利用的问题。生物识别技术，特使是声音识别技术，是解决这个问题非常有效的措施。8. 作息考勤，生物识别及时可以用来记录和监控公司职员的作息和考勤等情况。以上是生物识别技术广阔应用领域中很少的一部分， 随着社会的飞速的发展，生物识别技术做为一种最有效的身份识别技术，其应用范围必将迅速扩大。1.3 本文的主要安排 本论文主要是共四章，每一章的具体内容安排如下：第一章是引论。主要介绍目前传统的身份识别方法的种类、优缺点、以及一些生物识别技术的相关概念，并对现如今身份识别系统发展和应用作了简要的说明。第二章是介绍掌纹识别的研究历史、掌纹的形成、掌纹基本特征和掌纹识别技术的优点相关知识。并简要的分析了国内外掌纹研究的基本过程和研究现状。第三章主要掌纹识别系统的设计和实现，对掌纹图像的采集、预处理及相关特征提取和匹配的过程作了相关地阐述。第四章主要是MATLAB在掌纹识别系统中的应用，并对测试结果做了简要分析。最后是本论文总结，以及对本文所提的方法进行了总结并对此提出展望。第二章 掌纹识别技术的研究2.1 掌纹研究的国内外现状手掌是手腕到手指跟之间的掌心区域，掌纹则是手掌皮肤上的所有纹路的统称。主要包括突线主线和皱线。最初的掌纹研究的目的是为了算命，根据西安在印度各地的遗址和壁画中残留古老的记录及婆罗门教所传授的口碑中，都可以了解到手相在古代印度甚为流行。在中国，早在三千年前的周朝，手相学已经很盛行，在西汉时期许负撰写了一本关于掌纹算命的书，可是说是在中国最系统的手相著作。该书中包含了掌纹的类型，线特征的分布，手掌颜色以及某些特征点的定义等等。对于掌纹的自动识别技术有这很好的借鉴意义。近年来，医学界也兴起了掌纹诊病的研究热潮。目前对于掌纹识别技术而言，其发展较指纹识别而言还处于起步阶段，就国内外而言，香港理工大学走在该项技术的前沿，并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，并于2003年再网上发布了首个掌纹图像标准库。香港理工大学的张大鹏教授率领其团队在2004年出版了第一部有关掌纹识别技术的书籍；再者，国内哈尔滨工业大学的王宽全教授和邬向前副教授也对掌纹识别技术有较深入的研究。随着信息技术和网络技术的高速发展，信息安全显示出前所未有的重要性。生物识别技术以其特有的稳定性、唯一性和方便性，得到越来越广泛的应用。掌纹识别作为一项新兴的生物识别技术，因具有采样简单、图像信息丰富、用户接受程度高、不易伪造、受噪声干扰小等特点受到国内外研究人员的广泛关注。但是由于掌纹识别技术起步较晚，目前尚处于学习和借鉴其他生物特征识别技术的阶段。2.2 掌纹识别的优势掌纹识别是近年来新兴的一种身份识别方法，是对现有生物识别技术的重要补充。和其他生物技术相比，掌纹识别具有很都有点：1. 跟指纹一样，手掌上也布满了乳突纹，但是手掌区域却比手指区域大得多，因而它含有比指纹更丰富饿可区分信息；2. 手掌上有几条大的主线和很多的皱褶线，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. 与三维手型相比，掌纹特征的唯一性更强，更适合身份辨别，性能更好；4. 和人脸相比，掌纹图像获取的条件较易控制，从而能 较好地保证掌纹识别系统的识别精度；5. 和虹膜以及视网膜相比，掌纹图像采集设备的价格要低廉的多，并且使用更方便，容易被用户接受；6. 和签名相比，掌纹特征非常稳定，这使得它在身份识别中能获得比签名更好的识别精度；7. 当使用高分辨率的采集设备时，手掌上的各种特征，如掌纹的几何特征、手掌上的乳突纹、主线和皱褶线等特征可以融合在一起，形成高精度的识别系统。2.3 掌纹的形成及特征 在生物组织学中，人的皮肤分为三层，表皮、真皮和皮下组织。表皮是皮肤的最外层，它保护着内部的组织。表皮细胞称为角化细胞，分布于整个表皮，形成大量的角蛋白，构成一个坚韧的外壳。手掌的表皮厚度接近0.8mm ,而身体的其他部分表皮仅为0.060.12mm。人在出生后，由于持续的压力和摩擦力，人的表皮逐渐增厚。人的手掌上有三条纹线，分别称为屈肌线、皱褶线和乳突线。这些纹线主要是由于手指的运动、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。屈肌线也称主线，按照手学上的定义，主线可分为生命线、智慧线和感情线。1. 主线， 尽管每个人手掌上的主线形成过程是相同的，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区别。而且每个人的手掌手指的大小、薄厚的不同也进一步影响了这些纹线的形成。2. 皱褶线，在人的整个身体中，由于部位的自然运动，导致皮肤在不同的方向上进行伸展，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，形成永久皱褶。事实上，显著的起皱现象是肌肉运动导致的，手掌上一些皱褶是天生的，二另外一些事由于长时间的抓握二引起的肌肉运动所致。3. 乳突纹，乳突纹是皮肤最外曾表皮永久变厚形成的。他们高于皮肤的平均层面，分别在手掌内和脚掌底部。手掌个部分乳突纹的粗糙程度不同，指尖部分最为细致，而手指其他部分最为粗糙，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，为手掌拿东西提供摩擦力。皮肤的第二层为真皮，包含皮肤的结构元素和连接组织。皮肤的第三层是由脂肪组织细胞组成的皮下组织。由于这两层不在本研究的本论文的范围内，所以不多做说明，详细可以查看相关的参考书籍。 每个人的掌纹的纹线都不一样，即使是孪生同胞，他们的掌纹也只是较为相似，并不完全一样。掌纹的面积较大，包含的信息量更多，即使在掌纹区域不完整或低分辨率和低质量的掌纹图像上仍可以提取可供身份鉴别的特征。掌纹是由屈肌线、皱纹线和脊线共同构成。手掌上最为明显的35条掌纹线，称为屈肌线。在掌纹识别中，可利用的信息包括： 1. 几何特征(Geometry)：包括掌纹的长度、宽度、面积等与手掌形状有关的几何参数。2. 屈肌线特征(Pfincipal line)：指屈肌线的形状和空间信息，它是体现掌纹稳定性和唯一性的最重要特征，在小规模数据库条件下，屈肌线特征对掌纹身份识别是完备的，当建立大规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(Wrinkle)：指掌纹中很多比屈肌线细，不规则的直线或曲线，它们可提供更详细的掌纹特征。4. 三角点(Delta point)特征：指掌纹中很多三角形区域的中心点，这些三角点通常位于手掌的根部。5. 脊线细节特征(Minutiae)：脊线是覆盖在掌纹表面的类似于指纹的细小、规则的纹路，可以利用类似提取指纹细节特征的方法来提取掌纹的细节特征。通常，几何特征、屈肌线特征和皱纹线特征可以在低分辨率、有噪声的图像得到，三角点可以在方向图像上定位，并能够在有噪声的高分辨率的图像得到，而脊线特征只能在无噪声的高分辨率的图像上获得。2 .4 掌纹识别模型掌纹识别系统同一般的模式识别在结构上是一样的，它们都由两部分构成，训练样本录入阶段和测试样本分类阶段。训练样本录入阶段可以描述如下，首先对获取的掌纹图像训练样本进行预处理，然后进行特征提取，把提取的掌纹特征送入特征库留待与被分类样本进行匹配。测试样本分类是对获取的被测试样本经过与训练样本相同的预处理、特征提取步骤后，进行分类匹配。图2-1给出了一个典型的掌纹识别的处理过程。 掌纹采集预处理特征提取掌纹模板 库掌纹采集预处理特征提取特征匹配识别结果 图2-1掌纹识别模型1. 掌纹采集模块主要是完成掌纹图像的获取功能，这是掌纹识别研究的基础，要求所获取的图像清晰度高，受环境的变化小，采集速度足够快同时要求掌纹采集方便，易被用户接受。该模块的研究内容包括硬件和软件两个部分，硬件是指掌纹采集设备的研制；软件是指设置和控制设备以获取掌纹图像的程序。2. 预处理模块主要完成掌纹图像处理的去噪、增强、分割、定位、和归一化等操作，以利于进一步的特征提取和匹配。预处理算法是根据掌纹图像的特点设计的，而不同的采集设备获取的掌纹图像具有不痛的特点，因此，预处理算法与掌纹采集设备密切相关。3. 特征提取模块定义和区分能力较强的掌纹特征。本模块是掌纹识别中最为重要的部分，特征提取得好坏是掌纹识别系统性能的关键。在进行特征定义与提取时，要考虑如下几方面的因素：、特征区分能力的大小。应尽量使用距离较大，而类距离较小。、提取时间所需要的时间。该时间越少越好，如果特征提取的时间开销太大，就哼难满足身份识别的实时性要求。、特征所占空间的大小。特征所占空间太大，系统就需要更多的存储介质，这必然会导致整个系统的成本的增加。同时，特征匹配所需要的时间与特征占用的空间量成正比，因此太大的特征空间占用量会影响整个系统的响应速度。4. 特征匹配模块决定掌纹算法的设计和选取，掌纹匹配的算法与所提取的掌纹特征密切相关，不同的特征需要不同的匹配算法。同时，该模块根据具体需求决定是进行一对多匹配（辨识）还是一对一匹配（验证）。 2.5 掌纹识别算法掌上的特征极为丰富，主要分为主线特征、褶线特征、细节点特征和三角点特征几大类。主线是手掌上最深最粗的几条线，大多数手掌上有三条主线，分别称为生命线、感情线和智慧线；除了主线外，手掌上还有很多褶线，一般来说这些线要比主线细、浅，并且很不规则；由于手掌上也包含很多和指纹上一样的乳突纹，所以和指纹识别一样，在手掌上也可提取这些乳突纹的细节点特征。三角点是乳突纹在手掌上三角区域的中心点，这些三角区域位于手指根下面的区域，在中指下靠近手腕的区域也有三角区域。由这些基本特征还可以形成很多其他的特征，如可以由乳突纹、皱褶和主线共同形成掌纹纹理特征等，针对如此，可以采取多种方法对掌纹识别技术进行研究。本论文主要采用主成分分析法来对掌纹识别技术进行研究，详情见第三章。2.6 本章小结在前一章节中，讲述了多种生物识别技术，掌纹识别作为其中一种只是稍微提到。但作为本论文的主要研究对象，本章节对掌纹识别的研究现状、掌纹识别的优势、掌纹的形成及特征、掌纹的模型以及掌纹识别算法作了的阐述。第三章 掌纹识别3.1 掌纹的获取 3.1.1 掌纹图像获取技术简介掌纹研究具有悠久的历史，特别是在刑侦和手相学方面，随着科技的进步，特别是计算机的相关技术的发展，可以用一些先进技术来获取并保存掌纹图像，并借计算机来进行掌纹的自动分析识别。总的来说，掌纹数字图像的采集分为两种方式：脱机、联机。 脱机掌纹图像的采集分为两步，首先形成掌纹图像，然后再把图像输入计算机。当前脱机掌纹图像的采集主要有基于墨迹的方式、基于传统相机的方式和给予数码相机的方式。1. 基于墨迹的方式其典型的过程如下：在用户手掌上涂上墨粉或墨汁；该手掌按在白纸上，形成墨迹的掌纹图像；用扫描仪把这个图像输入计算机。这种方式的有有优点是获取掌纹图像的纹理和纹线比较清晰，缺点是需要将墨汁或墨粉涂在手上，这使用户很难接受。2. 基于传统相机的采集方式先用相机拍掌纹，并冲洗出来，再用扫描仪将图像扫入计算机形成数字图像，这种方式比墨迹方式容易为人们所接受，但是缺点是很难获得高清晰度的掌纹图像。3. 基于数码相机的方式先用数码相机拍摄掌纹图像，然后再输入计算机。这种方式虽然克服了传统脱机掌纹采集的缺点，使用户容易接受，但是得到的掌纹纹理和纹线不如墨迹的清晰。 脱机掌纹图像采集方式的共同缺点是不能实现掌纹的实时识别，从而严重的限制了其应用范围。 联机掌纹图像的采集是基于计算机老控制整个采集过程，即直接将掌纹图像采集到计算机。采集主要有基于扫描仪和基于CCD两种方式。1. 基于扫描仪的方式用扫描仪直接扫描手掌来获取图像。这种方式的优点是设备体积可以做的比较小；缺点是获取图像的速度比较慢，获取一幅图像往往需要几秒钟时间，不利于实现掌纹的实时识别。2. 基于CCD设备的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与科学技术学院联合设计和开发了基于CCD的掌纹采集设备。计算机通过该设备可以直接获取较高质量的掌纹图像。这种方式的优点就是获取掌纹的速度快，适用于实时掌纹识别系统。3.1.2 基于CDD的掌纹获取 要实现一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。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可以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。 该掌纹图像采集设备有五个部分组成：用户界面模块、光学模块、A/D转换模块、存储模块和设备外壳。其原理图如图3-1所示。用户界面模块光学模块AD转换器存储模块图3-1 基于CCD联机掌纹采集图像设备工作原理图1. 用户界面模块，用于掌纹的输入，对生物特征识别系统来说，用户界面模块的好坏往往能决定该系统能否被真正的打规模应用。主要设计要求有：手感的舒适度、限制平移和旋转、光线的处理等。2. 光学模块，包括光源、镜头、CCD传感器，主要使手掌能良好的成像。其中光源对掌纹图像的采集效果影响很大，人的手掌呈三维曲面，手掌的各个部位对光线的反射能力不均，这就容易造成获取的掌纹图像有的部分过亮有点部分过暗，所以确保手掌要得到均匀而稳定的光照。3. A/D转换器，位于图像采集卡中，用于将光学模块得到的模拟掌纹图像信号转换成数字信号。4. 存储模块，用来存储掌纹的数字图像。5. 设备外壳，用来支撑上述所有部件，同时也起到暗箱作用。3.2 掌纹图像的预处理经图像信息输入系统获取的图像中通常都含有各种各样的噪声和畸变，大大的影响了图像的质量。因此，字多图像进行分析之前，必须先对图像质量进行改善。通常，采用图像增强的方法对图像质量进行改善。图像增强不会考虑引起图像质量下降的原因，而是将图像中的感兴趣的特征有选择的突出，并衰减不需要的的特征。图像增强的目的是为了改善图像的视觉效果，提高图像的清晰度和工艺适应性，以及便于人与计算机的分析与处理，以满足图像复制或再现的要求。32.1 灰度变换增强灰度变换增强是根据某种目标条件，按一定变换关系逐点改变原图像中每一个像素点的灰度值的方法，即设远图像像素的灰度值为：，处理后的图像像素的灰度值为：,则灰度增强可表示为 通过变换，达到灰度增强的效果，当灰度变换关系确定后 ，则确定了一个具体的灰度增强方法。通常是一个单值函数。一、直方图灰度变换 有多种方法可以实现图像灰度变换，其中最常用的就是直方图灰度变换的方法，下面将重点讨论直方图灰度变换方法。 图像的直方图是图像的重要统计特征，可以认为是图像灰度分布密度函数的近似。通常图像的灰度分布密度函数与像素所在的位置有关。设图像在点 处的灰度分布密度函数为，那么图像的灰度密度函数为： （31） 式中， 是图像的定义域， 是区域 的面积。一般来讲，要得到精确的图像灰度灰度分布密度函数比较困难，所以在实际中用图像的直方图来代替。直方图是一个离散函数，它表示数字图像每一灰度级与该灰度级出现频率的对应关系。设一幅数字图像的像素总数为 ，有 个灰度级，具有第 个灰度级的灰度 的像素共有 个。则第 个灰度级出现的概率为： （32）采用灰度直方图后，大大的提高了图像的亮度，也可以使原始的图像灰暗部分的动态变化范围大大增加，从而使细节更容易观看。以下掌纹是经过直方图灰度变换后的图像和没经处理的原掌纹图像的对比，图3-1是没经处理的原图像，图3-2是经过直方图变换后的掌纹图像。 图4-1 掌纹原图 图4-2直方图变换后点的掌纹图像从掌纹图像的对比可以看出，经过直方图灰度变换的掌纹图像比没经过处理的掌纹图像要明亮，纹理比较清楚，这就达到了掌纹图像预处理的效果。二、直方图均衡化 直方图均衡化是一种使输出图像直方图近似服从均匀分布的变换算法，其主要的计算步骤如下：1. 列出原始图像的灰度级 ，其中 是灰度级的个数。2. 统计各灰度级的像素数目 。3. 计算原始图像直方图各灰度级的频度 ，其中 为原始图像总的像素数目。4. 计算累计分布函数 5. 应用以下公式计算映射后的输出图像的灰度级 ， ，为输出图像灰度级个数 ： 其中， 为取整运算。6. 统计映射后各灰度级的像素数目 ，。7. 计算输出图像直方图，8. 用 和 的映射关系修改原图像的灰度级，从而获得直方图近似为均匀分布的输出图像。 以上8个步骤是实现直方图均衡化的具体过程。下面就掌纹图像直方图均衡化前后的对比，图3-3是处理前的掌纹图像，图3-4是处理后的掌纹图像；图3-5是处理前的直方图，图3-6是处理后的直方图。 图3-3掌纹原图 图3-4直方图均衡化 图3-5 原图直方图 图3-6 均衡化后直方图 由以上图像可以看出，均衡化后的图像细节成分更加清楚了，同时，在直方图调整之前，低灰度比列很大，经过直方图均衡化后，各灰度等级的比列更加平衡。3.3 边缘检测（基于导数的边缘检测） 边缘检测在图像处理与计算机视觉中占有很特殊的位置，它是底层视觉处理中最重要的环节之一，也是实现基于边界图像分割的基础。在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的。这种找一包括灰度，颜色或者纹理特征。边缘检测实际上就是检测图像特性发生变化的位置。 函数倒数反映图像灰度变化的显著程度，一阶导数的局部极大值和二阶导数的过零点都是图像灰度变化极大值地方。因此可将这些导数值作为相应点的边界强度，通过设置门限的办法，提取边界点集。 一、基于一阶导数的边缘检