基于掌紋和手形的生物特征識(shí)別方法.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，生物特征識(shí)別技術(shù)的應(yīng)用需求也不斷的擴(kuò)大，性能更可靠和用戶接受度更高的識(shí)別系統(tǒng)成為了目前的研究熱點(diǎn)。基于手部特征的識(shí)別技術(shù)具有高可靠性和高用戶接受度的特點(diǎn)，其中掌紋和手形兩種特征的融合更是可以獲得更高的系統(tǒng)可靠性。因此本文分別研究了掌紋和手形兩種特征的識(shí)別技術(shù)，同時(shí)也全面的測(cè)試了目前常用的融合方法。具體來(lái)說(shuō)，全文的主要工作概括如下：
　　 (1)對(duì)于原始圖像上的掌紋識(shí)別技術(shù)，提出了一種基于張量表示的最大邊緣準(zhǔn)則算法

2、。作為基于子空間的特征提取方法的一種分支，該算法完善了最大邊緣準(zhǔn)則的不同數(shù)據(jù)表示形式的系列。該算法在保持了與同類張量算法近似的性能的前提下，具有更高的魯棒性。相對(duì)于最大邊緣準(zhǔn)則的向量形式算法，張量形式的算法計(jì)算速度更快，且該算法在少量訓(xùn)練樣本的情況下就可以獲得比較高的識(shí)別效果，非常適用于樣本數(shù)量偏少的生物特征識(shí)別應(yīng)用。在掌紋數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)證明了該算法的有效性。
　　 (2)對(duì)于特征圖像上的掌紋識(shí)別技術(shù)，提出了兩種基于線特征直方圖

3、的掌紋特征表示，分別基于Gabor特征和有限Radon變換。在這些特征表示的基礎(chǔ)上再使用基于子空間的特征提取方法進(jìn)行掌紋識(shí)別，可以獲得比使用原始圖像進(jìn)行掌紋識(shí)別更好的識(shí)別效果。所提出的兩種特征表示使得基于子空間的特征提取方法在掌紋識(shí)別應(yīng)用中獲得了與頂級(jí)掌紋識(shí)別方法的類似性能，達(dá)到了具有高可靠性的應(yīng)用水平。
　　 (3)對(duì)于手形的識(shí)別，提出了一種基于形狀上下文的改進(jìn)的識(shí)別算法，使用了一種針對(duì)手形識(shí)別問(wèn)題的新的一致性距離。該算法對(duì)于