單樣本條件手部特征識別算法研究.pdf

1、生物特征識別是采用人所具有的獨特的生理或行為特征進行身份鑒別的技術(shù)，是解決社會信息化、網(wǎng)絡(luò)化發(fā)展中安全問題的有效方案之一。在部分實際應(yīng)用中，如法律實施、智能卡應(yīng)用、身份證和護照等，每類用戶僅有一個生物特征樣本用于訓(xùn)練，這將導(dǎo)致系統(tǒng)識別性能下降。如何提高單訓(xùn)練樣本條件下的生物特征識別性能已經(jīng)成為生物特征識別領(lǐng)域的研究熱點。多模態(tài)生物特征融合是一種解決單訓(xùn)練樣本生物識別問題的有效途徑。
　　本文以手部特征為研究對象，以單訓(xùn)練樣本為研究

2、前提，研究了單訓(xùn)練樣本條件下的掌紋、指橫紋、手指特征識別方法，并采用融合的方法有效地提高了單訓(xùn)練樣本條件下手部特征識別系統(tǒng)的性能。本文的主要工作和貢獻如下：
　　1.基于子空間分析的掌紋識別研究。分析主成分分析算法(PCA)中各單獨主成分的判別性能與對應(yīng)投影能量的關(guān)系，提出一種特征加權(quán)的主成分分析方法(FWPCA)。對于單樣本掌紋識別，該方法可以采用較少的特征維數(shù)得到更佳的識別性能；進一步在FWPCA的基礎(chǔ)上增加圖像近鄰關(guān)系矩陣約

3、束，提出一種特征加權(quán)的局部保持投影方法(FWLPP)，同樣取得了識別性能的提升；最后，對PCA的泛化性能進行分析，其本質(zhì)為特征空間的平移與旋轉(zhuǎn)，當(dāng)采用大量樣本構(gòu)造特征空間時，對于未知樣本可以保持良好的識別性能，有效提高算法的泛化能力。
　　2.提出一種小波子帶融合的單樣本掌紋識別方法。小波分解能夠在保持掌紋圖像能量的基礎(chǔ)上，有效地降低圖像分辨率，并能去除圖像中的噪聲。然而，小波高頻子帶因其對噪聲和定位誤差比較敏感而不能用于掌紋識別

4、。針對這一問題，提出使用均值濾波方法提高掌紋小波水平和垂直子帶中主線等幾何特征的魯棒性，使其可以獲得與低頻子帶相當(dāng)?shù)淖R別性能，進一步融合小波子帶提高單訓(xùn)練樣本條件下掌紋識別系統(tǒng)的性能。
　　3.對手指特征進行研究。指橫紋是一種較新的手部生物特征，因其缺乏一種有效的定位方法，導(dǎo)致子空間、紋理分析等特征提取方法不可用。提出采用手指剛性區(qū)域保證手指的旋轉(zhuǎn)不變性，進而采用多尺度水平方向高通濾波增強指橫紋特征，提取能量集中區(qū)域從而保證指橫紋

5、平移不變性，分別提取指橫紋PCA特征、Gabor相位特征、Gabor幅度量化特征用于指橫紋識別，匹配分?jǐn)?shù)級融合方法進一步提高了單訓(xùn)練樣本指橫紋識別系統(tǒng)性能。此外，對包含遠指橫紋、中指橫紋、手形等特征的食指、中指、無名指和小拇指進行單訓(xùn)練樣本條件下的識別研究，基于PCA、LPP特征提取算法表明，這四個手指特征都可用于身份識別，為手部特征融合提供了基礎(chǔ)和條件。
　　4.提出一種匹配分?jǐn)?shù)級融合算子評估方法，給出各融合算子判決性能的理論解

6、釋。匹配分?jǐn)?shù)級融合算子包括求和、乘積、最大和最小算子，它們是在貝葉斯框架下根據(jù)不同假設(shè)條件下的理論近似，因其使用簡單、無需訓(xùn)練被廣泛應(yīng)用。但在實用過程中，融合算子性能的優(yōu)劣往往根據(jù)實驗結(jié)果來評價，無法事先估計各算子的性能。提出采用基于概率密度分布的真假兩類可分性度量方法評估各融合算子的判決性能。在模態(tài)條件獨立的前提下，各融合算子的概率密度分布可由單一模態(tài)概率密度分布計算出來，根據(jù)各融合算子的概率密度分布情況，可以有效評估各融合算子性能，

7、從而實現(xiàn)最優(yōu)融合算子的自適應(yīng)選擇。
　　5.提出一種基于層次的單樣本手部特征識別方法，通過各層匹配閾值的調(diào)節(jié)，實現(xiàn)不同層次的識別。第一層，中指與小拇指匹配分?jǐn)?shù)融合。若待測樣本匹配分?jǐn)?shù)小于設(shè)定閾值，則完成識別；否則進入下面的層次進行識別。第二層，食指與無名指匹配分?jǐn)?shù)融合。第三層，掌紋小波子帶匹配分?jǐn)?shù)融合。若前三層都未能完成識別，則進入最后一層，即融合前三層匹配分?jǐn)?shù)進行識別。該方法采用由精到粗的匹配策略，使盡可能多的手部特征樣本在第一