掌紋識(shí)別方法的應(yīng)用研究.pdf

1、生物特征作為人的內(nèi)在屬性，因其很強(qiáng)的自身穩(wěn)定性和個(gè)體差異性，成為身份驗(yàn)證的理想依據(jù)。利用具有易獲取、主特征明顯、穩(wěn)定可靠、可分辨性強(qiáng)特點(diǎn)的掌紋識(shí)別，成為了基于生物特征身份鑒定技術(shù)的新的研究與應(yīng)用領(lǐng)域，也成為了基于指紋和掌型身份鑒別技術(shù)的重要補(bǔ)充。 掌紋識(shí)別分為掌紋圖像獲取、預(yù)處理、特征提取和分類器設(shè)計(jì)四個(gè)階段。首先使用CCD(ChargeCoupledDevices)掃描儀獲取BMP格式的掌紋原始圖像，然后在預(yù)處理階段提出了利用

2、小波變換對(duì)規(guī)一化后的掌紋圖像進(jìn)行分解，提取相對(duì)穩(wěn)定的低頻子帶的方法，有效地降低圖像的維數(shù)和后期圖像處理工作的復(fù)雜度；根據(jù)掌紋本身的特點(diǎn)，結(jié)合所處理的掌紋圖像的特點(diǎn)，有針對(duì)性地應(yīng)用了PCA(PrincipalComponentAnalysis)特征提取方法，采用K-L變換算法提取掌紋圖像全局特征向量，所提取的特征向量充分保留了原圖像空間中的掌紋信息，并可以有效地進(jìn)行原圖像的重建；最后采用易于實(shí)現(xiàn)的最小距離法以及自適應(yīng)性較強(qiáng)的BP人工神經(jīng)網(wǎng)

3、絡(luò)完成訓(xùn)練和識(shí)別。 在算法實(shí)現(xiàn)時(shí)，把是否采用基于小波變換的預(yù)處理和K-L變換的特征提取方法與兩種分類器設(shè)計(jì)方法分別組合，提出了小波變換和K-L變換與最小距離分類器、K-L變換與最小距離分類器、小波變換和K-L變換與BP神經(jīng)網(wǎng)絡(luò)分類器、K-L變換與BP神經(jīng)網(wǎng)絡(luò)分類器四種組合算法。實(shí)驗(yàn)證明，采用對(duì)規(guī)一化后掌紋圖像進(jìn)行小波變換再提取圖像的全局特征向量結(jié)合BP人工神經(jīng)網(wǎng)絡(luò)的識(shí)別算法，可以獲得較高的識(shí)別率及容錯(cuò)能力，并有效地降低了訓(xùn)練和識(shí)