导读:本文包含了指节纹论文开题报告文献综述及选题提纲参考文献，主要关键词:身份识别,指节纹,LBP特征,深度信念网络
指节纹论文文献综述
张帆[1]（2019）在《基于指节纹的身份识别方法研究》一文中研究指出当前处于网络信息化社会中,很多场合需要对人的身份进行真实可靠的鉴别,目前最有效的方法是生物特征识别技术。作为生物特征识别的一种,指节纹识别有着独特的优势和广泛的应用前景。相对于其他比较成熟的生物特征识别方法,指节纹识别虽然发展迅速,但是由于提出时间较晚,研究不够丰富,还存在一些有待解决的问题。首先,传统识别方法存在特征冗余,识别准确率低;其次,要做到实际应用于身份识别中,就需要快速识别,而关注识别速度的相关研究比较欠缺。本文基于PolyU-FKP数据库,针对以上问题,通过传统算法和深度学习方法进行了研究,具体研究内容如下:(1)针对指节纹图像线条结构不清晰、对比度较低的问题,采用限制对比度的自适应直方图均衡化来增强图像纹理,并提高对比度;(2)通过传统算法进行指节纹识别,提取指节纹图像Sift特征进行匹配,并提出结合LBP特征的相位相关算法。实验结果表明,传统算法提取的特征冗余较大、识别准确率较低,改进后的方法提高了识别的准确率。(3)针对传统算法特征冗余较大、识别率低的问题,采用深度信念网络对指节纹图像进行特征提取及分类,深度学习方法能有效解决特征冗余问题。对增强后的图像提取LBP特征,作为网络的输入,减小了光照不均匀和幅度很小的平移、旋转等局部变换对深度信念网络学习到的特征的影响。将输入改为LBP特征之后,相比于直接使用原图有效提高了识别的准确率,识别速度提高了10倍。(4)针对识别速度慢、特征表示对输入的局部变换鲁棒性较差的问题,将卷积神经网络和深度信念网络结合形成卷积深度信念网络,同时采用LBP特征作为输入,相比于深度信念网络,识别速度提高了24倍。(5)基于MATLAB平台,开发了一款基于指节纹的身份识别系统。该系统可在文件夹选择单张指节纹图像,进行限制对比度的自适应直方图均衡化,提取LBP特征,利用深度信念网络(DBN)和卷积深度信念网络(CDBN)分别识别,得到所属类别和识别时间。也可以获得左手食指、左手中指、右手食指、右手中指四个大类以及整个测试集的识别准确率和所需时间。(本文来源于《西安理工大学》期刊2019-06-30）
周威,刘辉,曾伟高[2]（2019）在《基于顶帽变换的指节纹和掌纹识别改进算法》一文中研究指出针对指节纹、掌纹不易提取,且易受光照和手掌颜色不均影响的问题,提出了基于顶帽变换的指节纹、掌纹识别改进算法。顶帽变换能消除光照不均的影响,很好地提取手掌主纹线。对采集的手掌图像进行灰度化和顶帽变换后,进行二值化处理,分离出手掌区域,找到手掌区域所在位置,用Sobel边缘检测器分离出手掌边界,确定指尖指谷坐标,再对手掌区域进行分割,找到指节纹和掌纹大体区域,用互相关法进行掌纹和指节纹匹配。实验结果表明:提出的方法能够消除光照不均和手掌颜色不均的影响,且速度快,抗噪能力强,适合大规模手掌库实现粗筛选。(本文来源于《传感器与微系统》期刊2019年03期）
李温温,王吉彬[3]（2019）在《基于PCA的指节纹图像全局特征提取与识别》一文中研究指出在基于PCA(Principal Component Analysis)的指节纹图像全局特征提取和识别中,为了提高准确率,在传统方法的基础上,通过实验验证了4指指节纹对于识别结果有不同的分类权重(贡献率)。改进了已有研究成果中对4指等权重分配的方法。实验结果显示,和4指等权重分配方法达到94. 4%的识别率需要32维特征相比,4指权重比为2∶2∶3∶2时,取21维特征即可达到最高识别率94. 4%。因此该方法可大大降低特征维数,提高识别速度。(本文来源于《吉林大学学报(信息科学版)》期刊2019年01期）
李温温,刘富,姜守坤[4]（2018）在《基于引导滤波的指节纹图像增强算法研究》一文中研究指出在利用指节纹进行身份识别时,为提高图像的质量,避免光照不均匀和环境噪声对特征提取带来的影响,需要在图像预处理阶段进行增强处理。针对指节纹图像的特点,设计了基于梯度图像引导滤波的图像增强算法,并在指背关节纹数据库中进行了验证。结果表明,该图像增强算法可避免光照不均带来的影响,同时突出细节特征,适用于指节纹图像的预处理。最后进行的定量分析证明,经过本算法的增强处理后,图像将保留更多的细节信息特征,有利于后续特征提取和提高图像识别的准确性。(本文来源于《吉林大学学报(信息科学版)》期刊2018年04期）
李温温,刘富,姜守坤[5]（2019）在《指节纹图像感兴趣区域提取与特征识别算法》一文中研究指出为降低特征提取的工作量同时提高识别的准确性,设计了一种指节纹图像感兴趣区域(ROI)提取方法。首先,对采集到的图像进行预处理操作,分离并旋转定位四指图像。其次,通过手指图像梯度分布关系,计算负梯度的极值,并统计图像中每一行的负梯度极值个数来确定近指节纹的ROI区域。最后,通过局部二值模式(LBP)直方图相似性来验证所提取的ROI区域的准确性。实验证明,在采用本文方法所建立的指节纹ROI数据库中,分类准确率达到了100%。(本文来源于《吉林大学学报(工学版)》期刊2019年02期）
李温温[6]（2018）在《手形与指节纹双模态手部特征识别算法研究》一文中研究指出手部多生物特征识别系统在生物特征识别领域内占据重要的位置。和传统的指纹特征相比,指节纹和手形更稳定,不容易磨损、伪造和窃取,在图像采集方面,对采集设备和环境要求不高,非接触式的采集方式也大幅度提高了用户的满意度,因此指节纹和手形的单模态识别系统已经引起了国内外的广泛关注。大量研究表明,多生物特征融合可以大幅度提高生物特征识别系统的识别率、抗攻击性和鲁棒性。但多特征融合无疑提高了计算复杂度、特征维数和计算时间。因此本文的双模态特征识别系统针对这一问题,提出了新的解决方案。手形特征在一段时间内能保持稳定,具有较强的防伪性和抗攻击性,特征提取算法简单、识别速度快;指节纹纹理丰富,同指纹一样,可以在较长时间保持稳定且具有很高的个体差异性。两种特征融合使用可以做到优势互补,提高生物特征识别系统的识别准确率、稳定性和抗攻击性。本文主要研究内容和创新点包括以下几个方面:(1)分析使用非接触方式进行手形图像采集,造成识别率低的原因,针对手形识别过程中,手指张开程度不同而造成轮廓变形,从而影响识别结果的问题,提出了一种不受指根轮廓变形影响的手形识别新方法。通过改进手指细化方法提取手指骨架和手指几何特征。此方法可以解决手指骨架提取过程中图像不够光滑、毛刺、运算时间过长等问题,同时使得基于几何特征的手形识别方法在非接触式采集中取得了更好的识别结果。(2)针对指节纹图像纹理分布的特点,提出了一种基于负梯度极值统计分布的指节纹ROI提取方法。解决了基于投影的方法对于低分辨率图像无法提取ROI或者提取不准确的问题,同时本方法对于光照变化有较好的适应性,ROI图像库显示所有手部图像均可以提取准确有效的ROI。(3)针对指节纹图像识别,设计了全局特征和局部特征相结合的识别方法。一方面采用PCA作为全局特征,特征简单、识别速度快;另一方面,为提取更精细、反映细节的纹理特征,针对传统多尺度LBP算子未考虑不同尺度间灰度相关性以及局部像素与整体图像灰度分布的问题,提出了多尺度联合分布的LBP算子。在全局和局部融合环节,提出了两层串行融合策略,先根据全局匹配结果将样本库范围缩小,再利用精细匹配进一步确定匹配结果。设计的方法综合全局粗匹配速度快和局部精细匹配精度高两者的优势,不仅可以得到较高的识别率,识别速度也得到了提高。(4)设计了手部图像采集装置,一次采集可以同时得到手形和指节纹图像,建立了全手图像数据库,并根据提出的图像预处理方法,建立了指节纹ROI数据库,以此验证所提算法的有效性。在手形和指节纹单模态特征识别的基础上,设计了基于指节纹和手形特征融合的算法,通过层次匹配的方式,采用决策级和分数级融合的两级融合策略。对于决策级融合无法得到决策结果的样本,在第二层分数级融合中,根据匹配分数加权,得到判别结果。采用的特征融合方法在提高了系统识别率的同时,也提高了识别速度。同时,两种生物特征可以互为补充,保证了识别系统的可靠性。综上所述,本文利用全手图像提取了两种手部生物特征:手形和指节纹。在双模态融合阶段,通过优化各分类器的分类决策,提高了大数据库范围的识别精度和速度。实验验证了本文提出方法的有效性和可行性,为今后全手多模态识别的进一步研究奠定了坚实的基础。(本文来源于《吉林大学》期刊2018-06-01）
周威[7]（2018）在《基于指节纹和掌纹主纹线的身份识别算法研究》一文中研究指出手部主纹线识别是一种较新的生物识别技术,主纹线的走向、形态主要由基因控制,具有很强的独特性和稳定性,且对成像图片质量要求不高,便于快速识别。1、由于手部纹线提取易受背景区域手部颜色不均影响,本文首次把顶帽变换用于手部图像预处理,顶帽变换能有效的去除手部图像背景区域颜色不均的影响,使纹线提取更加容易,且具有抗噪能力强,可靠性好等特点。2、基于手部图像采集易发生平移和旋转,且面积大,匹配时间长等缺点,本文提出一种基于手部轮廓线的指节纹、掌纹图像分割算法,该算法不受手部平移和旋转带来的影响,分割出了单个手指各节指节纹区域及掌纹部分区域。该分割算法使匹配区域变小、匹配搜索时间缩短。基于本文分割算法还求出了手指长度和指节纹之间的距离特征,这些特征使特征融合匹配更加丰富。3、基于多数特征提取算法在特征提取过程中耗时长、易受噪声干扰等缺点,本文提出了一种基于双向垂直投影的图像特征提取算法。该算法对分割出的手指各节指节纹图像和掌纹图像进行两个相互垂直方向的垂直投影。双向垂直投影算法简单,特征提取速度快,抗干扰能力强,且相对其他特征提取算法,本文算法特征提取精度较高。4、本文提取的手部特征包括手指长度、指节纹之间的距离、指节纹及掌纹主纹线特征,在单一特征生物识别的基础上,为了提高大数据库在搜索时间和匹配正确率的性能,设计了一种多特征融合的时间由快到慢、匹配精确率由低到高排列的层次搜索匹配器,实现方法是把手指长度、指节纹之间的距离及指节纹识别的高效性与掌纹识别的高精度性结合。选择“串”规则信息融合方法,首先识别手指长度和指节纹指尖的距离,后识别指节纹特征,最后识别掌纹特征。从而实现了既具有较高识别精确度,又具备较理想的大库检索时间性能的多模态生物识别系统。(本文来源于《湖南师范大学》期刊2018-06-01）
李子超[8]（2012）在《基于方向可调滤波器的指节纹识别方法研究》一文中研究指出生物特征识技术是利用人的生理特征与行为特征进行自动个体身份鉴别的技术，其以数字图像处理为手段，使用模式识别的方法来确定人的身份，相比传统身份鉴别技术具有高准确率、高鲁棒性等特点，因此在近年来得到了越来越多的重视。多种生物特征例如指纹、人脸与虹膜等已经得到学者的深入研究，并广泛的应用于工业界。在众多的生物特征中，手部生物特征例如指纹、掌纹与掌形等，凭借其易获取性、稳定性与高用户接受度等特性获得了更多的关注与研究。近年来，学者发现人的指节纹，即指手指近掌端的第一个关节处的手指背部的皮肤纹理，有非常高的个体差异性，且相对于其他手部特征有不易磨损、不易在物体表面留下痕迹等特点，使其成为一个有广泛应用前景的新型生物特征。指节纹识别系统分图像获取、预处理、特征提取与特征匹配四大模块。本文首先总结了指节纹识别的发展现状，并分类介绍了指节纹特征提取与匹配的主要方法。然后将掌纹识别领域竞争编码算法应用于指节纹识别并根据指节纹特点加以改进，提出使用Log-Gabor滤波器代替原算法的Gabor滤波器以减少光照对滤波结果的影响，并将滤波器组中滤波器方向减少为4个，在保证与原算法同等识别精度的前提下提高了识别速度。为了进一步挖掘指节纹的局部纹理特征并提高算法识别精度，本文提出了基于自适应可调方向编码的指节纹识别算法。该方法首先使用了高阶的导数方向可调滤波器精确计算了指节纹局部方向特征，然后提出自适应的多阈值循环直方图分割算法对指节纹方向图量化后进行编码，最后设计了角度距离用于特征匹配。在香港理工大学指节纹公开数据库上的实验结果表明该算法可稳定准确的抽取指节纹的局部方向，而且使用四类方向足以表达指节纹特征，是目前基于编码的指节纹识别算法中准确率最高的算法。本文在最后还讨论了不同手指指节纹对识别效果的影响，并对同一个人的多个指节纹加以融合进一步提高了识别精度。(本文来源于《哈尔滨工业大学》期刊2012-06-01）
何赣洪,朱全智[9]（2010）在《容易被误认的“指纹”——浅谈指节纹中另类纹形及分布特点》一文中研究指出在我们勘查检验各类案件现场痕迹提取的各类手印中,有相当一部分是残缺的、局部的、模糊的和不完整的,具有迷惑性。指节纹中有一些特殊纹形或称另类纹形很带有这种欺骗性。若在局部范围内仅从外观上看,有的简直就像是指纹中的典型纹形。使我们的主观判断稍有不慎就会形成一种错觉。研究中发现,这些特殊纹形或另类纹形竟无例外地主要出现在指节纹中的食指、中指、环指的第叁指节上。掌握了这个规律再结合现场的具体情况进行综合判断,出错的概率将大为减少。(本文来源于《警察技术》期刊2010年03期）
竺乐庆,张叁元,幸锐[10]（2009）在《基于指节纹的个人身份自动识别》一文中研究指出人体的指节纹具有稳定性且对于不同的人具有不同的位置和结构特征,可作为身份识别的依据.本文提出了一种基于指节纹的身份识别新方法:对采集的手掌图像首先通过预处理分割出各手指并旋转至水平位置;然后用Sobel算子求其水平梯度,对梯度图二值化后经垂直投影得到一维向量;对此向量应用小波去噪,生成手指指节纹特征向量;通过用余弦函数计算指节纹特征向量之间相似度实现最后的匹配.本文用该方法对来自190个手掌的1900个样本进行了测试,取得了0.67%的等误率,单次匹配时间低于2ms.实验结果表明该方法具有较高的识别精度,而且识别速度快,适合在大规模手掌库中实现手掌筛选.(本文来源于《自动化学报》期刊2009年07期）
指节纹论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对指节纹、掌纹不易提取,且易受光照和手掌颜色不均影响的问题,提出了基于顶帽变换的指节纹、掌纹识别改进算法。顶帽变换能消除光照不均的影响,很好地提取手掌主纹线。对采集的手掌图像进行灰度化和顶帽变换后,进行二值化处理,分离出手掌区域,找到手掌区域所在位置,用Sobel边缘检测器分离出手掌边界,确定指尖指谷坐标,再对手掌区域进行分割,找到指节纹和掌纹大体区域,用互相关法进行掌纹和指节纹匹配。实验结果表明:提出的方法能够消除光照不均和手掌颜色不均的影响,且速度快,抗噪能力强,适合大规模手掌库实现粗筛选。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
指节纹论文参考文献
[1].张帆.基于指节纹的身份识别方法研究[D].西安理工大学.2019
[2].周威,刘辉,曾伟高.基于顶帽变换的指节纹和掌纹识别改进算法[J].传感器与微系统.2019
[3].李温温,王吉彬.基于PCA的指节纹图像全局特征提取与识别[J].吉林大学学报(信息科学版).2019
[4].李温温,刘富,姜守坤.基于引导滤波的指节纹图像增强算法研究[J].吉林大学学报(信息科学版).2018
[5].李温温,刘富,姜守坤.指节纹图像感兴趣区域提取与特征识别算法[J].吉林大学学报(工学版).2019
[6].李温温.手形与指节纹双模态手部特征识别算法研究[D].吉林大学.2018
[7].周威.基于指节纹和掌纹主纹线的身份识别算法研究[D].湖南师范大学.2018
[8].李子超.基于方向可调滤波器的指节纹识别方法研究[D].哈尔滨工业大学.2012
[9].何赣洪,朱全智.容易被误认的“指纹”——浅谈指节纹中另类纹形及分布特点[J].警察技术.2010
[10].竺乐庆,张叁元,幸锐.基于指节纹的个人身份自动识别[J].自动化学报.2009