导读:本文包含了掌纹定位论文开题报告文献综述及选题提纲参考文献，主要关键词:双点辅助定位,二次自适应肤色模型,改进ASM,移动终端
掌纹定位论文文献综述
曹奎顺[1]（2018）在《掌纹辅助定位研究及iOS平台认证系统设计与实现》一文中研究指出传统的移动终端身份认证主要是基于知识的方法,如数字密码、九宫格等,存在着易遗忘、易被破解、易偷窥的缺点。生物特征认证直接利用人体生理或行为特征进行身份鉴别,是一种全新的认证方式,增强和弥补了传统移动终端身份认证的安全性、稳定性和可靠性。现有的指纹和人脸认证存在一定不足。相比之下,掌纹具有鉴别信息丰富、限制条件少、不易泄漏、成本低廉等优势。然而目前移动终端掌纹认证存在诸如手掌位置和摆拍姿态难以控制、背景复杂、光照差异、硬件资源有限等挑战。为此,本文的主要研究贡献和成果如下。(1)掌纹认证理论知识系统化的概述和总结介绍了现有移动终端生物特征认证的不足以及掌纹认证的优势,并对移动终端掌纹认证的可行性进行了分析。对近年来掌纹认证相关技术的研究现状进行了总结,指出不足之处以及尚未解决的难题。详细阐述了掌纹认证性能评价指标。(2)“双点”辅助采集定位方式为了克服采集时手掌位置和姿态缺乏约束的问题,设计了“双点”辅助方式。拍摄手部图像时,食指和中指、无名指和小指之间的两个指间根点尽量对准两个“辅助点”,即两个限定框的中心。此方法可以有效约束手部拍摄的位置和姿态,降低后续图像预处理的复杂度,提高执行效率和准确性。(3)“二次自适应肤色模型”手掌分割方法在移动环境复杂场景下拍摄掌纹图像时,背景可能存在大量与手部肤色、形状、纹理等特征相似的干扰区域,传统肤色模型不能满足精度要求。为此,设计了基于自适应高斯肤色模型的“二次自适应肤色模型”手掌分割。利用限定框内手掌区域像素点进行两次肤色建模和分割,明显提升了分割正确率和准确性。(4)改进的主动形状模型(Active shape model,ASM)手掌分割方法传统ASM将目标灰度信息和形状信息相结合,但不适应复杂场景,难以直接应用于移动终端。设计了改进的ASM手掌分割方法,利用普鲁克斯法对手掌形状归一化,通过主分量分析统计手掌形状模型,并以肤色似然度代替传统方法的灰度信息进行目标拟合,降低了计算复杂度,并提升了精确度和鲁棒性。(5)i OS平台掌纹认证系统的设计与实现设计并开发了一套i OS平台的掌纹认证系统。利用设备自带摄像头完成掌纹的注册和认证。此系统实现了本文的算法并进行了测试,验证了提出算法的有效性。综上所述,本文对近年来移动终端掌纹认证相关技术的研究现状进行了综述,提出了“双点”辅助定位采集方案,并在此方案基础上分别设计了“二次自适应肤色”和改进的ASM两种手掌分割方法,在降低计算复杂度的同时,提高了认证精度和鲁棒性,具有重要的理论意义和工程应用价值。(本文来源于《南昌航空大学》期刊2018-06-01）
王天华,冷璐,袁明汶[2]（2018）在《双点辅助定位的移动终端掌纹识别系统》一文中研究指出移动终端掌纹识别中难以控制手掌摆放位置和姿态,并且受到复杂场景和差异光照的干扰以及硬件资源的限制。针对上述技术挑战,本文在Android平台上自主设计和实现双点辅助定位的新型掌纹识别系统,并解决整个工程实现中的多个技术难题。拍摄时由辅助点和辅助框共同限定手部位置和姿态,确定食指和中指之间以及无名指和小指之间的2个指间谷底点为关键点,旋转掌纹图像使两点连线与坐标系横轴平行,最终裁剪感兴趣区域用于特征提取和识别。本文提出的辅助定位方案增强了掌纹预处理抵御干扰因素的稳健性和系统实时性。(本文来源于《计算机与现代化》期刊2018年03期）
陈琪,张情,陈昊,冷璐,黎明[3]（2018）在《基于指根边缘夹角平分线拟合的掌纹定位方法》一文中研究指出针对移动终端复杂背景引起的感兴趣区域(Region of interest,ROI)定位不准确性,提出一种基于指间边缘夹角角平分线的掌纹ROI定位方法.首先在YCbCr颜色空间提取边缘,即追踪掌纹轮廓,然后用椭圆模型去除伪边缘和噪声,通过形态学操作对实际边缘进行平滑和修补,从而将指根边缘区域化.在所得两个边缘区域上,用最小二乘法拟合边缘夹角平分线来定位指窝点.该方法能有效去除指根附近背景的干扰,克服手掌轻微旋转引起的ROI定位偏差,实验表明该方法在移动设备环境下能够达到较高的正确率和认证精度.(本文来源于《微电子学与计算机》期刊2018年02期）
张情[4]（2017）在《移动终端掌纹辅助分割和定位算法研究》一文中研究指出随着移动设备的兼容性及处理能力的提升,其承担的任务越来越多样化,也因此涉及到更多的个人隐私信息。传统的基于数字密码或九宫格图案的身份鉴别方式安全性较低,容易被偷窥、破解,造成用户财产或精神损失,另一方面会给用户(特别是对年长用户)形成较重的记忆负担。掌纹特征可鉴别性丰富、稳定性高、唯一性高,与目前移动设备领域常见的指纹、人脸等特征相比有更多的优势,掌纹的用户接受度更高且不易泄露,系统造价更为低廉,即使在低分辨率条件下也不会明显影响识别精度。因此,移动终端环境下掌纹识别算法研究具有非常重要的理论意义及工程应用价值。但移动环境下,背景异常多变、光照差异明显、手掌摆放位置和姿态难以控制,给图像的预处理工作带来了严峻的挑战。另外,移动设备受硬件资源条件的限制,传统掌纹图像预处理算法难以直接移植使用。为了更好地解决上述问题,本文深入研究了掌纹的分割和定位算法,并在此基础上做出了改进及创新。本文主要工作内容及所做的创新研究总结如下:(1)总结概述了掌纹识别的相关理论知识。首先,介绍了课题背景及研究意义,并分析了移动终端平台进行掌纹识别的可行性;其次,详细分析了掌纹识别相关技术及研究现状,指出目前研究中尚未解决的难题;最后介绍了掌纹认证系统的评价指标及意义,为后续章节的算法性能测试做铺垫。(2)提出一种新的基于辅助线的图像分割方法。首先,通过设计的“工”字形辅助定位方案,引导手掌进行摆放,建立一个用于验证算法性能的掌纹数据库;其次,根据手形结构,分析选取手掌内部局部区域作为训练子区域,得到自动更新的高斯肤色模型参数,进行肤色粗分割;最后,在粗分割的基础上,进行区域生长操作,完成手掌的精细分割。在上述方法中,肤色高斯模型参数自适应更新,提高了模型对光照等干扰的鲁棒性;将肤色分割结果作为区域生长的初始种子,优化了种子的质量,提高了生长效率;区域生长可以抵御与手部不连通背景区域的干扰,并克服了单一固定阈值分割方法对手部不同区域肤色渐变的失效性。实验表明,本文方法的分割正确率和准确性相较于传统掌纹分割方法有明显提高。(3)设计一种基于指间夹角角平分线的感兴趣区域(Region of interest,ROI)定位方法。由于传统ROI定位方法的精度受图像分割质量的影响较大,且对手掌摆放角度也比较敏感。针对此问题,设计了一种基于指根边缘夹角角平分线的定位方法。首先,在YCbCr空间,将Y、Cb、Cr叁个分量的边缘以一定规则融合,使指根边缘保持完整;其次,定位到指根区域附近,将指根边缘通过封闭、填充等操作进行区域化;然后选取参考点,对区域两侧边界进行直线拟合,计算两条拟合直线夹角的角平分线,该平分线与区域块相交的最低点即为寻找的关键点,在此基础上建立坐标系获取ROI。该方法直接在边缘线上进行定位,降低了计算开销,并且角平分线的引入能够保证即使手掌摆放角度发生偏转,关键点也仅在指根区域中间的极小范围内波动,不会发生较大距离的偏移,提高了关键点的稳定性,同时也提高了系统的认证精度。综上所述,本文通过在移动终端对辅助条件下掌纹识别算法进行分析研究,并提出了相应改进的图像分割和定位方法,通过给予少量约束条件,达到提高系统识别性能和鲁棒性的要求,具有重要的理论意义和工程应用价值。(本文来源于《南昌航空大学》期刊2017-06-01）
刘佳雯,陈勇[5]（2016）在《关于掌纹图像基于形态学的角点检测的定位分割方法》一文中研究指出为了更好地进行掌纹识别,掌纹图像的预处理是必不可少的。提取掌纹图像的感兴趣区域(ROI)是掌纹图像预处理的一项重要内容。采用基于形态学的方法,将进行膨胀和腐蚀后的图像相减得到的图像作为掌纹图像的轮廓。根据掌纹图像的轮廓利用Harris算法进行角点检测,在检测出的角点中,求出角点的曲率,将曲率最大的两个角点作为定位的基准点来建立坐标系提取ROI。根据实验结果,该算法取得比较理想的效果。(本文来源于《现代计算机(专业版)》期刊2016年24期）
侯美薇[6]（2015）在《基于掌纹特征区域定位算法的FPGA实现》一文中研究指出随着当今生物识别技术的飞速发展，生物识别技术被分为两个方面：一方面从人的生理特征上考虑，如人脸、指纹、掌纹识别等；另一方面从行为方面考虑，如声音。其中掌纹识别相对于其他方法，具有不易改变、信息量大、易获取等特点，随着当今图像处理技术逐步走向成熟，将掌纹识别技术与图像处理技术相结合，已成为一种趋势。现如今随着FPGA技术的不断进步，FPGA的逻辑单元容量不断的增加，使得SOPC技术在可编程逻辑器件上的实现成为可能。为了能够满足掌纹定位图像的实时处理，且将简化的掌纹ROI（感兴趣区域）定位算法能够直观的实现出来，本文选择基于SOPC技术搭建掌纹ROI定位系统来实现算法，用基于FPGA芯片上的系统级设计来代替传统的只可在目标板上实现的硬件设计，使得系统更具灵活性。掌纹特征区域定位系统包括对掌纹图像的采集、对图像的预处理、对特征区域的定位以及图像显示等过程。本文基于NIOSII软核处理器对整个系统进行控制，通过CMOS传感器将采集到的掌纹图像在QuartusII中用硬件描述语言完成图像格式转换及图像颜色转换后存入SDRAM中；对SDRAM中的图像进行预处理，包括通过硬件设计实现的二值化、直方图均衡化、中值滤波、边缘检测等处理，其中边缘检测是在DSP Builder中完成算法模块的建模、仿真后生成模型文件（.mdl），后通过DSP Builder中的Signal Compiler将模型文件转换成硬件描述语言VHDL文件（.vhd）；通过软件控制设计实现基于改进的特征区域定位算法的ROI定位处理；最后通过NIOSII软核控制VGA控制器进行VGA显示，从而完成掌纹特征区域定位系统的设计。本文从两方面进行改进，一方面在掌纹ROI定位算法上改进，另一方面从系统平台角度来讲，选择基于SOPC技术来实现嵌入式系统。实验后证明，系统不仅能够准确的完成掌纹的实时采集与定位，而且相对传统的定位方法，提高了定位的速度，减小了逻辑器件的资源利用率，达到了预期的要求。(本文来源于《哈尔滨理工大学》期刊2015-03-01）
门阔[7]（2013）在《基于掌纹诊病的掌纹定位分割算法研究》一文中研究指出近年来，基于掌纹特征的生物识别技术得到国内外研究人员的高度重视。由于基于掌纹特征的生物识别技术和掌纹诊病技术均是对手部特征进行分析，因此可以借鉴相关的生物识别技术来对掌纹诊病自动化进行研究。在掌纹诊病中，最重要的病理特征之一是掌纹线在手掌的不同区域所形成不同形状的病理纹。这些病理纹只有在固定的区域出现才有病理意义，因此准确地对全手掌图像进行区域划分及定位分割是实现手掌病理纹提取的关键前提。本文针对基于掌纹诊病的手掌图像预处理、感兴趣区域提取及定位分割进行了深入的研究，取得了一定的成果。现将本文主要工作及创新归纳如下：1、对于提取手掌轮廓部分，在8邻域分析方法的基础上，提出了基于4个模板的手掌二值化图像轮廓提取方法。实验证明该方法不仅简单、快速、有效，而且适合所有图像二值化后的轮廓提取。2、由于在采集手掌图像时不限制手掌的摆放位置和手指的张开程度，因此增加了掌纹图像定位及感兴趣区域提取的难度。针对现有掌纹图像定位及分割算法存在的问题，本文提出了利用手掌与手腕的连接点来建立直角坐标系定位的方法。该方法不仅可以快速的完成坐标系的建立，而且可把手腕部分去除，为后续处理工作扫清了障碍。3、对于手掌感兴趣区域的提取，本文提出了一种基于平行切割线与手掌轮廓交点的角点检测方法。该方法不仅能够快速提取出五指张开时的指尖点和指根点，能解决其他常用方法对于手指并拢时无法完成角点检测这一问题，从而利用这些角点来完成手指部分的去除，成功提取出掌纹诊病要求的全手掌图像信息。实验结果表明，本文所提出的方法可以有效地解决基于掌纹诊病手掌图像的定位及感兴趣区域提取的问题。4、在分析了手掌医学八卦图的特点和划分标准后定义了一些关键点与相关线，并利用这些点和线在全手掌图像上绘制手掌医学八卦图；然后对手掌八卦图的九大连通区域进行标记；最后通过质心坐标来定位连通区域的位置并将其分割。实验证明本文所提出的方法具有很好的精准性和鲁棒性。(本文来源于《吉林大学》期刊2013-06-01）
尚丽,苏品刚,淮文军[8]（2012）在《一种新的掌纹ROI图像定位方法》一文中研究指出在分析传统Harris算法缺陷的基础上,提出一种基于角点检测的快速掌纹图像预处理方法。该方法利用一种改进的自适应Harris算法提取出手掌边缘和手指凹凸处的轮廓特征点,采用属于同一特征组的特征点均值作为候选角点,剔除了邻近角点,并根据候选角点在轮廓线上角度变化的大小定位手指根部的叁个关键角点,从而有效提取出掌纹图像的感兴趣区域(ROI)。实验测试图像采用CASIA数据库,实验结果表明,该方法能快速有效地定位出掌纹的ROI区域,且能有效增强掌纹图像的边缘与细节,有利于提高掌纹识别的识别率。(本文来源于《激光与红外》期刊2012年07期）
杨昕[9]（2012）在《掌纹图像的定位分割与分级主线特征提取研究》一文中研究指出今天，信息技术的进步在为人们提供各种方便的同时，也存在着各种各样的安全隐患。相比于传统的安全保障技术，生物特征识别技术通过把科技与生物特征相结合，利用人体本身固有的生理特征（如指纹、掌纹等）或行为特征（如步态、签名等）进行身份的确认，提高了安全保障技术的可靠性。掌纹识别技术作为一种新兴的生物特征技术，由于自身独特的特性，吸引了越来越多的关注。掌纹中包含了丰富的特征信息，既有适合于高分辨率图像的细节点特征又有适合于低分辨率图像的线特征，这些特点对于建立高标准的数据库，都是十分有利的条件。本文主要研究了多灰度级下掌纹图像的ROI区域提取和掌纹主线提取。主要研究工作包括以下几点：1．掌纹图像的ROI区域提取该部分首先对数据库中采集的图像进行基于canny算子的二值化去噪，得到掌纹的二值化图像；然后利用数学形态学中的腐蚀与膨胀算法提取出二值化图像的轮廓，并对轮廓提取过程中产生的空洞做了去除；之后对轮廓图像进行8方向的链码表示，通过分析轮廓对应的链码特点，找出轮廓中的特征点；最后根据上步中给出的特征点，建立起裁剪图像ROI区域所需要的坐标系，剪切得到掌纹的ROI区域，并对得到的ROI区域进行归一化，得到128x128的图像。2.分级提取掌纹主线在掌纹的诸多特征点中，掌纹的叁大主要的屈肌线即生命线，智慧线和感情线，是最清晰的几条纹线基本上伴随人的一生不发生变化。每个人都不同，稳定性和可靠性都很好。实际上掌纹中最重要的特征也是纹线特征，并且在低分辨和低质量的图像中仍能够清晰的辨认。而且纹线的结构特征几乎不受光照，噪声和手掌摆放位置的影响，并且具有足够的判别信息。由于对掌纹主线的研究方面不同，方法也是多变。有人依据线与能量的关系，通过对掌纹主线进行小波分解来提取主线；有人通过设计非线性滤波器来提取掌纹；还有人把掌纹线作为一种屋脊线，根据一阶和二阶导数来确定掌纹。本文提出了一种新的提取主线的方法。在详细介绍新方法之前，分析了图像的灰度，并介绍了两种基于灰度的主线提取方法。一种方法是首先把掌纹图像分块，然后根据灰度直方图确定各个块的局部阈值，之后根据确定的阈值进行划分。第二种方法是通过考虑像素的8邻域和像素的位置，而确定分割图像的阈值。分析这两种方法，都是确定阈值来提取纹线，且在同样的灰度等级下。通过分析不同灰度级下的灰度图像，论文提出了基于灰度分级的掌纹主线特征提取方法。(本文来源于《吉林大学》期刊2012-06-01）
许爽,索继东,赵继印[10]（2011）在《自动找点的掌纹图像定位分割方法》一文中研究指出重点研究掌纹图像在产生旋转和平移情况下的定位分割方法。对采集的掌纹图像做中值滤波后得到二值图像,跟踪二值图像边界,转换边界点重新建立只显示边界新图像,最后分析手掌形态,分离手指与手掌,利用去孤立点的自动找点方法提取食指与中指、无名指与小拇指两处定位点,并以此对图像做旋转校正,建立直角坐标系,确定图像的感兴趣区域。实验结果表明,该方法的定位准确率高,有利于进一步对掌纹图像进行特征提取和特征匹配。(本文来源于《计算机工程与设计》期刊2011年09期）
掌纹定位论文开题报告
（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：
移动终端掌纹识别中难以控制手掌摆放位置和姿态,并且受到复杂场景和差异光照的干扰以及硬件资源的限制。针对上述技术挑战,本文在Android平台上自主设计和实现双点辅助定位的新型掌纹识别系统,并解决整个工程实现中的多个技术难题。拍摄时由辅助点和辅助框共同限定手部位置和姿态,确定食指和中指之间以及无名指和小指之间的2个指间谷底点为关键点,旋转掌纹图像使两点连线与坐标系横轴平行,最终裁剪感兴趣区域用于特征提取和识别。本文提出的辅助定位方案增强了掌纹预处理抵御干扰因素的稳健性和系统实时性。
（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。
掌纹定位论文参考文献
[1].曹奎顺.掌纹辅助定位研究及iOS平台认证系统设计与实现[D].南昌航空大学.2018
[2].王天华,冷璐,袁明汶.双点辅助定位的移动终端掌纹识别系统[J].计算机与现代化.2018
[3].陈琪,张情,陈昊,冷璐,黎明.基于指根边缘夹角平分线拟合的掌纹定位方法[J].微电子学与计算机.2018
[4].张情.移动终端掌纹辅助分割和定位算法研究[D].南昌航空大学.2017
[5].刘佳雯,陈勇.关于掌纹图像基于形态学的角点检测的定位分割方法[J].现代计算机(专业版).2016
[6].侯美薇.基于掌纹特征区域定位算法的FPGA实现[D].哈尔滨理工大学.2015
[7].门阔.基于掌纹诊病的掌纹定位分割算法研究[D].吉林大学.2013
[8].尚丽,苏品刚,淮文军.一种新的掌纹ROI图像定位方法[J].激光与红外.2012
[9].杨昕.掌纹图像的定位分割与分级主线特征提取研究[D].吉林大学.2012
[10].许爽,索继东,赵继印.自动找点的掌纹图像定位分割方法[J].计算机工程与设计.2011