导读:本文包含了掌纹匹配论文开题报告文献综述及选题提纲参考文献，主要关键词:生物特征识别,掌纹识别,Gabor滤波器,支持向量机
掌纹匹配论文文献综述
梅支礼[1]（2016）在《掌纹特征提取与模式匹配算法研究》一文中研究指出生物特征识别技术凭借其安全高效、智能准确和应用广阔等特点赢得了人们的广泛关注和高度重视。掌纹识别是近年新发展起来的一种生物特征识别技术,除具传统生物特征识别技术共有特点外它还有特征信息丰富稳定,用户易于接受,受外界条件影响小,采集设备价格低廉等独特优势。因此,掌纹识别成为生物特征识别研究热点,研究掌纹识别对信息安全,公共安全等领域有着重大意义。掌纹识别的核心议题是识别速度和精度,本文对掌纹识别的这两个核心议题进行了学习与研究,主要工作和贡献如下:(1)对生物特征识别技术进行了简要的介绍,概述了生物特征识别技术的意义,阐述了生物特征识别技术系统结构,分析了生物特征识别技术的发展前景,重点介绍了几种具有代表性的生物特征识别技术。从掌纹图像预处理、特征提取和匹配识别等模块对掌纹识别系统进行了详细的介绍。(2)在掌纹识别速度方面提出一种基于迭代Gabor滤波器的掌纹识别方法。将传统Gabor、改进Gabor和迭代Gabor应用于掌纹识别特征提取,在掌纹匹配识别阶段应用竞争编码的方法并计算其角度距离,对比研究了它们在掌纹识别技术中特征提取速度方面的问题,探求保证一定识别精度的情况下识别速度更快的掌纹识别方法。(3)在掌纹识别精度方面提出一种基于支持向量机SVM(Support Vector Machine,SVM)与汉明距离HD(Hamming Distance,HD)的掌纹识别方法。运用形态学算子定位分割出掌纹图像的感兴趣区(Region Of Interest,ROI),对ROI用Haar小波进行分解,而后用1D Log-Gabor对分解后的低频子带图像进行特征提取并编码,最后用联合SVM和HD的算法进行匹配识别。着重对比研究了几种匹配模式的识别精度,探求保证一定识别速度的情况下识别精度更高的掌纹识别方法。(本文来源于《中国计量大学》期刊2016-06-01）
刘春茂,张云岗[2]（2015）在《多特征关联与多子集匹配的掌纹识别模型》一文中研究指出为了提高掌纹图像的识别正确率,提出一种基于关联特征与多子集匹配的掌纹图像模型(MF-MMM)。首先对掌纹图像进行预处理,并将掌纹图像划分为多个子图像,然后提取各个子像的掌纹特征,并根据地统计学变程提取关联特征,得到掌纹图像的特征子集,最后采用多子集匹配方法实现掌纹图像的识别,并采用Polyu掌纹图像库进行仿真实验。结果表明,相对于其他掌纹识别模型,MF-MMM提高了掌纹图像的识别正确率,降低了掌纹的误识率和拒识率,具有更好的应用价值。(本文来源于《计算机应用与软件》期刊2015年05期）
刘明,李丽华,李哲[3]（2014）在《基于指导滤波与二值图像组互相关匹配的3D掌纹识别》一文中研究指出提出了一种鲁棒的掌纹识别方法。在特征提取阶段,使用指导图像滤波去除噪声,然后基于Gabor变换提取鲁棒的掌纹方向特征,并使用一组二值图像表示每幅3D掌纹图像;在匹配阶段,采用了基于二值图像组互相关运算的匹配算法。该方法能够充分利用图像组中的特征配准图像来得到准确的匹配分数。HK-PolyU 2D+3Dpalmprint database数据库上的实验表明,该方法能够有效提高掌纹识别算法的识别率。(本文来源于《计算机科学》期刊2014年09期）
吴春生,冯才刚,迟学斌[4]（2014）在《刑侦领域高分辨率掌纹识别技术及快速匹配方法》一文中研究指出针对公安机关特别是刑侦领域的掌纹自动识别技术需求,讨论基于高分辨率的掌纹细节特征点识别方法必要性.将细节特征点匹配方法作为重点,以Cafis指掌纹系统为例,分析掌纹细节特征点匹配算法的瓶颈,并与传统硬件并行和最新的GPU并行等提高掌纹比对速度的技术方法进行对比.(本文来源于《中国科学院大学学报》期刊2014年04期）
彭其胜,陈华华[5]（2013）在《基于模板匹配和形态学的掌纹线特征提取方法》一文中研究指出该文提出了一种有效的掌纹线特征提取方法,将模板匹配与数学形态学相结合,从4个不同的方向提取掌纹线。然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征。实验结果表明基于模板匹配和数学形态学的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来了,能够满足大型数据库掌纹识别的要求。(本文来源于《杭州电子科技大学学报》期刊2013年03期）
李丽华[6]（2013）在《3D掌纹特征提取和快速匹配算法研究》一文中研究指出传统的掌纹识别技术是基于二维掌纹图像实现的，从采集到的掌纹图像中提取有效掌纹信息鉴别个人身份。掌纹识别是一种快速有效的生物特征识别技术，能够取得较好的效果，但是也暴露了其存在的缺陷：掌纹图像受光照影响严重；涂抹、脏手等会影响识别的精度；采集二维掌纹过程中，不同的手掌摆放姿态导致获取图像存在差异；二维掌纹图像容易被复制，安全性受到威胁。而叁维掌纹识别开辟了掌纹识别新的研究途径，具有良好的防伪性能，对光照、污渍、姿态变化等具有先天性优势。叁维掌纹识别作为一种鲁棒的身份鉴别技术，将成为一个重要的研究领域。本文对叁维掌纹的特征提取和快速匹配算法进行研究，主要内容是：1、提出了一种快速的叁维掌纹识别算法。该算法采用等间隔采样的方法将一幅二值图像拆分成四幅子图像，然后将四幅图像融合得到一幅特征图像，最后基于特征图像进行图像匹配。2、使用Guided滤波的对图像进行滤波处理，把竞争编码和BOCV方法进行融合，提出一种新的掌纹方向特征提取方法，使用二值图像组表示每幅3D掌纹图像。3、在匹配阶段采用了基于二值图像组互相关运算的匹配算法，该方法能够充分利用图像组中的特征配准图像，从而能够得到准确的匹配分数。实验表明本文提出的算法能够有效地提高3D掌纹的识别效果，并提高系统的识别速度。(本文来源于《河北大学》期刊2013-06-01）
彭其胜[7]（2012）在《一种基于数学形态学和模板匹配的掌纹线特征提取方法》一文中研究指出本文提出了一种有效的掌纹线特征提取方法,将数学形态学与模板匹配相结合,从4个不同的方向提取掌纹线。然后将这4个方向的掌纹线特征进行融合,最后通过形态学闭合、细化等一系列后处理操作得到了完整的掌纹线特征。实验结果表明基于数学形态学和模板匹配的方法不仅提取出了掌纹主线,而且大部分皱褶线也被提取出来,能够满足大型数据库掌纹识别的要求。(本文来源于《南阳理工学院学报》期刊2012年06期）
岳峰[8]（2010）在《面向身份识别的掌纹特征提取和匹配方法研究》一文中研究指出生物识别技术是一种根据人的生理特征或行为特征来进行身份识别的技术,它以人的生物特征数据为基础,以信息处理技术为手段,具有安全性、有效性和易用性等特点,受到人们越来越多的重视。目前已有多种生物特征被用于身份识别,其中指纹、人脸、虹膜、签名等已经得到了深入研究和广泛应用。作为一种相对较新的生物特征识别技术,掌纹识别一经提出就获得了广泛的关注。相比于其它的生物识别技术,掌纹识别有许多独特的优势。例如,相比于指纹,掌纹拥有更大的面积以及更为丰富的纹理信息,只需要较低分辨率的采集设备就可以构建高性能的身份识别系统;相比于人脸识别,掌纹识别能轻易地区分双胞胎;相比于虹膜,掌纹采集设备的价格更为低廉;相比于签名,掌纹更加稳定可靠。因此,掌纹识别是一种有着广泛应用前景的生物识别方法,是近年来生物识别领域中的一个研究热点。掌纹识别系统大体上可以分为四个模块:图像采集,预处理,特征提取和特征匹配,其中特征提取和特征匹配最为关键。围绕着这两个模块,在对掌纹识别进展的总结和主要掌纹识别方法评测的基础上,从提高系统的识别精度和响应速度出发,本文对系统中的若干关键问题进行了研究,提出了一系列解决方案,具体内容如下:(1)竞争编码的滤波器方向选择方法:竞争编码方法中采用六个不同方向的Gabor滤波器提取方向特征,但在滤波器的设计过程中并没有考虑掌纹的方向分布特点。为此,基于实际掌纹库的方向分布信息,提出了基于改进模糊C均值(FCM)算法的滤波器方向选择方法。同时考虑到竞争编码中对任意两相邻方向等角度间隔的要求,将其形式化为一个调节项加入到FCM算法的目标函数中,并给出了新的推导规则。实验结果表明改进的FCM算法求得的方向具有更好的表示能力,将其作为Gabor滤波器的方向可以提高竞争编码的精度。(2)基于可调控滤波器的掌纹特征提取:提出一种基于可调控滤波器的方向特征和主线特征提取方法。相比于常用的基于滤波器组的方向特征提取方法,该方法计算量固定,且提取的方向特征更加精细。相比于已有的基于有限Radon变换的掌纹主线特征提取方法,该方法实现简单,效率更高。(3)广义角度距离:基于连续值表示的方向特征,探索更加适宜于掌纹识别的距离度量方式。提出了广义的角度距离,并将其推广到离散情况。分析表明文献中已有的两种距离度量方式都属于广义角度距离的特殊情况。为了使该距离度量方式更具有实用价值,提出了一种新的编码方法,实现了基于查找表的快速匹配。(4)不损失精度的掌纹快速辨识方法:掌纹辨识系统中通常采用逐一匹配的方式。为了在保证精度的前提下提高辨识的速度,提出基于竞争编码和覆盖树的快速辨识方法。提出了一种等价的竞争编码匹配方案,使其距离度量满足覆盖树的测度要求,从而将两种方法相结合。在此基础上,提出基于手掌树的快速辨识方法及其改进方法,通过同一手掌多个模板间的距离关系构建树形数据结构,在辨识过程中可以减少不必要的匹配,从而加快辨识的速度。(5)掌纹配准和匹配算法:经过预处理后的掌纹图像通常仍会有一定程度的旋转和非线性形变,这将对同一手掌的模板间的匹配造成不利影响,从而降低系统的识别精度。针对这个问题,首先提出基于主线特征和ICP算法的掌纹配准方法,利用主线特征作为基准纠正可能存在的整体平移和旋转。其次提出基于MRF模型的匹配方法,通过将特征模板分块并用每块不同的形变参数来近似表示掌纹的非线性形变。匹配时采用信度传播方法求解每块的优化形变参数及最终的匹配得分。(本文来源于《哈尔滨工业大学》期刊2010-10-01）
李艳,吴贵芳,李继杰,戴高乐[9]（2010）在《基于àtrous-Contourlet变换与不变矩的掌纹匹配算法》一文中研究指出为了提高掌纹识别的速度和准确率,克服Contourlet变换在处理高维信号时的不足,提出了一种新的掌纹识别算法。该算法首先对掌纹图像进行àtrous-Contourlet变换,得到高频分量和不同方向不同子带上的低频分量,再根据不同子带的能量分布所提取出的统计特征选择不同的特征加权系数,对图像所得到的不变矩向量进行加权计算,得到新的特征向量,完成掌纹图像的识别。实验结果表明,该算法与小波矩算法、Hu不变矩算法和Contourlet算法相比有较高的效率和匹配精度。(本文来源于《计算机应用》期刊2010年04期）
李艳[10]（2009）在《在线掌纹匹配技术的研究》一文中研究指出掌纹识别是通过手掌皮肤的纹路特征来进行身份识别的方法,是在传统身份识别方法上的一种创新,已经成为身份识别领域的热点研究对象之一。目前,掌纹识别技术的研究主要集中于掌纹图像的结构特征、纹线特征和几何特征的研究方面,其中结构特征和纹线特征的研究是重点。由于掌纹图像在采集过程中存在着多种外界环境的干扰,并且相关噪声处理技术的应用并不成熟,大大制约了掌纹识别的研究发展,无法从根本上满足掌纹识别系统的实时性要求。根据该特点,在分析了掌纹识别中的关键技术基础上,分别从区域定位和特征提取两方面进行了研究。通过对现有的掌纹匹配算法的分析和研究,为了提高掌纹特征的识别匹配率,对掌纹角点和感兴趣区域(region of interest, ROI)的提取算法进行了改进,提出了一种基于掌纹边缘线曲率的角点检测算法,并用所提取出的角点建立直角坐标系,完成该掌纹图像的ROI区域的选择,大大减少了旋转和平移性对匹配算法所造成的影响,有效提高了匹配率。为了进一步减少掌纹图像在采集过程中所受到的干扰,从特征提取方面进行了改进,利用contourlet变换具有的方向性和各向异性的优点,以及不变矩算法平移、旋转、比例和对比度变换的不变性特点,提出了一种àtrous-Contourlet变换和不变矩相结合的自适应加权系数的掌纹识别算法,最后再利用掌纹图像频域变换图形近似高斯变换图形的特点,提取出各个方向分解系数的特征系数值作为加权系数,采用优者更优的方式实现了掌纹图像的匹配和识别,从而解决了掌纹采集过程中所遇到的各种平移干扰问题。实验结果表明,在准确率高达99.3%的条件下,定位时间比传统算法提高了0.4s以上,提高了将近10%,有效改进了在线掌纹检测的精确性和实时性。(本文来源于《河南科技大学》期刊2009-12-01）
掌纹匹配论文开题报告
（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：
为了提高掌纹图像的识别正确率,提出一种基于关联特征与多子集匹配的掌纹图像模型(MF-MMM)。首先对掌纹图像进行预处理,并将掌纹图像划分为多个子图像,然后提取各个子像的掌纹特征,并根据地统计学变程提取关联特征,得到掌纹图像的特征子集,最后采用多子集匹配方法实现掌纹图像的识别,并采用Polyu掌纹图像库进行仿真实验。结果表明,相对于其他掌纹识别模型,MF-MMM提高了掌纹图像的识别正确率,降低了掌纹的误识率和拒识率,具有更好的应用价值。
（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。
掌纹匹配论文参考文献
[1].梅支礼.掌纹特征提取与模式匹配算法研究[D].中国计量大学.2016
[2].刘春茂,张云岗.多特征关联与多子集匹配的掌纹识别模型[J].计算机应用与软件.2015
[3].刘明,李丽华,李哲.基于指导滤波与二值图像组互相关匹配的3D掌纹识别[J].计算机科学.2014
[4].吴春生,冯才刚,迟学斌.刑侦领域高分辨率掌纹识别技术及快速匹配方法[J].中国科学院大学学报.2014
[5].彭其胜,陈华华.基于模板匹配和形态学的掌纹线特征提取方法[J].杭州电子科技大学学报.2013
[6].李丽华.3D掌纹特征提取和快速匹配算法研究[D].河北大学.2013
[7].彭其胜.一种基于数学形态学和模板匹配的掌纹线特征提取方法[J].南阳理工学院学报.2012
[8].岳峰.面向身份识别的掌纹特征提取和匹配方法研究[D].哈尔滨工业大学.2010
[9].李艳,吴贵芳,李继杰,戴高乐.基于àtrous-Contourlet变换与不变矩的掌纹匹配算法[J].计算机应用.2010
[10].李艳.在线掌纹匹配技术的研究[D].河南科技大学.2009