本文選題：健康表征 + 主線修復(fù)�。� 參考：《吉林大學(xué)》2016年博士論文

【摘要】：傳統(tǒng)中醫(yī)通過觀察人們手掌不同位置出現(xiàn)的紋理、顏色和形狀等特征來判斷身體健康狀況,診斷身體疾病,而中醫(yī)診病往往需要積累多年的經(jīng)驗(yàn),若能通過掌紋識別技術(shù)實(shí)現(xiàn)身體健康狀況的自動判斷,對人們及早診治疾病,避免病情惡化具有重要意義。隨著近10年生物識別技術(shù)的快速發(fā)展,掌紋識別技術(shù)作為生物識別家族的重要成員,已得到國際上的認(rèn)可,并取得了豐碩的研究成果。然而應(yīng)用現(xiàn)有的掌紋識別技術(shù)來判斷身體健康狀況仍然存在很多困難,如:(a)現(xiàn)有方法提取的掌紋主線淺且易斷續(xù),不利于后續(xù)處理;(b)現(xiàn)有方法極少可用于提取一些異常紋路;(c)手掌顏色能夠反映整個(gè)身體健康狀況,現(xiàn)有方法不能識別手掌上的顏色斑點(diǎn)等。本文針對這些困難,從表征身體健康狀況這一背景出發(fā),展開掌部精細(xì)紋路和顏色的提取方法研究,主要工作包括以下五個(gè)方面:(1)針對掌紋主線淺易斷續(xù),不利于后續(xù)處理等問題,本文提出了一種修復(fù)掌紋主線的新方法,即先基于圖像的能量按照高斯函數(shù)膨脹,然后計(jì)算子圖像和非亮點(diǎn)的概率分布,最后圖像的像素按指數(shù)函數(shù)回歸。對比傳統(tǒng)解決紋線斷續(xù)問題采用膨脹、細(xì)化的方法,本方法能夠解決誤連接和遠(yuǎn)距離不能連接的問題,從而更好的解決了遠(yuǎn)距離斷續(xù)主線無法修復(fù)和主線誤修復(fù)的問題。(2)現(xiàn)有方法極少提取掌紋中反映身體健康狀況的精細(xì)紋路,本文提出了一種使用多光譜技術(shù)與NSCT變換相結(jié)合的掌紋紋路提取方法。由于NSCT變換不僅具有平移不變性,而且進(jìn)行掌紋紋理分解時(shí),NSCT變換有多尺度和各向異性的特點(diǎn),有利于進(jìn)行后續(xù)的掌紋圖像融合。因此我們采用NSCT變換對各個(gè)光譜下的掌紋圖像進(jìn)行分解,并根據(jù)掌紋紋路特征對分解后的子圖進(jìn)行融合,最后用形態(tài)學(xué)方法細(xì)化并提取掌紋的精細(xì)紋路。實(shí)驗(yàn)結(jié)果證實(shí),該方法提取的精細(xì)紋路豐富而且清晰。(3)針對已有算法提取“十”字紋和“米”字紋時(shí),識別率不高的現(xiàn)象,本文應(yīng)用霍夫變換的累加器投票原理對掌紋中的“十”字紋和“米”字紋進(jìn)行提取。我們先用自己開發(fā)的多光譜掌紋平臺采集掌紋,構(gòu)建“十”字紋、“米”字紋數(shù)據(jù)庫,然后使用新高斯預(yù)處理模型對圖像進(jìn)行處理,最后用霍夫變換提取“十”字紋和“米”字紋。實(shí)驗(yàn)結(jié)果表明我們所提方法能有效地提升識別率,為進(jìn)一步進(jìn)行掌部表征所對應(yīng)的身體健康狀況研究奠定了基礎(chǔ)。(4)由于手掌顏色能夠反映整個(gè)身體健康狀況,如何準(zhǔn)確而快速的識別手掌上的顏色斑點(diǎn),是表征身體健康狀況的關(guān)鍵。本文提出了一種H-S-Gray斑點(diǎn)提取算法,該算法在不改變圖像對比度和盡可能減少顏色失真的情況下,通過顏色空間的拉伸、量化等預(yù)處理操作,使處理后的圖像有利于顏色斑點(diǎn)的識別。(5)為了實(shí)際驗(yàn)證基于身體健康狀況表征的掌部顏色及紋路提取算法的有效性,本文研制了一個(gè)多光譜掌紋采集平臺。針對單一光譜下的掌紋圖像信息量小且具有局限性從而造成識別精度低等問題,研制的多光譜掌紋采集平臺能夠采集六個(gè)光譜下的局部掌紋圖像,得到手掌各個(gè)層次的信息,從而給識別帶來更高的準(zhǔn)確率。既可以實(shí)時(shí)觀察掌紋圖像,又可以選擇性的采集并存儲掌紋圖像信息。綜上所述,本文對身體健康狀況的掌部精細(xì)紋路及顏色提取算法進(jìn)行深入研究,為真正實(shí)現(xiàn)自動表征身體健康狀況提供理論支持。
[Abstract]:Traditional Chinese medicine can judge the health condition of the body by observing the texture, color and shape of the palm of the palm of the hand to judge the health of the body and diagnose the diseases of the body, and the medical diagnosis of traditional Chinese medicine often needs to accumulate years of experience. If it can realize the automatic judgment of the health condition of the body through the palmprint recognition technology, the people can diagnose the disease early and avoid the evil of the disease. With the rapid development of biometric recognition technology in the past 10 years, palmprint recognition technology, as an important member of the biometric family, has been recognized internationally and has achieved fruitful research results. However, there are still many difficulties in the application of the existing palmprint identification technology to determine the health status of the body, such as: (a) The main thread extracted by the method is shallow and discontinuous and is not conducive to subsequent treatment; (b) the existing methods are rarely used to extract some abnormal patterns; (c) the palm color can reflect the health of the whole body, the existing methods can not identify the color spots on the palm of the hand. The main work includes the following five aspects: (1) a new method to repair the main line of the palmprint is proposed in this paper, which is based on the Gauss function, and then calculates the probability of the sub image and the non bright spot. The pixels of the final image are returned by exponential function. The traditional method of expansion and refinement is used to solve the traditional line breaking problem. This method can solve the problem of misconnection and remote connection, which can better solve the problem that the long distance intermittent mainline can not be repaired and the main line is mistaken. (2) the existing methods rarely extract the palmprint. In the fine lines reflecting the health of the body, this paper proposes a palmprint extraction method using the combination of multi spectral and NSCT transform. Because the NSCT transform not only has the invariance of translation, but also the texture decomposition of the palmprint, the NSCT transformation has the characteristics of multiscale and anisotropy, which is beneficial to the subsequent palmprint image fusion. So we use NSCT transform to decompose the palmprint images under each spectrum, and combine the decomposed subplots according to the palmprint features. Finally, the fine lines of palmprint are refined and extracted by morphological methods. The experimental results show that the fine lines extracted by this method are rich and clear. (3) the extraction of the existing algorithms is used to extract the existing algorithms. The recognition rate of ten "ten" and "rice" is not high. In this paper, the "ten" and "rice" lines in the palmprint are extracted by using the accumulator voting principle of Hof transform. We first use the multi spectral palmprint platform that we developed to collect the palmprint, construct the "ten" pattern, the "rice" pattern database, and then use the new Gauss. The preprocessing model deals with the image. Finally, the "ten" and "rice" lines are extracted by Hof transform. The experimental results show that the method can effectively improve the recognition rate and lay the foundation for further research on the health status of the body. (4) the color of the palm can reflect the health of the whole body. How to identify the color spots on the palm accurately and quickly is the key to the representation of the health of the body. In this paper, a H-S-Gray speckle extraction algorithm is proposed. The algorithm, which does not change the contrast of the image and reduces the distortion of the color as much as possible, makes the processed images by stretching, quantizing, and so on in the color space. In order to verify the recognition of color spots. (5) in order to verify the effectiveness of the palm color and pattern extraction algorithm based on the representation of physical health, a multi spectral palmprint acquisition platform has been developed in this paper. The spectrum palmprint acquisition platform can collect six local palmprint images under the spectrum, get information at all levels of the palm, and bring higher accuracy to recognition. It can observe the palmprint image in real time, and can selectively collect and store the palmprint image information. The color extraction algorithm is deeply researched to provide theoretical support for the automatic representation of physical health.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;中國研制出首個(gè)高精度自動掌紋識別系統(tǒng)[J];安防科技;2008年04期

2 吳文暉;;掌紋識別技術(shù)在金融系統(tǒng)的應(yīng)用[J];廣東金融電腦;1998年05期

3 宋炯,林喜榮,包桂秋,申晶;一種掌紋線特征的提取方法[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

4 鄔向前,王寬全,張大鵬;一種用于掌紋識別的線特征表示和匹配方法(英文)[J];軟件學(xué)報(bào);2004年06期

5 吳攀;;一種提高掌紋識別率方法的研究[J];軟件導(dǎo)刊;2007年03期

6 姚永芳;趙清杰;張利萍;荊曉遠(yuǎn);;統(tǒng)計(jì)不相關(guān)的費(fèi)舍掌紋識別算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2007年21期

7 劉富;徐杰;崔平遠(yuǎn);;基于兩層策略的掌紋識別新方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2008年S2期

8 ;我國研制成功世界首套高精度自動掌紋識別系統(tǒng)[J];大眾科技;2008年02期

9 ;哈爾濱工業(yè)大學(xué)成功研制掌紋識別系統(tǒng)[J];安防科技;2008年04期

10 王艷霞;阮秋琦;;一種掌紋紋線結(jié)構(gòu)特征的描述和匹配方法[J];電子與信息學(xué)報(bào);2008年06期

相關(guān)會議論文 前5條

1 明泉水;孫季豐;;一種新的掌紋定位方法[A];2009年中國高校通信類院系學(xué)術(shù)研討會論文集[C];2009年

2 魏驍勇;徐丹;袁國武;;基于組合特征的掌紋識別技術(shù)[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2005年

3 許慧;林家恒;劉增曉;;掌紋識別技術(shù)研究進(jìn)展[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

4 李嘉偉;孫明;;基于圖像處理的掌紋識別技術(shù)研究[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機(jī)工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

5 吳釋培;沈琳琳;鄭松浩;何金文;;達(dá)·芬奇TMS320DM6446 DMSoC平臺雙核通信的研究與實(shí)現(xiàn)[A];第十五屆計(jì)算機(jī)工程與工藝年會暨第一屆微處理器技術(shù)論壇論文集（A輯）[C];2011年

相關(guān)重要報(bào)紙文章 前5條

1 ;英特爾展示掌紋識別技術(shù)解決安全問題[N];中國電腦教育報(bào);2012年

2 盧光明邋記者 劉傳書;我研制成功世界首套高精度自動掌紋識別系統(tǒng)[N];科技日報(bào);2008年

3 周基東 張明新;生物防偽 大勢所趨[N];人民公安報(bào);2000年

4 本報(bào)記者 馬愛平;科海搏擊 鑄就金鷹[N];科技日報(bào);2011年

5 編譯 杜龍德;扔掉你的密碼[N];電腦報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 趙秋實(shí);非接觸式掌紋識別關(guān)鍵問題研究[D];哈爾濱工業(yè)大學(xué);2014年

2 康冰;基于身體健康狀況表征的人體掌部精細(xì)紋路和顏色提取算法研究[D];吉林大學(xué);2016年

3 賈偉;掌紋識別關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2008年

4 潘新;掌紋識別關(guān)鍵算法的研究[D];北京交通大學(xué);2009年

5 林森;非理想條件下掌紋識別方法研究[D];沈陽工業(yè)大學(xué);2013年

6 郭秀梅;掌紋識別算法的研究[D];山東大學(xué);2014年

7 張建新;自動掌紋識別理論和算法研究[D];大連理工大學(xué);2009年

8 郭金玉;基于子空間法的掌紋識別研究[D];沈陽工業(yè)大學(xué);2009年

9 冷璐;可撤除掌紋識別與認(rèn)證技術(shù)研究[D];西南交通大學(xué);2012年

10 張環(huán);掌紋掌脈及其融合識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 瞿遙;基于同態(tài)加密的掌紋認(rèn)證研究[D];西南交通大學(xué);2015年

2 劉剛;非接觸式可撤銷手掌紋脈融合認(rèn)證技術(shù)研究[D];南昌航空大學(xué);2015年

3 王yN;復(fù)雜背景下的手掌圖像預(yù)處理及關(guān)鍵區(qū)域提取技術(shù)研究[D];華僑大學(xué);2015年

4 梁浩銘;基于云架構(gòu)的大規(guī)模掌紋識別技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 解冰;掌紋識別系統(tǒng)中的光源強(qiáng)度自動調(diào)節(jié)技術(shù)及其應(yīng)用[D];哈爾濱工業(yè)大學(xué);2014年

6 褚萬星;基于角點(diǎn)檢測與競爭編碼的掌紋識別系統(tǒng)[D];西安電子科技大學(xué);2014年

7 洪丹楓;魯棒的高精度掌紋識別技術(shù)研究[D];青島大學(xué);2015年

8 徐云云;面向智能手機(jī)的掌紋識別技術(shù)研究[D];合肥工業(yè)大學(xué);2015年

9 鐘曉雯;非接觸多光譜手成像光學(xué)系統(tǒng)研制[D];沈陽工業(yè)大學(xué);2015年

10 王志強(qiáng);基于圖像質(zhì)量評價(jià)的掌紋識別算法研究[D];北京交通大學(xué);2016年

，

本文編號：2004714