本文關(guān)鍵詞：非接觸條件下手部多模態(tài)生物特征融合方法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：人體的一些生理結(jié)構(gòu),或稱其為生物特征,例如臉形、虹膜紋理、指紋、手形、掌紋等,具有唯一性,并且在相當(dāng)長的時間內(nèi)具有不變性,不丟失也不被忘記。近年來,在一些場合人體生物特征越來越多地用來取代容易丟失或者仿造的鑰匙、各種身份證件、容易忘記或者被竊取的密碼等。生物特征在公共安全和人們的日常生產(chǎn)生活中發(fā)揮著越來越重要的作用。多模態(tài)生物識別是一種基于信息融合技術(shù)的生物特征識別技術(shù),應(yīng)用“取長補(bǔ)短,優(yōu)勢互補(bǔ)”的思想。多模態(tài)生物特征識別技術(shù)能夠全面、有效的提高生物特征識別系統(tǒng)的整體性能,具有很強(qiáng)的魯棒性,能夠達(dá)到單一生物特征識別無法或很難達(dá)到的品質(zhì)。本文以手部多模態(tài)生物特征識別作為主要研究內(nèi)容,以自制的手部多模態(tài)圖像獲取裝置為基礎(chǔ),提出了嵌入式手部多模態(tài)融合問題的解決方案。本文主要工作如下:(1)針對手部生物特征中的手形、掌紋、手掌靜脈等特征圖像可以通過圖像獲取裝置一次性就可被獲取到的特點(diǎn),在綜合分析掌紋和手掌靜脈成像原理的基礎(chǔ)上,制作了可以用于驗證手部多模態(tài)識別算法的基于雙CCD的手部多模態(tài)圖像獲取裝置。該裝置配備包括多個波段的可見光和多個波長的近紅外LED多光譜光源,而且各波長LED光源都可以根據(jù)需要靈活調(diào)節(jié)發(fā)光強(qiáng)度。雙CCD相機(jī)可以在多個波段LED下,分別同時獲取到掌紋圖像和手掌靜脈圖像。利用該裝置可以方便的獲取到手部三種模態(tài)圖像的樣本,建立相應(yīng)的圖庫,驗證相關(guān)融合識別方法的有效性。為了能夠?qū)⑹植慷嗄B(tài)生物特征識別方式更好的應(yīng)用于日常生活,開發(fā)和制作了基于嵌入式系統(tǒng)的雙攝像頭手部多模態(tài)圖像獲取和處理系統(tǒng)。利用該系統(tǒng)可以進(jìn)行低分辨率下的手部多模態(tài)圖像的獲取和處理,為手部多模態(tài)生物識別方式的實際應(yīng)用提供了可能。同時,為了能夠有效降低手部多模態(tài)圖像采集所需要的LED擴(kuò)展光源的體積,同時保證照射到全手掌光線的均勻性,提出利用有限個高亮度LED構(gòu)建小體積LED擴(kuò)展光源,然后通過透鏡對小體積LED擴(kuò)展光源進(jìn)行光線的二次分配,最終達(dá)到光強(qiáng)充足和均勻的目的。本文通過對光線二次分配進(jìn)行詳細(xì)的理論分析、光線追蹤模擬和實驗,取得了比較理想的效果。(2)針對非接觸條件下獲取的掌紋和手掌靜脈圖像紋理的特點(diǎn),提出了基于紋理峰谷結(jié)構(gòu)的掌紋掌脈像素融合方法。首先分別將獲取到的包含掌紋的全手圖像和包含手掌靜脈的全手圖像進(jìn)行方向尺寸歸一化,然后在包含掌紋的全手圖像中提取ROI圖像。由于多模態(tài)圖像采集時間極短,多模態(tài)圖像在空間沒有移位,因此直接利用掌紋ROI圖像坐標(biāo)提取手掌靜脈ROI圖像。對獲取到的掌紋ROI圖像和手掌靜脈ROI圖像分別進(jìn)行灰度歸一化。根據(jù)紋理存在的局部極小值特點(diǎn)和不同方向?qū)挾汝P(guān)系,提取紋理結(jié)構(gòu)。隨后根據(jù)掌紋和掌脈紋理不同情況下的對應(yīng)關(guān)系,分類進(jìn)行紋理融合。最后對融合后的圖像進(jìn)行識別。在自制的雙CCD手部多模態(tài)圖像獲取裝置采集的圖庫上進(jìn)行的實驗結(jié)果表明,融合后的圖像的識別效果好于單模態(tài)下的掌紋識別效果和掌脈識別效果。(3)針對基于雙CCD的手部多模態(tài)圖像獲取裝置在非接觸條件下獲取的掌紋和手掌靜脈圖像的特點(diǎn),提出了基于小波變換的掌紋和手掌靜脈高低頻綜合數(shù)據(jù)融合方法。首先對雙CCD獲取的掌紋圖像和手掌靜脈圖像分別進(jìn)行ROI提取和配準(zhǔn)等預(yù)處理。然后按照預(yù)先選擇的小波基對掌紋ROI和手掌靜脈ROI圖像分別進(jìn)行多層小波分解。隨后對掌紋和手掌靜脈小波分解后的高頻和低頻系數(shù)按照不同策略進(jìn)行融合。最后通過小波逆變換得到融合圖像。實驗結(jié)果表明,通過融合后的圖像進(jìn)行的識別效果優(yōu)于單模態(tài)掌紋識別和單模態(tài)手掌靜脈識別,也優(yōu)于其它融合方法。(4)針對嵌入式手部多模態(tài)圖像獲取與處理系統(tǒng)存在數(shù)據(jù)處理能力有限等問題,提出在掌紋掌脈數(shù)據(jù)融合的基礎(chǔ)上融入手形識別,即基于決策融合和數(shù)據(jù)融合的手部三模態(tài)雙融合。首先利用手形識別方式的速度優(yōu)勢進(jìn)行決策融合,即通過合適的雙閾值將識別對象劃分為三類:身份確認(rèn)類、身份否決類和身份待定。然后根據(jù)識別對象所處的類別,決定是否需要進(jìn)行基于小波變換的掌紋掌脈數(shù)據(jù)融合識別。實驗結(jié)果表明,通過綜合利用手部三種模態(tài)雙融合,在嵌入式系統(tǒng)進(jìn)行手部身份識別的平均時間大大縮短,識別效果有明顯改善。
【關(guān)鍵詞】：手部多模態(tài)成像 數(shù)據(jù)融合 小波變換 嵌入式系統(tǒng)
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第1章 緒論12-24
• 1.1 課題研究目的及意義12-15
• 1.1.1 手部生物特征識別研究的意義12
• 1.1.2 手部多模態(tài)生物特征識別的意義12-15
• 1.2 國內(nèi)外研究動態(tài)15-21
• 1.2.1 國內(nèi)外手部特征成像及采集裝置15-20
• 1.2.2 手部多模態(tài)研究現(xiàn)狀20-21
• 1.3 目前存在的問題21
• 1.4 本文所要解決的問題和各章節(jié)內(nèi)容安排21-24
• 第2章 非接觸式手部多模態(tài)圖像獲取及處理裝置24-62
• 2.1 非接觸式手部多模態(tài)圖像獲取及處理裝置的特點(diǎn)24
• 2.2 掌紋掌脈圖像采集原理及光源波長選擇24-30
• 2.2.1 靜脈紋理成像原理及光源波長選擇25-28
• 2.2.2 掌紋紋理成像原理及波長選擇28-30
• 2.3 手部多模態(tài)圖像采集中的光源均勻的必要性30-31
• 2.4 基于雙CCD的手部多模態(tài)圖像獲取裝置31-36
• 2.4.1 裝置總體硬件結(jié)構(gòu)31-32
• 2.4.2 光源照射均勻化32-33
• 2.4.3 圖像傳感器及鏡頭33-36
• 2.5 嵌入式雙攝像頭手部多模態(tài)圖像獲取及處理裝置36-51
• 2.5.1 光源系統(tǒng)38-44
• 2.5.2 圖像采集44-50
• 2.5.3 圖像實時顯示50-51
• 2.5.4 系統(tǒng)數(shù)據(jù)傳輸51
• 2.6 使光源小型化的光線二次分配光學(xué)組件51-61
• 2.6.1 理論基礎(chǔ)52-54
• 2.6.2 光線走向分析54-59
• 2.6.3 光通量比較實驗59-61
• 2.7 小結(jié)61-62
• 第3章 基于紋理峰谷結(jié)構(gòu)的掌紋掌脈像素融合62-94
• 3.1 圖像融合概述62-64
• 3.2 掌紋與掌脈紋理構(gòu)成64-70
• 3.2.1 掌紋紋理構(gòu)成64-67
• 3.2.2 掌脈紋理構(gòu)成67-70
• 3.3 非接觸紋理圖像特點(diǎn)70-72
• 3.3.1 掌紋紋理圖像特點(diǎn)70-71
• 3.3.2 靜脈紋理圖像特點(diǎn)71-72
• 3.4 掌紋掌脈圖像像素融合流程72-73
• 3.5 不同時間所獲圖像的一致性調(diào)整73-75
• 3.6 掌紋掌脈ROI的協(xié)同提取及灰度歸一化75-77
• 3.6.1 掌紋掌脈ROI的協(xié)同提取75-76
• 3.6.2 ROI區(qū)域灰度歸一化76-77
• 3.7 手掌紋理峰谷結(jié)構(gòu)的像素融合77-87
• 3.7.1 像素融合的目標(biāo)77-78
• 3.7.2 手掌紋理結(jié)構(gòu)劃分78-80
• 3.7.3 基于局部灰度極小值的紋理提取方法80-83
• 3.7.4 基于紋理峰谷結(jié)構(gòu)的融合策略83-87
• 3.8 融合圖像的識別87-89
• 3.8.1 結(jié)構(gòu)特征識別87-88
• 3.8.2 全局特征識別88-89
• 3.9 實驗及分析89-92
• 3.9.1 實驗圖庫89
• 3.9.2 實驗及結(jié)果分析89-92
• 3.10 本章小結(jié)92-94
• 第4章 基于決策融合和數(shù)據(jù)融合的手部三模態(tài)雙融合94-122
• 4.1 三模態(tài)雙融合識別思想94-96
• 4.1.1 三模態(tài)雙融合結(jié)構(gòu)94-95
• 4.1.2 三模態(tài)雙融合過程95-96
• 4.2 雙融合中的決策融合96-99
• 4.2.1 手形特征選擇依據(jù)96
• 4.2.2 手形匹配96-97
• 4.2.3 決策融合策略97-98
• 4.2.4 決策融合中雙閾值與數(shù)據(jù)處理量的關(guān)系98-99
• 4.3 雙融合中的掌紋掌脈高低頻綜合數(shù)據(jù)融合99-111
• 4.3.1 小波變換的基本理論99-104
• 4.3.2 基于小波變換的圖像融合104-105
• 4.3.3 基于掌紋掌脈高低頻綜合的數(shù)據(jù)融合105-111
• 4.4 融合實驗結(jié)果比較及分析111-120
• 4.4.1 實驗圖庫111-112
• 4.4.2 掌紋掌脈數(shù)據(jù)層實驗結(jié)果評價指標(biāo)112-113
• 4.4.3 雙模態(tài)和三模態(tài)實驗結(jié)果及分析113-120
• 4.5 本章小結(jié)120-122
• 第5章 結(jié)論與展望122-124
• 5.1 結(jié)論122-123
• 5.2 展望123-124
• 參考文獻(xiàn)124-132
• 在學(xué)研究成果132-134
• 致謝134

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 苑瑋琦;荊瀾濤;吳微;桑海峰;;非接觸采集手形相對特征識別性能分析[J];儀器儀表學(xué)報;2013年09期

2 苑瑋琦;荊瀾濤;林森;桑海峰;;基于分類區(qū)分度和相關(guān)性的手形特征選擇方法[J];儀器儀表學(xué)報;2013年08期

3 苑瑋琦;王黎黎;張寧寧;;手部三模態(tài)圖像采集系統(tǒng)的設(shè)計與實現(xiàn)[J];傳感器與微系統(tǒng);2013年05期

4 許良鳳;林輝;胡敏;;基于差分進(jìn)化算法的多模態(tài)醫(yī)學(xué)圖像融合[J];電子測量與儀器學(xué)報;2013年02期

5 吳微;苑瑋琦;林森;孔德奇;張洪濤;;手掌靜脈識別典型波長選擇[J];光學(xué)學(xué)報;2012年12期

6 李兆飛;柴毅;郭茂耘;李華峰;;靜態(tài)小波域內(nèi)特征對比度多聚焦圖像融合算法[J];重慶大學(xué)學(xué)報;2012年10期

7 鄭紅;鄭晨;閆秀生;陳海霞;;基于剪切波變換的可見光與紅外圖像融合算法[J];儀器儀表學(xué)報;2012年07期

8 馬軍紅;;基于多小波變換的區(qū)域方差圖像融合方法[J];光電子技術(shù);2012年02期

9 劉斌;劉維杰;馬嘉利;;基于三通道不可分對稱小波的多聚焦圖像融合[J];儀器儀表學(xué)報;2012年05期

10 苑瑋琦;谷宗輝;;全手掌紋5類主線特征選擇方法研究[J];儀器儀表學(xué)報;2012年04期

  本文關(guān)鍵詞：非接觸條件下手部多模態(tài)生物特征融合方法的研究，由筆耕文化傳播整理發(fā)布。

本文編號：356060