掌纹图像提取.docVIP

掌纹提取与个人身份鉴别的匹配 吴向前，IEEE会员；张大卫，IEEE高级会员；王宽全，IEEE会员 摘要——掌纹印记是一种新出现的具有生物检测特征的个人认证方法。这种稳定的纹理特点，或者称之为“掌纹”，是由主要的纹理和褶皱构成，我们可以用它准确地描绘出一幅掌纹图形，并且可以从低分辨率的图像当中将其提取出来。这篇论文提供了一种全新的掌纹提取和用于个人身份鉴别的途径。为了提取掌纹，一组方向线感应器应用而生，这套装备用来提取不同方向的掌纹。为了避免丢失掌纹结构的细节，我们使用一连串密码来代表这些无规则的掌纹线。为了匹配掌纹，我们将两张手掌图片中掌纹各点的对应程度成为匹配度。实验结果显示，这个推荐出的方法可以有效的区分手掌图片，即使图片暗淡无光。这个所推荐的方法的存储量和运算速度可以满足实时生物检测系统的要求。 索引词——生物检测学，链式密码，线提取，线匹配，掌纹，手掌图片识别。 Ⅰ.介绍 在我们这个以信息为基础的社会里，计算机辅助个人识别方式变得越发重要，而在这一方面，生物检测学是最重要，最可依赖的方法之一[1],[2]。使用最广泛的生物检测特征就是指纹[3],[4]，最可靠的特征就是虹膜[1],[5],[6]。然而，从不清楚的指纹中提取小而独特（众所周知的微小）的特征是非常困难的[3],[4]，而红魔采集设备又非常昂贵。其他的生物检测特征，例如脸[7],[8]，和声音[9],[10]，至今仍然不够精确。和这些特征相比较，掌纹这个新出现的生物检测特征相对的具有一些优势[11]。掌纹比指纹包括更多信息，因此更加特别。掌纹提取设备比虹膜设备更加便宜。进一步说，掌纹包括额外的特有的特征，例如主纹理和褶皱，它们可以由低分辨率图像中提取而得。通过结合手掌的所有特征，例如手掌的几何图形，手掌起伏的特征，主纹理和褶皱，建立一个高精确度的生物检测系统是可行的。 许多研究聚焦在离线掌纹认证[12]。采取以下步骤可以获得离线掌纹图像：1）用油墨印记手掌；2）将油墨手掌压在白纸上；3）扫描图像，把手掌印记由纸上传到电脑上。显然，这种方法是很耗时的，不切实际。考虑到应用方面，更严格的限制是离线掌纹识别系统不能实时的工作。为了克服这些问题，一些研究者转而研究在线掌纹识别，并且取得了一些不错的效果。张等人[13]曾经使用二维（2-D）Gabor滤波器从低分辨率掌纹图像中提取纹理特征，而这些图像是通过使用一台电荷耦合侦测照相机获得的，而且他们使用这些特征实现了一个高精度的在线掌纹识别系统。游等人[14]将掌纹装换成多种功能的编码，用以个人认证，存放在一个大数据库中。章和章使用小波信号来描述掌纹，使其通过定向的情景模式。韩等人使用扫描仪对掌纹图像进行扫描，并用索贝尔算子和形态学操作来提取掌纹线性特征。同样，为了核实，Kumar等人用数码相机获得掌纹，再用其他定制模板从中提取线性特征。然而，这些掌纹认证方法都不能准确地从在线掌纹中提取出掌纹线，同时，它们无法利用掌纹线结构特征。但是，在用于掌纹认证方面，掌纹线结构特征是最好的选择，因为它们可以清楚地描绘出掌纹，并能有效地排除光照和噪声干扰。在这篇文章当中，依据掌纹线的性质，我们发明了一些定向线性探测器，并在不同的方向队掌纹线进行探测。为避免丢失掌纹线结构的细节，我们用循环码来替代这些无规律的线。为了匹配掌纹，依据掌纹线的各点对比情况，我们可以估算出两个掌纹之间的匹配分数。 在我们获取掌纹时，手掌的位置，方向和伸展度可能是多样的，以至于来自同一个手掌的掌纹几乎不能有一点点的旋转和变动。另外，手掌在长度方面也存在不同。因此，在掌纹特征提取与匹配之前，掌纹图像应当是定向的，标准的。为防止手掌伸展，调换和旋转，我们以CCD为基础的掌纹获取设备[13]需要匹配一些固定物。这些固定物会将手指分开使之形成小孔，一个夹在食指与中指之间，另一个夹在无名指与小拇指之间。在这篇文章当中，我们使用预处理技术来表示定位掌纹。这种技术可以计算出两个小孔之间的相切度，并使用这些信息来定位掌纹。图像中央部分是128*128，需要去掉不正的部分，然后得到整个掌纹。这种预处理极大地减小了来自于同一手掌的掌纹的调换与旋转情况。这篇文章的剩余部分提供了一些例子。第二章讨论了掌纹线如何提取与表示。第三章讲述了掌纹的匹配第四章包含了一些实验结果和数据分析。在第五章，我们进行了总结。 Ⅱ. 掌纹线提取与表示 手掌线包含了主线和褶皱，是屋脊边缘算子的一种。我们通常将一个灰度剖面的一阶导数中的中断点定义为屋脊边缘算子[18]。换句话说，屋脊边缘算子的定位就是一阶导数的零点。边缘点二阶导数的梯度可以反映出这些边缘点的强度[19]。这种性能可以探测掌纹线，但是掌纹线的方向是任意的，而且我们很难直接从噪声图像当中得到掌纹线的方向，因此，在这一章中，我们将讨论探测不同方向