关键字 |
| 的掌纹,定位领域,感兴趣的区域,欧式距离。 |
I.INTRODUCTION: |
| 生物识别技术能提供的身份用户基于人的生理或行为特征。每个生物技术都有自己的优点和局限性。因此,没有系统存在可被认为是最适合所有应用程序[1]。的一个众所周知的生物识别系统有很高的准确性是基于虹膜的系统[2]。但虹膜采集系统是非常昂贵和具有较高的升学率。从用户也需要非常高的合作。基于指纹的系统是世界上最广泛使用的,因为它简单、低成本和良好的精度。少量的灰尘或油脂的手指可能影响基于指纹的系统的性能。手几何基础系统存在成本高、精度低。耳朵识别有问题的耳朵被部分或完全闭塞由于头发或限制[3]。 Face based recognition system is low cost requiring only a camera mounted in a suitable position such as the entrance of a physical access control area. However, face based systems are less acceptable than fingerprint based systems [4]. |
| 的掌纹是手腕和手指之间的区域,功能原理,皱纹,基准分,δ,山脊,细节点,奇异点和纹理模式可以被认为是生物特征。与其他生物识别系统相比,基于掌纹识别系统有许多优点:1)人手的特点是相对稳定的和独特的。2)需要非常少的合作从用户数据采集。3)非侵入性的数据的集合。4)低成本设备足以获得高质量的数据。5)系统使用低分辨率图像但提供精度高。6)相比,指纹,掌纹提供了一个更大的表面积,这样可以提取更多的功能。7)由于使用低分辨率成像传感器获取的掌纹,计算速度更快的预处理和特征提取阶段。基于手8)系统功能是发现最可接受的。9)掌纹也作为一个可靠的人类标识符,因为打印模式不是发现重复甚至在同卵双胞胎[5]。 |
| 基于掌纹的系统利用结构特征、统计特征和多个组合。图像的结构特征包括原理,皱纹,数据点,细节点,山脊和折痕点。c·汉等[6]使用Sobel和形态学操作来从图像中提取行式特征。n Duta等[7]使用孤立点沿着原则线的特性。系统基于脊的掌纹消除皱纹已经提出的j . Funada et al [8]。d . Zhang et al[9]使用点原则的线称为基准分结束。这些数据点作为发现位置和方向不变的特性。j . Chen等人[10]提出了一种基于图像的系统使用折痕点。吴x等[11]认为方向线能量特性arePalmprint系统利用结构特点为基础,统计特性和多种组合。图像的结构特征包括原理,皱纹,数据点,细节点,山脊和折痕点。 C. Han et al [6] used Sobel and morphological operations to extract line-like features from palmprints. N. Duta et al [7] used isolated points along the principle lines as the features. A system based on ridges of the palmprint eliminating creases has been proposed by J. Funada et al [8]. D. Zhang et al [9] used end points of principle lines referred as datum points. These datum points used as the features found to be location and directional invariant. J. Chen et al [10] proposed a palmprint based system that uses crease points. X. Wu et al [11] considered directional line energy features which are characterised with the help of crease points for identification of palmprint. Like fingerprint, each palmprint also contains ridges and minutiae which can be used for matching palmprint images [12]. The statistical features of palmprint include Principle Component Analysis [13], Linear Discriminant Analysis [14], Independent Component Analysis [15], Fourier Transforms [16], Gabor filter [17], fusion code [18], competitive code [19], ordinal code [20] and Wavelets [21] etc. Fusion of palmprint features with other traits like fingerprint [22], palm veins [23], hand geometry [24], face [25], and iris [26] to improve accuracy of the system have been successfully attempted by various researchers. |
二世。图像的预处理: |
| 为了使该算法旋转和翻译不变,有必要从捕获的掌纹图像,获得ROI特征提取之前。提取ROI的改编过程描述的过程类似于香港理工大学的标准数据库在线。五个主要步骤的掌纹图像预处理提取ROI如下: |
| 步骤1:用低通滤波器卷积捕获的掌纹图像。这印记卷积转换成二进制文件,通过使用一个阈值。这个变换可以表示为, |
 |
| ,B (x, y)和O (x, y)二进制图像和原始图像,分别; |
| L (x, y)是一个低通滤波器,如高斯和“*”代表一个卷积算子。 |
| 步骤2:提取的边界洞,(Fixj Fiyj) (i = 1、2),手指之间通过边界跟踪算法。开始点,(Sxi Syi)和结束点,(现有Eyi)洞然后标记的过程。 |
| 步骤3:计算重心,(Cxi Cyi),每个孔的以下方程: |
 |
| ,M (i)表示的边界点的洞,我,然后构造一个线穿过(Cxi Cyi)和的中点(Sxi Syi)和(现有Eyi)。直线方程的定义是, |
 |
| ,(见这种情况称之为Mxi,多年并)的中点(Sxi Syi)和(现有Eyi)。 |
| 基于这些线,两个关键点,(k1, k2),可以很容易地检测到。 |
| 步骤4:排队k1和k2得到图像坐标系的轴,通过中点线垂直于轴,以确定坐标系统的起源。这个坐标系统可以使不同的掌纹图像。 |
| 第五步:提取固定大小的子图像坐标系统的基础上,这是位于特定部分的掌纹特征提取。 |
三世。特征提取的掌纹的使用方向: |
| 取向的palmrprint形象定义中包含的山脊掌纹的局部方向。计算的步骤取向在像素(i, j)如下: |
| 步骤1:最初考虑的W×W集中一块大小像素(i, j)正常化掌纹图像。 |
| 步骤2:为每个像素块,计算梯度δx (i, j)和δy (i, j),这是在x和y方向梯度大小,分别。水平Sobel算子被用来计算δx (i, j)和被定义为, |
 |
| 垂直Sobel算子被用来计算δy (i, j)和被定义为, |
 |
| 步骤3:当地的取向在像素(i, j)据估计使用, |
 |
| θj (i, j)是面向当地的最小二乘估计在像素块集中(i, j)。第四步:光滑取向领域使用高斯滤波器在当地社区。定位图像首先转换成一个连续的向量场,被定义为: |
 |
| Φx和Φy x和y分量的向量场,分别。高斯平滑后的向量场计算,然后进行如下: |
 |
| G是一个高斯低通滤波器的大小wΦ£wΦ。 |
| 最后平滑定位领域像素(阿我;j)被定义为: |
 |
| 方差特征矢量方向场的计算,并被视为一个模板或特性映射。 |
 |
| μkis k均值列的O (i, j), |
| m和n O的行和列数,分别 |
| 的特征向量 |
 |
IV.PALMPRINT图像匹配 |
| 方差特征向量对查询掌纹图像方向场的计算通过使用相同的步骤如前所述(4)- (11)。匹配的方差特征向量方向的查询和存储的模板映像数据库已由使用L2范数。 |
 |
| 和v在哪里查询和模板掌纹图像的特征向量,分别。 |
V。结果和讨论 |
| 我们使用香港理工大学数据库可以从香港理工大学(理大)7752年由灰度图像从386年193个用户对应不同的手掌。在17图像/棕榈收集两个会话。收集到的图像使用CCD空间分辨率为75点/英寸,和256个灰度级。捕获图像放置挂钩。理大的手图像样本,提取的掌纹和方向场图1所示。实验目的数据库分为训练集和测试集。六个图片/棕榈被认为是培训(随机选择)和剩余的图像用于测试。 |
 |
 |
| 算法的性能测量的错误接受率(远)和错误拒绝率(FRR)不同的阈值。远和FRR被计算为:让N与17的掌纹每个科目的数量。因此总数的掌纹图像数据库中的T = 17×n .单个模板/主题一直被视为实验。总试验进行寻找真正的索赔和冒名顶替者声称是N×(T−6),而真正的索赔总额N×11和冒名顶替者声称(总试验−真正的索赔),使用这个我们可以得到, |
| FRR =(真正的拒赔/总真正的索赔)×100%, |
| 远=(冒名顶替者声称接受/总冒名顶替者声称)×100% |
| 雀鳝= 100−FRR百分比 |
| 对每一个可能的组合算法检测计算,FRR在不同的阈值,可以绘制如图2所示。 |
引用 |
- d·d·张,“掌纹认证(国际生物识别技术系列),”斯普林格出版社,纽约公司,斯考克斯市,新泽西,美国,2004年。
- r·王尔德“虹膜识别:一个新兴的生物识别技术,“诉讼的IEEE 85 (1997) pp.1348 -1363 (9)。
- 中,Bolle Jain, r . s . Pankanti“生物识别技术:个人身份在网络化的社会里,“Kluwer学术,1999。
- 国际生物组织消费者应对生物识别技术,http://www.ibgweb.com/reports/public/reports/facial扫描perceptions.html (2002)。
- 香港,d . Zhang, g .陆”的研究同卵双胞胎的掌纹个人认证,“模式识别、39(11)(2006)2149 - 2156页。
- 汉族,h . Cheng c .林k .粉丝,“个人身份验证使用掌纹特点”,模式识别、36(2)(2003)371 - 381页。
- n . Duta a . Jain k . Mardia”匹配的掌纹,”模式识别字母,23(4)(2002)477 - 485页。
- j . Funada n .太m .沟口健二,t . Temma k .录像,a, t . Sugiuchi t .若林史江y山田,“特征提取方法forpalmprint考虑消除皱纹,”国际研讨会论文集在模式识别,2卷,1998年,页1849 - 1854。
- d . Zhang, w .蜀”,两个小说特征掌纹验证:基准点不变性和线特征匹配,“模式识别、32(4)(1999)691 - 702页。
- c . j . Chen, g .荣”的掌纹识别使用折痕,“信息处理国际研讨会论文集,2001年,页234 - 237。
- 吴x k . Wang d·张,“模糊定向元素的能量特性,基于掌纹识别”在模式识别InternationalConference学报》,1卷,2002年。
- k . Jain j .冯“潜在的图像匹配,IEEE事务模式分析与机器智能。
- d . g . Lu, k .王“的掌纹识别使用eigenpalms特性,”模式识别字母24(9)(2003)1463 - 1467页。
- 张x, d . w·K。,“Fisherpalms based palmprint recognition,” Pattern Recognition Letters, 24 (2003) pp 2829-2938.
- l .商D.-S。黄,J.-X。杜,学术界。郑”,掌纹识别采用fastica算法和径向基概率神经网络,“Neurocomputing 69(13 - 15)(2006) 1782 - 1786页。
|
菜单
