第10章 应用实例（2掌纹识别） 数字图像处理课件

《第10章 应用实例（2掌纹识别） 数字图像处理课件》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、掌纹识别的研究与DSP实现1绪论1.1课题研究的背景和意义当今信息社会，信息安全已成为世界各国广泛关注的重要问题。生物特征识别技术就是通过计算机与各种传感器和生物统计学原理等高科技手段密的切结合，利用人体固有的生理特性和行为特征，来进行个人身份的鉴定。全球各国纷纷将生物特征识别技术的发展作为关系国家安全的重大基础技术加以扶持、推广。掌纹识别是生物特征识别领域的又一新兴技术，它是指根据人手掌上的有效信息来识别哪些掌纹图像是来自同一只手掌，哪些掌纹图像是来自不同的手掌。1.2生物特征识别的简介生理特征与生俱来，多为先天性的；行为特征则是

2、习惯使然，多为后天性的。将生理和行为特征统称为生物特征。身份鉴别可利用的生物特征必须满足以下几个条件：第一，普遍性：第二，唯一性：第三，可测量性：第四，稳定性：掌纹识别作为新兴生物识别技术，其以上条件都满足。掌纹面积较大涵括信息丰富、特征稳定且明显，提取特征时不容易受到噪声的干扰、采集设备简单低分辨率图像就可以满足要求、和指纹相比用户接受程度高，被窃取的可能性小。1.3掌纹识别的研究现状1)掌纹识别算法研究现状掌纹识别算法有很多种，主要分为两大类：基于掌纹结构特征的识别方法和基于统计特征的识别方法。基于统计特征的识别方法是将掌纹图像

3、进行某种变换，使得掌纹在变换域中区分性更好或维数更低，将掌纹特征在变换域中体现的更好或者便于提取、分类、识别。例如：傅立叶变换、K_L变换小波变换等。基于掌纹结构特征的识别方法主要是将掌纹图像看作纹理图像，手掌不同纹理也不同。这些方法传承指纹识别的思想,受掌纹图像分辨率的影响较大；并且受掌纹相似程度的影响，该方法对小型数据库有效，对大型系统而言，识别精度会大大下降2）掌纹识别系统应用现状2002年香港理工大学和哈尔滨工业大学联合研制了世界上第一套民用掌纹识别系统；2007年张大鹏教授等研制成功了国际上第一套高精度自动掌纹识别系统；近

4、期，日本富士通开发了非触式掌纹识别系统并投放国际市场。目前掌纹识别系统在各种生物识别系统应用分额中占很小的部分，民用掌纹识别系统少之又少，在国内民用掌纹识别系统应用市场几乎空白。那么研制体积小巧、价格便宜、开发周期短、维护方便、满足中/低级别安全要求的掌纹识别系统，以便在民用领域推广和普及应用将是一个很有意义的研究课题，也是掌纹识别系统研究应用的发展趋势。2掌纹识别软件框架与DSP硬件平台2.1软件框架及算法流程2.1.1掌纹识别的核心思想本文掌纹识别核心思想是基于最大内接正方型边长为粗匹配、FFT变换为细匹配的双重匹配识别思想。第

5、一级(又称粗匹配)匹配阶段利用手掌的掌面最大内接正方形边长作为匹配标准：由于不同的人的手掌大小有所区别；第二级(又称细匹配)匹配阶段是将粗匹配阶段得到的掌面识别的有效区域作为匹配区域,对有效区域的掌纹信息进行特征提取，得到掌纹的频谱域图像，含有不同掌纹信息的图像在频域图中的能量分布也不同。本文掌纹识别的主要处理过程有定位、分割、特征图像预处理、特征提取和匹配。掌纹识别预处理的关键处理步骤见图2.1。图2.1掌纹图像预处理关键步骤示意图2.1.2软件系统框架本文软件系统设计主要分两大块，一是“算法实现模块”，一是“系统应用模块”。“算

6、法实现模块”主要实现掌纹的预处理、特征提取、匹配过程；“应用模块”主要是根据匹配的结果，实现识别库的管理以及图2.2软件结构示意图识别过程。算法基本设计思路如图2.2所示。2.1.3算法流程本文掌纹识别算法分为若干实现模块，见图2.3：图2.3主要算法流程图2.2DSP实现本文设计实现的DSP硬件平台是闻亭公司的DM642开发板。TDS642EVM多路实时图像处理平台是基于TI的TMS320DM642DSP芯片设计的评估开发板。图2.4DM642功能结构示意图图2.5DM642系统参数图图2.6DM642存储器编址示意图表2.1存储

7、器分配3掌纹图像的预处理3.1边缘提取3.1.1改进型sobel算法原理用Sobel算子做图像边缘提取是现在常用的边缘提取方法之一。本文采用8方向模板改进型Sobel算子做边缘提取的运算模板。见图3.1：图3.1改进型Sobel算子方向8模板、经典Sobel算子3.1.2改进型sobel算法原理结果分析在对同一幅二值化的掌纹图像做轮廓边缘提取的时候，由于改进型Sobel算法结果边缘平整连续，没有边缘缺失的情况。在利用形态学的方法进行拐点提取的时候，可以最大程度减小拐点搜索缺失的情况，增加定位的精确程度。见图3.2：图3.2(a)经典

8、Sobel边缘提取效果图(b)改进Sobel边缘提取效果图3.2拐点的提取3.2.1形态学算法原理(a)(b)(c)(d)(e)(f)(g)图3.3(a)采样图像(b)二值图像(c)轮廓边缘图像(d)膨胀图像(e)腐蚀图像(f)拐点区