掌纹识别

A为待匹配图像，B为注册图像
A与B双向匹配
选择匹配结果
保留最佳匹配结果
显示结果
结束
匹配流程图
系统实现与结果分析
测试总数 错误识别数 拒绝识别数 误识率 拒识率 识别率
300
wenku.baidu.com29
26
9%
8%
81%
系统实现与结果分析
拒识图像
结论与展望
本次毕设计了一套完整的基于掌纹主线特征的 识别系统，该系统实现了对掌纹图像进行预处 理，主线特征提取与匹配等功能。测试结果基 本满意，但也有一定的误差。 本论文是我在本科生毕业设计期间对基于主线 的掌纹识别所做的一些算法的研究，很多工作 只能说是处于研究的初步阶段，需要在以后的 研究工作中不断地深入和完善。
开始
建立训练图像数据
查找当前路径 获得现训练图像文件名
将训练图像数量写入txt文件
将训练图像数据写入txt文件
关闭文件
结束
图4-1 注册流程图
六、基于主线特征匹配
读入待匹配图
2.掌纹匹配
对于掌纹主线特征， 本文选用点对区域 （Pixel to Area）的 双向匹配算法 ： 算法具体流程如图：
是否图像匹配完成
感谢各位 评委老师
回答老师提问
1.请问二值化时采用固定阈值，对库中的图像 处理效果如何？ 2.在进行匹配时，如何确定匹配分数？如何确 定拒识掌纹？
掌纹图像的预处理
4定位分割
(a)原图
（b）掌纹轮廓
（c）提取关键点
(d)建立坐标系
（e）旋转校正
（f）分割ROI
掌纹图像的预处理
ROI效果与分析
同一人的6幅掌纹经定位分割后的ROI
基于MFRAT的主线特征提取 基于MFRAT的主线特征提取 MFRAT
本文采用改进的有限Radon变换（MFRAT）提取主线 变换（ 本文采用改进的有限 变换 ） 特征。 特征。
原图
能量图
线图像
预处理后的线图像
主线特征
基于主线特征匹配
1.掌纹训练
掌纹图像信息训练时将 掌纹数据库中100人的掌 纹，每人有6幅掌纹图， 选择1、3、5作为训练样 本，对其进行预处理、 提取主线并将训练结果 以txt文本形式保存 /PalmPrintRec/MainLine /Data文件夹中。
f (i , j )
掌纹图像的预处理
1、二值化
(a)原图
(b)二值化后图像
掌纹图像的预处理
2、形态学处理
一幅二值化后的掌纹图像经形态学处理和连通域分析后的结果如图：
(a) 二值图
(b) 连通域分析后结果图
掌纹图像的预处理
3、轮廓提取效果如图2-5(b)所示：
(a) 单连通图像
(b) 轮廓跟踪后图像
基于主线特征提取的掌纹识别算法实现
学生：常莉 学号：3070341082 导师：薛延学
课题流程
课题背景意义 课题研究的主要内容 系统的实现与结果分析 结论与展望
一、课题背景及发展
随着社会和经济的不断发展, 人们对身份鉴别的准确性、 安全性与实用性提出了越来越高的要求.传统的身份鉴别 方法, 如钥匙、密码以及智能卡等,存在容易丢失、遗忘、 被复制及盗用的隐患。生物识别技术以人的生物特征为基 础, 以信息处理技术为手段, 具有安全性、有效性和易用性 等特点, 因此受到人们越来越多的重视。 掌纹识别技术利用人的掌部纹理作为生物特征进行身份的 自动确认，是生物特征识别领域的又一新兴技术。掌纹由 于易于获取，主特征明显、稳定、具有可分性等特点，以 及掌纹自动识别系统具有直接、友好、方便、良好的唯一 性和应用范围广的优点，因此是一种很有发展潜力的身份 识别方法。
二、课题研究的主要内容
掌纹图像采集 背景分割、掌纹轮 廓提取、角点检测、 掌纹ROI区域提取
掌纹图像的预处理 能量图像、 线图像、获得线 特征、预处理、 获得主线、保存 数据
训练
掌纹主线特征提取
掌纹数据
掌纹匹配
判定结果
图1-1 课题设计流程
掌纹图像的采集
本课题所采用的图片来自香港理工大学生物特征识别实验室开发的一 套掌纹采集库，该库含有不同年龄阶段100人的掌纹，每人有6幅掌纹 图像，共600幅掌纹图像，图像的大小为384×284。掌纹来自同一阶 段，没经过任何预处理操作，部分掌纹图像如图所示：
掌纹图像的预处理
图像预处理的具体过程：
1) 采用背景分割算法将掌纹图像二值化，其中背景为 白，掌纹区域为黑； 2)连通域分析先对图像开运算去掉大面积噪声点，然 后对图像进行连通域分析去掉孤立噪声点。 3）对二值图像提取掌纹轮廓； 4）根据二值图像及掌纹轮廓，自动检测出的掌纹的 角点； 5）利用检测到的角点以及提出的新的坐标定位方法 建立坐标系，并旋转原始掌纹图像，使其置于新的坐 标系中； 6）截取掌纹感兴趣区域ROI(Region of Interest)。